[論文レビュー] "Roget's Thesaurus" as a lexical resource for natural language processing

Mario Jarmasz|arXiv (Cornell University)|Jan 1, 2003

Natural Language Processing Techniques参考文献 47被引用数 53

ひとこと要約

本稿では、1987年版Penguin版Rogetの同義語辞書を最初に完全に電子的実装し、自然言語処理（NLP）向けの扱いやすい語彙的リソースに変換した。Rogetの同義語辞書が意味的類似度の計算や語彙的連鎖の構築において有効であることを示し、他のシステムと比較してベンチマークテストで優れた結果を示し、WordNetとの統合も可能であることを示した。

ABSTRACT

This dissertation presents an implementation of an electronic lexical knowledge base that uses the 1987 Penguin edition of Roget's Thesaurus as the source for its lexical material---the first implementation of a computerized Roget's to use an entire current edition. It explains the steps necessary for taking a machine-readable file and transforming it into a tractable system. Roget's organization is studied in detail and contrasted with WordNet's. We show two applications of the computerized Thesaurus: computing semantic similarity between words and phrases, and building lexical chains in a text. The experiments are performed using well-known benchmarks and the results are compared to those of other systems that use Roget's, WordNet and statistical techniques. Roget's has turned out to be an excellent resource for measuring semantic similarity; lexical chains are easily built but more difficult to evaluate. We also explain ways in which Roget's Thesaurus and WordNet can be combined.

研究の動機と目的

• 1987年版Penguin版Rogetの同義語辞書を用いて、完全で機械可読の語彙的知識ベースを構築すること。
• Rogetの同義語辞書が意味的類似度の測定や語彙的連鎖の構築において、WordNetの代替手段として実用的であるかを評価すること。
• 標準ベンチマークで、Rogetの同義語辞書、WordNet、統計的手法を用いたシステムとの性能を比較すること。
• Rogetの同義語辞書とWordNetを統合する手法を検討し、より強力な語彙的リソースを構築すること。

提案手法

• 1987年版Penguin版Rogetの同義語辞書を、計算処理に適した機械可読形式に変換すること。
• Rogetの階層的カテゴリ体系を、構造的で照会可能な知識ベースにマッピングすること。
• Rogetの分類体系におけるカテゴリの近接度に基づいて、語や語句間の意味的類似度を計算するアルゴリズムを実装すること。
• Rogetのシステムにおける語彙的カテゴリを通じて、テキスト内の内容語を結びつけることで語彙的連鎖を構築すること。
• 既存のベンチマークを用いてシステムを評価し、WordNetおよび統計モデルの結果と比較すること。
• Rogetの同義語辞書とWordNetを統合する手法を設計・テストし、両者の利点を活かしたリソースの構築を検討すること。

実験結果

リサーチクエスチョン

• RQ1 Rogetの同義語辞書は、自然言語処理タスクにおける意味的類似度測定の語彙的リソースとしてどれほど効果的か？
• RQ2 語のカテゴリベースの組織に基づいて、語彙的連鎖を信頼性高く構築できるか？
• RQ3 意味的類似度および語彙的連鎖タスクにおける、Rogetの同義語辞書、WordNet、統計的手法の性能はどのように比較されるか？
• RQ4 Rogetの同義語辞書に基づく語彙的連鎖の評価において、主な課題は何か？
• RQ5 Rogetの同義語辞書を効果的にWordNetと統合するには、どのような方法が考えられるか？

主な発見

• Rogetの同義語辞書は、意味的類似度の測定に非常に優れたリソースであることが実証され、ベンチマーク評価において他のシステムを上回った。
• Rogetのカテゴリ体系を用いて語彙的連鎖を成功裏に構築できたが、その品質の評価は予想以上に困難であった。
• 意味的類似度タスクにおいて、WordNetおよび統計的ベースラインと比較して、競争力のある結果が得られた。
• Rogetの階層的構造により、意味的グループ化が強く支持され、語および語句の比較が効果的に行えるようになった。
• Rogetの同義語辞書とWordNetの統合手法が成功裏に実証され、ハイブリッド語彙的リソースの可能性が示された。
• 1987年版Penguin版の完全な電子的実装は、Rogetの同義語辞書を計算言語学分野で利用可能にする上で、顕著な前進をもたらした。