[论文解读] An Inventory of Preposition Relations

Vivek Srikumar, Dan Roth|arXiv (Cornell University)|May 24, 2013

Natural Language Processing Techniques参考文献 2被引用 10

一句话总结

本文提出了一种由预置项目（Preposition Project）的词义清单经语义相关义项合并而得的32种语义关系的统一分类体系。通过人工验证和标注者间一致性检验（kappa = 0.75），将介词义项映射到关系标签，该研究实现了介词在上下文中的语义标签一致性，支持下游自然语言处理任务，如介词义项消歧。

ABSTRACT

We describe an inventory of semantic relations that are expressed by prepositions. We define these relations by building on the word sense disambiguation task for prepositions and propose a mapping from preposition senses to the relation labels by collapsing semantically related senses across prepositions.

研究动机与目标

• 定义跨多个介词的全面且语义一致的介词语义关系清单。
• 通过整合不同介词间语义相关的义项，解决介词义项的歧义性。
• 通过人工标注与验证，创建将介词语义映射到关系类型的标注数据集。
• 通过提供标准化的语义分类体系，支持计算模型进行介词义项消歧。
• 通过标注者间一致性检验与人工清理模糊或习语化义项，确保标签的一致性与可靠性。

提出的方法

• 通过识别不同介词间语义等价的义项，将预置项目词典中的介词语义映射到关系标签。
• 利用义项定义及关联介词，将语义相似的义项聚类为32种类别关系。
• 通过人工清理阶段处理模糊或习语化义项，使用20个SemEval 2007训练样例的多数标注结果作为依据。
• 通过两名母语英语者仅依据关系定义作为指导原则，对200个句子进行标注，以验证映射结果。
• 使用Cohen’s kappa（0.75）度量标注者间一致性，并与原始语料库标签进行比较（kappa = 0.74–0.76）。
• 利用所提出的映射方法，将SemEval 2007介词语义数据集转换为关系标注的示例。

实验结果

研究问题

• RQ1 不同词汇项中，介词是否一致表达特定的语义关系？
• RQ2 如何系统性地将语义相关的介词语义合并为一致的关系类别？
• RQ3 人类专家在多大程度上能可靠地标注统一的介词语义关系分类体系？
• RQ4 与现有介词语义词典相比，所提出的语义关系映射在覆盖范围与语义一致性方面表现如何？
• RQ5 在标准基准数据集中，各类介词语义关系的样本分布情况如何？

主要发现

• 该分类体系定义了32种由34个介词表达的独立语义关系，涵盖空间、时间、因果及抽象关系。
• ‘ObjectOfVerb’关系拥有最多的训练样本（1,801个）和测试样本（882个），表明其在语言数据中的普遍性。
• “Location”关系以3,096个训练样本和1,531个测试样本位居第二，反映出其在自然语言中的高频使用。
• “Other”关系虽关联的义项最多（72个），但样本最少（测试集仅42个），表明其捕捉的是罕见或非一致的介词用法。
• “Destination”和“Direction”关系分别拥有1,054个和909个训练样本，显示其在方向性与运动相关结构中的显著地位。
• 标注者间一致性达到中等水平（kappa = 0.75），证实了关系定义在标注过程中的可靠性和清晰度。