[论文解读] Automatic Keyword Extraction from Spoken Text. A Comparison of two Lexical Resources: the EDR and WordNet

Lonneke van der Plas, Vincenzo Pallotta+2 more|ArXiv.org|Oct 25, 2004

Advanced Text Analysis Techniques参考文献 8被引用 29

一句话总结

本文评估了两种词法资源——WordNet 和 EDR 字典——在从口语多用户对话中自动提取关键词的有效性。通过结合词汇语义与统计方法的混合方法，作者发现，与纯统计模型相比，这两种资源均能提升性能，尽管 EDR 具有更丰富的语义结构，WordNet 仍表现出略优的结果，凸显了自然语言处理任务中资源可用性与性能之间的权衡。

ABSTRACT

Lexical resources such as WordNet and the EDR electronic dictionary have been used in several NLP tasks. Probably, partly due to the fact that the EDR is not freely available, WordNet has been used far more often than the EDR. We have used both resources on the same task in order to make a comparison possible. The task is automatic assignment of keywords to multi-party dialogue episodes (i.e. thematically coherent stretches of spoken text). We show that the use of lexical resources in such a task results in slightly higher performances than the use of a purely statistically based method.

研究动机与目标

• 评估词法资源对从口语文本中自动提取关键词的影响。
• 在口语对话处理背景下，比较 WordNet 与 EDR 字典的性能表现。
• 评估语义资源是否能在纯统计方法之外提升关键词提取效果。
• 研究资源可用性与结构对关键词提取准确率的影响。

提出的方法

• 作者利用词法语义与词性标注技术，将 WordNet 和 EDR 字典应用于多用户对话片段的关键词提取。
• 通过结合词法信息与统计特征（如词频和逆文档频率）以增强关键词选择效果。
• 系统通过识别内容词并利用两种词法资源中的语义关系（如同义词、上位词）处理口语文本。
• 采用标准指标（如精确率、召回率和 F1 分数）在基准对话数据集上评估性能。
• 设置不使用词法资源的纯统计方法作为基线，以确保评估的可控性。

实验结果

研究问题

• RQ1 WordNet 与 EDR 字典在口语对话的关键词提取任务中表现如何比较？
• RQ2 与纯统计方法相比，词法资源在多大程度上提升了关键词提取的准确率？
• RQ3 EDR 更丰富的语义结构是否能弥补其可用性有限及在自然语言处理中使用率较低的不足？
• RQ4 在关键词选择中，词法语义与统计频率的相对贡献如何？

主要发现

• 与纯统计基线相比，整合词法资源显著提升了关键词提取的性能。
• 尽管 EDR 拥有更广泛的语义网络，WordNet 的 F1 分数仍略高于 EDR。
• 使用词法资源可提高精确率与召回率，表明其与人工标注关键词的对齐度更高。
• EDR 虽较少被使用，但表现具有竞争力，表明其在可访问时具有潜在价值。