[论文解读] InScript: Narrative texts annotated with script information

Ashutosh Modi, Tatjana Anikina+2 more|arXiv (Cornell University)|Mar 15, 2017

Natural Language Processing Techniques参考文献 14被引用 3

一句话总结

本文介绍了InScript，一个包含1,000篇叙事故事的语料库，这些故事均以脚本知识进行标注，包括事件类型、参与者类型以及指代关系。该语料库支持基于脚本的自然语言理解研究，展现出较高的词汇多样性，并与DeScript语料库在建模脚本知识方面具有良好的对齐潜力。

ABSTRACT

This paper presents the InScript corpus (Narrative Texts Instantiating Script structure). InScript is a corpus of 1,000 stories centered around 10 different scenarios. Verbs and noun phrases are annotated with event and participant types, respectively. Additionally, the text is annotated with coreference information. The corpus shows rich lexical variation and will serve as a unique resource for the study of the role of script knowledge in natural language processing.

研究动机与目标

• 创建一个大规模、基于叙事的语料库，标注脚本知识，以研究脚本理解如何支持文本理解。
• 探究脚本知识在引导读者预期、指代消解和常识推理中的作用。
• 提供一个资源，将通用脚本描述（DeScript）与具体实例化叙事（InScript）相连接，以支持文本到脚本对齐的研究。
• 使用MTLD和熵度量，分析叙事文本与通用脚本描述之间的词汇变异差异。
• 支持利用脚本标注文本开发用于书面语言中意外性与信息密度的模型。

提出的方法

• 通过Amazon Mechanical Turk收集1,000篇故事，每种10种不同情境（如洗澡、烤蛋糕、乘坐飞机）各100篇。
• 对动词进行事件类型标注（如ScrEv_turn_water_on），对名词短语进行参与者类型标注（如ScrPart_bather, ScrPart_tap）。
• 应用指代标注以研究脚本结构与代词或限定性名词短语消解之间的依赖关系。
• 使用词汇文本多样性度量（MTLD），阈值为0.71，比较InScript与DeScript之间的词汇变异。
• 对动词词干计算熵，以量化脚本事件的词汇实现差异，排除出现次数少于10次的事件。
• 将InScript叙事与DeScript的通用事件序列（ESDs）对齐，以支持未来自动文本到脚本映射。

实验结果

研究问题

• RQ1 脚本知识在叙事文本中的指代消解和上下文整合中起到何种影响？
• RQ2 与通用脚本描述相比，叙事文本在多大程度上表现出词汇变异？
• RQ3 不同情境（如简单与复杂情境）如何影响叙事文本中的词汇多样性和事件实现？
• RQ4 熵和MTLD度量能否可靠地捕捉叙事与抽象脚本描述之间在词汇实现上的差异？
• RQ5 叙事文本在多大程度上能与通用脚本结构（如DeScript）对齐，以支持下游NLP任务？

主要发现

• InScript包含1,000篇叙事故事，平均每篇约200词，总计约200,000词，标注了事件类型、参与者类型和指代关系。
• 与DeScript相比，该语料库在MTLD度量下表现出显著更高的词汇多样性，且在全部10种情境中，InScript的MTLD值均保持较高水平。
• 熵分析显示，'spend_time_train'等事件类型具有较高的词汇变异性（高熵），而'wait'等事件类型则表现出较低的变异性，表明复杂活动具有更多样的语言实现方式。
• 在'乘坐飞机'情境中，InScript与DeScript均表现出最高的词汇多样性，表明复杂情境自然导致更大的词汇变异。
• 最常见参与者类型（如'bather', 'bathtub'）的提及次数平均值显著高于较少见的类型，表明指代消解存在对典型脚本参与者的偏向。
• 该语料库支持了以下假设：叙事文本以丰富的词汇变异实例化脚本，使其成为研究上下文感知NLP系统中脚本知识的理想资源。