[论文解读] Text Annotation Graphs: Annotating Complex Natural Language Phenomena

Angus G. Forbes, Kristine Lee+3 more|arXiv (Cornell University)|Nov 1, 2017

Natural Language Processing Techniques参考文献 16被引用 4

一句话总结

本文介绍了文本标注图（Text Annotation Graphs, TAG），一种基于网页的标注工具，通过交互式、多层图谱可视化复杂自然语言现象——如嵌套事件、语义超图和词素解析。TAG 支持关系之间的关系的表示与编辑，支持非投射结构，并在生物医学事件抽取和词素分析方面相较于 BRAT 等工具显著提升了清晰度。

ABSTRACT

This paper introduces a new web-based software tool for annotating text, Text Annotation Graphs, or TAG. It provides functionality for representing complex relationships between words and word phrases that are not available in other software tools, including the ability to define and visualize relationships between the relationships themselves (semantic hypergraphs). Additionally, we include an approach to representing text annotations in which annotation subgraphs, or semantic summaries, are used to show relationships outside of the sequential context of the text itself. Users can use these subgraphs to quickly find similar structures within the current document or external annotated documents. Initially, TAG was developed to support information extraction tasks on a large database of biomedical articles. However, our software is flexible enough to support a wide range of annotation tasks for any domain. Examples are provided that showcase TAG's capabilities on morphological parsing and event extraction tasks. The TAG software is available at: https://github.com/ CreativeCodingLab/TextAnnotationGraphs.

研究动机与目标

• 解决现有标注工具在表示自然语言中深层嵌套、非投射及多层语言关系方面的局限性。
• 支持语义超图（关系之间的关系）的可视化与编辑，这对于建模科学文本中的复杂事件至关重要。
• 通过直观、交互式的可视化表示，支持词素解析和事件抽取任务，提升标注的准确性和效率。
• 提供可扩展的开源解决方案，支持在任意现代网页浏览器中运行，兼容多种语言和数据格式，适用于大规模文本标注。
• 通过支持不同系统或版本的标注并排视图及“差异”机制追踪变更，促进对比分析与主动学习。

提出的方法

• 使用 JavaScript 和 SVG.js 实现基于网页的界面，以实现高保真、交互式文本标注可视化，具备可扩展的性能。
• 引入双视图系统，允许用户在线性文本视图与基于图谱的语义及句法关系视图之间自由切换。
• 支持多种标注图层（如句法、语义、共指）的并行可视化与编辑。
• 支持用户定义并可视化关系之间的关系（超图），例如单个事件控制多个从属事件。
• 集成渐进式渲染技术，在加载大文档时保持性能，不牺牲渲染速度。
• 提供过滤、颜色编码及交互式编辑功能，支持基于分类类型或标注图层的视图自定义。

实验结果

研究问题

• RQ1 标注工具如何更有效地表示科学文本中发现的复杂、嵌套及非投射语言关系？
• RQ2 将关系之间的关系（语义超图）进行可视化，在多大程度上能提升生物医学文献中事件标注的准确性和清晰度？
• RQ3 基于网页的标注工具是否能比现有工具（如 BRAT）更有效地支持词素解析和事件抽取任务？
• RQ4 支持不同系统或版本标注的并排对比视图，如何增强标注与数据整理流程？
• RQ5 交互式图谱可视化在何种方式下可支持主动学习与众包数据收集，以用于 NLP 模型训练？

主要发现

• TAG 成功可视化了复杂事件结构，例如单一正向激活事件控制多个负向调控事件，此类结构在 BRAT 的线性表示中则不够清晰。
• 该工具能够准确表示词素派生关系，例如 'unlockable' 可双重解释为 '无法被锁定' 或 '可以被解锁'，而 BRAT 难以准确表达此类含义。
• 用户可流畅切换线性视图与图谱视图，有助于理解长距离依赖关系与层次化事件结构。
• 语义超图的可视化——即关系链接其他关系——在建模生物医学文本中的生化反应网络方面被证明至关重要。
• TAG 的渐进式渲染与图层管理能力，使大文档的标注效率显著提升，且无性能下降。
• 通过支持不同系统标注的并排视图，该工具增强了验证与数据整理工作流的可比性与可操作性。