[论文解读] A study on the relation between linguistics-oriented and domain-specific semantics

He Tan|arXiv (Cornell University)|Dec 7, 2010

Natural Language Processing Techniques参考文献 5被引用 4

一句话总结

本文研究了以语言学为导向的语义框架（FrameNet）与特定领域生物过程概念（基因本体论，GO）之间的对齐情况，揭示了事件分类和词语分组方面存在显著差距。通过手动将19个FrameNet框架映射到GO概念，识别出由于语义粒度和概念覆盖范围不同而产生的不匹配，为改进文本挖掘和自然语言理解系统中的本体设计提供了洞见。

ABSTRACT

In this paper we dealt with the comparison and linking between lexical resources with domain knowledge provided by ontologies. It is one of the issues for the combination of the Semantic Web Ontologies and Text Mining. We investigated the relations between the linguistics oriented and domain-specific semantics, by associating the GO biological process concepts to the FrameNet semantic frames. The result shows the gaps between the linguistics-oriented and domain-specific semantics on the classification of events and the grouping of target words. The result provides valuable information for the improvement of domain ontologies supporting for text mining systems. And also, it will result in benefits to language understanding technology.

研究动机与目标

• 弥合分子生物学中以语言学为导向的语义（FrameNet）与特定领域语义（基因本体论）之间的差距。
• 探究FrameNet框架在在多大程度上能够表征GO中描述的生物过程。
• 识别通用语言框架与特定领域本体论之间在事件分类和目标词语分组方面的不匹配。
• 支持为生命科学领域文本挖掘和自然语言理解系统开发更准确的领域本体论。

提出的方法

• 从PASBio项目在分子生物学中的29个关键动词中，收集了19个与生物医学动词相关的FrameNet框架。
• 通过将GO概念名称的中心名词与框架的词汇单位（LUs）匹配，将每个FrameNet框架映射到GO生物过程概念。
• 应用过滤规则：排除子类和部分关系，以优先选择一般且语义相关的GO概念。
• 使用Perl模块处理GO和OBO本体论，自动化初始候选集合的生成，随后对所有映射关系进行人工验证。
• 在 http://www.ida.liu.se/hetan/FN2GO 保持一个公开的映射仓库。

实验结果

研究问题

• RQ1 FrameNet语义框架在多大程度上能够表征基因本体论生物过程子本体中描述的事件和过程？
• RQ2 在分子生物学背景下，FrameNet与GO在事件分类和目标词语分组方面有何差异？
• RQ3 在将通用语言框架与特定领域生物概念对齐时，语义覆盖方面存在哪些具体不匹配？
• RQ4 通用GO生物过程概念能否有意义地映射到单一FrameNet框架，还是它们会跨越多个语义框架？

主要发现

• 四个FrameNet框架——Activity_start、Causation、Interrupt_process和Forgoing——没有对应的GO概念，表明本体中存在语义空白。
• GO:0008283（细胞增殖）被映射到Proliferation_in_number框架，显示出对一般生物过程的对齐。
• GO:0006412（翻译）被正确映射到Translating框架，证实了对核心分子功能的语义一致性。
• 多个GO概念被映射到同一个FrameNet框架（例如，Change_position_on_a_scale用于下降和生长），揭示了不同生物过程被映射到同一语言框架。
• 一些GO概念，如GO:0032502（发育过程），被映射到多个框架（例如，Progress和Process_start），表明概念存在模糊性或过度泛化。
• 特定生物过程如肽阻断或DNA代谢过程未被通用框架捕获，凸显了FrameNet在特定领域动词覆盖方面的局限性。