[論文レビュー] Using Curvature and Markov Clustering in Graphs for Lexical Acquisition and Word Sense Discrimination

Beate Dorow, Dominic Widdows+4 more|arXiv (Cornell University)|Mar 29, 2004

Natural Language Processing Techniques参考文献 18被引用数 59

ひとこと要約

本稿では、イギリス国立コーパス（BNC）からの意味的関係を用いて、語彙獲得および意味素の判別を行うための2つのグラフベースの手法——曲率に基づくクラスタリングとリンククラスタリング——を提案する。名詞をノード、それらの並列構文における共起をエッジとしてモデル化し、グラフの曲率を用いてハブを特定し、マルコフクラスタリング（MCL）を用いてリンクを意味的に整合性のあるクラスタに分割する。リンククラスタリングは他の手法を上回り、6 WordNetレベル以内で85％を超える正確性を達成し、意味素の判別および語彙獲得の分野で優れた性能を示している。

ABSTRACT

We introduce two different approaches for clustering semantically similar words. We accommodate ambiguity by allowing a word to belong to several clusters. Both methods use a graph-theoretic representation of words and their paradigmatic relationships. The first approach is based on the concept of curvature and divides the word graph into classes of similar words by removing words of low curvature which connect several dispersed clusters. The second method, instead of clustering the nodes, clusters the links in our graph. These contain more specific contextual information than nodes representing just words. In so doing, we naturally accommodate ambiguity by allowing multiple class membership. Both methods are evaluated on a lexical acquisition task, using clustering to add nouns to the WordNet taxonomy. The most effective method is link clustering.

研究の動機と目的

• 語彙獲得における意味の曖昧さを、コーパスデータからの意味的関係をモデル化することで解決すること。
• 語が複数のクラスタに属することができるように、グラフ理論的手法を開発すること。
• 語の意味素分類タスクにおける語彙獲得の評価を、WordNetの分類体系に合わせて行うこと。
• ノードベースのクラスタリング（曲率とMCL）とリンクベースのクラスタリングの有効性を比較すること。

提案手法

• 語の共起関係を用いて、イギリス国立コーパス（BNC）から語のグラフを構築する。ノードは名詞を表し、エッジは名詞の並列構文における共起関係を表す。
• グラフの曲率を用いて、語の周辺ノードの相互接続性を測定する。曲率は、語の周辺ノードが形成する実際の三角形と可能な三角形の比として定義される。
• マルコフクラスタリング（MCL）を用いてランダムウォークをシミュレートし、グラフ内の密集した意味的に整合性のあるクラスタを同定する。
• 各並列構文パターンを意味的ノードとして扱うことで、リンククラスタリングを導入し、より細分化され、文脈に敏感なクラスタリングを可能にする。
• 三角形に参加するエッジのみを保持することでノイズを低減し、意味的関連性が相互に確認されるようにする。
• 語彙獲得のタスクにおいて、クラスタラベルをWordNetの分類体系と比較することで評価し、指定された数の間接的なWordNetレベル内での正確性を測定する。

実験結果

リサーチクエスチョン

• RQ1 グラフの曲率は、曖昧さを扱いながらも意味的に整合性のある語クラスタを効果的に特定できるか？
• RQ2 並列構文パターンをノードとして扱うリンククラスタリングは、ノードベースのクラスタリングと比較して、意味の判別を向上させるか？
• RQ3 同じ語彙獲得タスクにおいて、曲率ベースのクラスタリングはマルコフクラスタリング（MCL）と比較してどのように性能を発揮するか？
• RQ4 グラフベースの手法は、事前の語彙リソースがなくても、生テキストから意味的関係を学習できるか？
• RQ5 得られたクラスタは、WordNetの階層的構造とどの程度整合するか？

主な発見

• リンククラスタリングは、6 WordNetレベル以内で85％を超える正確性を達成し、曲率クラスタリングおよび標準的なMCLを著しく上回った。
• リンクグラフ上のMCLは、1,200語のテスト語のうち誤って割り当てられたラベルが14語にとどまり、元のグラフ上のMCL（32語）および曲率クラスタリング（69語）と比較して、誤分類が最も少なかった。
• 曲率クラスタリングは低カバレッジであり、1,200語のうち854語がクラスタリングに失敗し、それらの語にクラスタを割り当てるために深さ優先探索を実行する必要があった。
• 最も頻度の高い語のカテゴリでは、6レベルを超えてリンククラスタリングが元のグラフ上のMCLを上回り、正確性において一貫した優位性を示した。
• 最も頻度の高い語では、12 WordNetレベル以内でリンククラスタリングは100％の正確性を達成し、高カバレッジ語において強い性能を示した。
• 結果から、リンククラスタリングが文脈に応じた意味的差異をよりよく捉えられ、語彙獲得および意味素の判別においてより効果的であることが確認された。