[论文解读] Representing Verbs as Argument Concepts

Yu Gong, Kaiqi Zhao+1 more|arXiv (Cornell University)|Mar 2, 2018

Natural Language Processing Techniques参考文献 25被引用 6

一句话总结

本文提出一种数据驱动框架，通过基于分类法的分支限界算法从大规模语料库中抽象出主语和宾语实例，自动推断可调节、人类可读且机器可计算的动词论元概念。该方法在覆盖动词论元的同时，有效最小化概念间的语义重叠，通过平衡粒度与覆盖范围，在性能上优于基于选择性偏好和聚类的方法。

ABSTRACT

Verbs play an important role in the understanding of natural language text. This paper studies the problem of abstracting the subject and object arguments of a verb into a set of noun concepts, known as the "argument concepts". This set of concepts, whose size is parameterized, represents the fine-grained semantics of a verb. For example, the object of "enjoy" can be abstracted into time, hobby and event, etc. We present a novel framework to automatically infer human readable and machine computable action concepts with high accuracy.

研究动机与目标

• 解决细粒度词袋与粗粒度语义角色方法在动词表征中的局限性。
• 实现从原始文本中自动、可调节地将动词论元抽象为高层名词概念。
• 确保生成的概念既具有人类可读性又可被机器计算，并通过参数化集合大小控制粒度。
• 在最大化实际动词论元实例覆盖范围的同时，最小化概念间的语义重叠。
• 通过利用外部知识分类法（如Probase和WordNet）提升对未见论元的泛化能力。

提出的方法

• 该方法使用分类法（如Probase或WordNet）作为外部知识，其中概念为节点，'isA'关系定义了对实体的层次覆盖。
• 将论元概念化问题建模为从分类法中选择k个概念，以最大化论元覆盖范围并最小化成对重叠。
• 核心算法采用分支限界策略，高效搜索最优k个概念集合，平衡覆盖范围与多样性。
• 概念间的重叠定义为所覆盖实体集合的归一化交集：$\text{Overlap}(c_1,c_2) = \frac{|E_{c_1} \cap E_{c_2}|}{\min\{|E_{c_1}|, |E_{c_2}|\}}$。
• 框架结合依存句法分析提取主语和宾语论元，随后将其映射到分类法概念以实现抽象。
• 通过人工判断和论元覆盖度量对方法进行评估，与基于选择性偏好和聚类的基线方法进行比较。

实验结果

研究问题

• RQ1 我们能否自动生成一组可调节、人类可读且机器可计算的动词论元概念，使其在多样化的论元实例间具有泛化能力？
• RQ2 所提出的方法在覆盖实际动词论元与概念间语义多样性（低重叠）之间如何实现平衡？
• RQ3 分类法的选择（如Probase与WordNet）在多大程度上影响推断概念的准确性和泛化能力？
• RQ4 与现有基于选择性偏好和聚类的方法相比，该方法在覆盖范围和概念质量方面表现如何？
• RQ5 推断出的论元概念能否泛化到训练数据中未出现的未见动词论元？

主要发现

• 所提方法在论元覆盖范围上优于基线的选择性偏好和聚类方法，尤其在使用Probase作为分类法时表现更优。
• Probase覆盖了91.69%的测试论元，而WordNet仅覆盖84.82%，由于其对命名实体和多词表达的更广覆盖，因而性能更优。
• 分支限界算法成功生成了重叠度低但覆盖范围广的概念集合，优于未显式控制重叠的方法。
• 人工评估证实，生成的论元概念既准确又可解释，与人类对动词语义的直觉高度一致。
• 该方法对未见论元具有良好的泛化能力，例如将'mcDonalds'正确映射到'eat'的论元，尽管该实例未直接出现在训练数据中，但可通过分类法链接实现。
• 该框架表明，通过分类法感知的优化实现概念抽象，可比传统分布统计或聚类方法更优地表征动词语义。