[论文解读] Semi-automatic annotation process for procedural texts: An application on cooking recipes

Valmi Dufour-Lussier, Florence Le Ber+3 more|arXiv (Cornell University)|Sep 25, 2012

Natural Language Processing Techniques参考文献 12被引用 6

一句话总结

本文提出了一种用于程序性烹饪食谱的半自动标注流程，将改进版的KCatoS图形编辑器集成到WikiTaaable语义维基中，使用户能够修正和补全NLP生成的语义图。该方法通过允许用户修复动作和食材依赖关系中的错误，并实现下游不一致性的半自动恢复，显著提升了案例推理系统中食谱表示的准确性。

ABSTRACT

Taaable is a case-based reasoning system that adapts cooking recipes to user constraints. Within it, the preparation part of recipes is formalised as a graph. This graph is a semantic representation of the sequence of instructions composing the cooking process and is used to compute the procedure adaptation, conjointly with the textual adaptation. It is composed of cooking actions and ingredients, among others, represented as vertices, and semantic relations between those, shown as arcs, and is built automatically thanks to natural language processing. The results of the automatic annotation process is often a disconnected graph, representing an incomplete annotation, or may contain errors. Therefore, a validating and correcting step is required. In this paper, we present an existing graphic tool named \\kcatos, conceived for representing and editing decision trees, and show how it has been adapted and integrated in WikiTaaable, the semantic wiki in which the knowledge used by Taaable is stored. This interface provides the wiki users with a way to correct the case representation of the cooking process, improving at the same time the quality of the knowledge about cooking procedures stored in WikiTaaable.

研究动机与目标

• 解决完全自动化的基于NLP的程序性烹饪食谱语义标注的低准确率和不完整性问题。
• 为非专家维基用户提供协作式、用户友好的界面，以修正和补全食谱流程的语义图。
• 提升WikiTaaable（支撑Taaable案例推理系统的语义维基）中结构化知识的质量，以改善食谱适应能力。
• 通过支持单次用户修正后自动恢复下游依赖关系的半自动修正机制，减少语义图中的错误传播。

提出的方法

• 改造KCatoS（一种基于Web的决策树编辑器），以处理包含动作、食材和关系的大型复杂烹饪食谱语义图。
• 将改进后的KCatoS作为插件集成到WikiTaaable语义维基中，以支持食谱案例表示的协作编辑。
• 实现“智能缩放”功能，聚焦于特定动作及相关子图，提升大型食谱的可用性。
• 支持半自动修正：当用户修复缺失的动作或关系时，系统会重新计算并修复图中下游的依赖关系。
• 利用KCatoS的语法验证和版本控制功能，确保结构正确性并追踪标注变更。
• 利用OWL导出功能和基于Web的GWT框架，确保修正后标注的互操作性和持久性。

实验结果

研究问题

• RQ1 半自动、可由用户编辑的界面能否提升程序性烹饪食谱的NLP生成语义图的质量和完整性？
• RQ2 如何利用图形编辑器中的用户修正，自动修复语义图结构中的下游错误？
• RQ3 在语义维基中进行协作编辑在多大程度上能减少标注错误并提升案例推理中食谱适应的知识质量？
• RQ4 哪些界面功能是支持非专家用户有效修正复杂、大规模程序性图的关键？

主要发现

• 将KCatoS集成到WikiTaaable中，使维基用户能够有效修正和补全NLP生成的烹饪食谱语义图。
• 半自动修正机制在单次用户修正后成功恢复了下游依赖关系（例如，食材输入），减少了错误传播。
• “智能缩放”功能通过在编辑时聚焦于相关子图，显著提升了可用性，尤其适用于复杂食谱。
• 用户修正被保留并进行版本控制，支持可审计性及未来标注变更的对比。
• 该方法显著提升了食谱的语义表示质量，直接改善了Taaable食谱适应过程的准确性。
• 该系统表明，结合协作与交互式标注的半自动恢复方法，是大规模改进程序性文本标注的有效且可行的途径。