[论文解读] CEVO: Comprehensive EVent Ontology Enhancing Cognitive Annotation

Saeedeh Shekarpour, Faisal Alshargi+3 more|arXiv (Cornell University)|Jan 19, 2017

Natural Language Processing Techniques参考文献 11被引用 3

一句话总结

本文提出了CEVO，一种基于贝斯·利文森（Beth Levin）英语动词概念层级的综合性事件本体，用于提升文本和本体中关系的认知标注。通过将动词映射到抽象的语义和句法类别（如“交流”或“合并”），CEVO实现了关系标注的一致性、跨不同词汇体系的对齐，以及文本关系与本体属性的关联，已在真实世界数据的三个用例中得到验证。

ABSTRACT

While the general analysis of named entities has received substantial research attention on unstructured as well as structured data, the analysis of relations among named entities has received limited focus. In fact, a review of the literature revealed a deficiency in research on the abstract conceptualization required to organize relations. We believe that such an abstract conceptualization can benefit various communities and applications such as natural language processing, information extraction, machine learning, and ontology engineering. In this paper, we present Comprehensive EVent Ontology (CEVO), built on Levin's conceptual hierarchy of English verbs that categorizes verbs with shared meaning, and syntactic behavior. We present the fundamental concepts and requirements for this ontology. Furthermore, we present three use cases employing the CEVO ontology on annotation tasks: (i) annotating relations in plain text, (ii) annotating ontological properties, and (iii) linking textual relations to ontological properties. These use-cases demonstrate the benefits of using CEVO for annotation: (i) annotating English verbs from an abstract conceptualization, (ii) playing the role of an upper ontology for organizing ontological properties, and (iii) facilitating the annotation of text relations using any underlying vocabulary. This resource is available at https://shekarpour.github.io/cevo.io/ using https://w3id.org/cevo namespace.

研究动机与目标

• 解决在非结构化和结构化数据中组织关系时缺乏抽象概念化的问题。
• 克服关系抽取、关系语境等价性以及本体之间异构性方面的不足。
• 提供一个统一的、基于心理学原理的关系标注框架，其基础为语义和句法动词类别。
• 通过共享的抽象表示，实现文本关系与本体属性之间的互操作性。
• 通过利用利文森动词层级，促进自然语言处理、信息抽取和本体工程中的认知标注。

提出的方法

• 通过将超过3,000个英语动词映射到基于贝斯·利文森动词概念层级的230多个语义-句法类别，构建CEVO。
• 使用NIF（命名个体格式）词汇表，对文本中动词的出现位置及其句法角色进行标注。
• 应用网络注释数据模型（WADM），通过共享的CEVO事件类别，将文本关系链接到本体属性。
• 为文本和本体中的动词实例分配CEVO事件类别（例如，cevo:Communication、cevo:Amalgamate），以实现语义对齐。
• 使用SPARQL查询，通过共享的CEVO标注，将文本关系（如“marry”）与相应的本体属性（如dbp:spouse）关联起来。
• 利用CEVO命名空间（https://w3id.org/cevo/）确保事件类别及其实例的持久、可解析URI。

实验结果

研究问题

• RQ1 抽象的关系概念化在多大程度上能提升文本和本体中关系标注的一致性和认知合理性？
• RQ2 利文森动词分类在多大程度上可作为可重用、高层级事件本体的基础？
• RQ3 CEVO能否实现在不同词汇体系和本体之间的关系语境等价性？
• RQ4 CEVO在真实世界数据中支持将文本关系链接到本体属性的效率如何？
• RQ5 在知识图谱应用中，使用CEVO对关系抽取和互操作性有何影响？

主要发现

• CEVO成功地将超过3,000个英语动词映射到230多个语义一致的事件类别，基于其共享的意义和句法行为。
• 尽管‘announce’和‘say’在词汇上并非同义词，但它们在CEVO类别cevo:Communication下被语义等价，体现了认知一致性。
• WADM的使用使得能够通过共享的CEVO事件类别，直接将文本关系（如‘marry’）链接到本体属性（如dbp:spouse）。
• SPARQL查询可通过CEVO标注解析文本关系与本体属性之间的关联，如以动词‘marry’和属性dbp:spouse为例所示。
• CEVO实现了在不同数据源和本体之间对关系的一致性标注，减少了歧义并提升了互操作性。
• 该本体在 https://shekarpour.github.io/cevo.io/ 公开提供，命名空间为 https://w3id.org/cevo/，支持长期重用与集成。