[论文解读] Enriching a Text by Semantic Disambiguation for Information Extraction

Bernard Jacquemin, Caroline Brun+1 more|ArXiv.org|Jun 12, 2005

Web Data Mining and Analysis参考文献 14被引用 13

一句话总结

本文提出一种基于语义消歧的文本增强方法，通过选择上下文合适的同义词和多词表达，利用从句法和语义分析中提取的词义消歧（WSD）规则，实现信息抽取中的文本丰富化。该方法通过确保同义词扩展与实际语境意义一致，提高了召回率并减少了噪声，在评估中达到74.17%的精确率和43.61%的召回率。

ABSTRACT

External linguistic resources have been used for a very long time in information extraction. These methods enrich a document with data that are semantically equivalent, in order to improve recall. For instance, some of these methods use synonym dictionaries. These dictionaries enrich a sentence with words that have a similar meaning. However, these methods present some serious drawbacks, since words are usually synonyms only in restricted contexts. The method we propose here consists of using word sense disambiguation rules (WSD) to restrict the selection of synonyms to only these that match a specific syntactico-semantic context. We show how WSD rules are built and how information extraction techniques can benefit from the application of these rules.

研究动机与目标

• 解决因无差别同义词扩展导致信息抽取中噪声过高的问题。
• 通过利用上下文感知的同义词选择，在不牺牲精确率的前提下提升信息抽取的召回率。
• 开发一种系统化方法，利用词义消歧（WSD）对文本进行语义一致的同义词和多词表达增强。
• 验证WSD规则在提升通用信息抽取任务中词汇增强效果方面的有效性。
• 证明上下文敏感的同义词扩展优于信息抽取系统中简单同义词列表的应用。

提出的方法

• 该方法使用鲁棒解析器从句子中提取句法依存关系和语义角色。
• 构建词法-语义规则，将句法和语义上下文映射到首选词义，实现上下文感知的消歧。
• 基于消歧后的词义选择同义词和同义表达，确保增强过程的语义一致性。
• 系统使用单一、综合性的电子词典，对单个词语和多词表达进行上下文合适的同义词增强。
• 将增强后的依存关系和新的语义关系进行索引，以支持下游信息抽取任务。
• WSD模块基于句法结构和语义类别应用规则，必要时可回退至通用语义类别。

实验结果

研究问题

• RQ1 词义消歧能否提升信息抽取中基于同义词的文本增强的精确率？
• RQ2 上下文感知的同义词选择如何影响信息抽取系统中的召回率和噪声水平？
• RQ3 从句法和语义分析中提取的WSD规则在多大程度上能提升词汇增强的一致性？
• RQ4 使用单一通用词典对增强的质量和一致性有何影响？
• RQ5 能否通过基于WSD的同义词选择有效增强多词表达？

主要发现

• 在《世界报》82个句子的语料上进行的WSD评估中，该方法达到了74.17%的精确率和43.61%的召回率。
• 分词错误占错误总数的7.28%，词性标注占3.15%，句法解析占1.49%，表明预处理环节仍有改进空间。
• WSD错误是最大的错误来源，占比13.91%，表明优化消歧规则对性能提升至关重要。
• 当消歧正确时，所建议的同义表达始终在语境中语义恰当，验证了增强逻辑的有效性。
• 系统表明，上下文感知的同义词增强相比简单同义词列表应用能显著减少噪声。
• 评估结果证实，基于WSD的增强方法具有可行性与有效性，通过更优的规则选择和领域适应，仍有进一步提升空间。