文献紹介2015年4月

Transcript

1. 文献紹介 2015年4月 自然言語処理研究室 M2 宮西 由貴
2. 文献情報  CFILT: Resource Conscious Approaches for All-Words Domain Specific WSD  著者：Anup Kulkarni et. al. (Indian Institute of Technology Bombay)  Proceedings of the 5th International Workshop on Semantic Evaluation (ACL 2010)
3. 概要  SemEval シェアードタスク提出システム  「All-words WSD on a Specific Domain」に提出  知識ベースシステム  弱教師あり学習システム  弱教師あり学習システムで1位を獲得  精度0.570, 再現率0.555
4. 分野特定All-wordsWSDの現状  分野を絞ったWSDはall-wordsでも高レベル  トレーニングもテストも同じ領域で行う  分野ごとのタグ付コーパスを作るのは無理  アノテーションコストが高い  様々な分野を網羅できない  教師なしや知識ベースが人気  ベースラインに到達しない
5. システム概要  IWSD(反復型WSD)  2つのシステムで共通で使用するWSD手法  知識ベースシステム  WNのグラフ構造を分野に最適化 (分野に関係あるSynSetのみを利用)  弱教師あり学習システム  One Sense per Domainの考えを利用  IWSD→弱教師ありシステムへ変更
6. IWSD(反復型WSD)  All-words WSD用のアルゴリズム (Khapra et al.,2010)†  手順  文中の単一語義の語にタグ付け  文中の他の語にタグ付け(多義性が高い順)  語義を与える際のスコアリング関数は以下の式 †Mitesh Khapra, Sapan Shah, Piyus Kedia, and Pushpak Bhattacharyya. 2010. “Domain-specific word sense disambiguation corpus based and wordnet based parameters”, GWC2010
7. スコア関数について  i ∈ WNから取得したsynset  J = 曖昧性解消後の単語集合  Θi = Si(主要な概念への所属性)  Vi =  Wij = Wijはコーパスの情報とWNからの情報を利用 ※コーパスにはSemCorコーパスを使用
8. 平文コーパス(環境分野)  知識ベース，弱教師あり学習の両方で使用  環境分野の15記事を含むコーパス  単語数は22,000語  WEBサイト(WWF, ECNC)からDL  Climate Change(気候変動)  Deforestation(森林伐採)  Species Extinction(種の絶滅)  Marine Life and Ecology(海の生命と生態学)
9. 知識ベースシステム  意味関係をまとめたグラフ(WNから)を使用  手順  平文コーパスから専門用語を抽出  専門用語：コーパス内で一回以上出現した内容語  専門分野を含まないsynsetは枝切り  グラフ内を幅優先探索※ここはなくてもいい  包摂関係にある枝以外は破棄  Top-5の巨大なsynsetのみを取得 ---①  IWSDを使って曖昧性解消  WNの情報として考慮するのは①のみ
10. 弱教師あり学習システム  IWSDを一部変更  単一語義の語→平文コーパス内の高頻度語  平文コーパス内の高頻度語にはタグ付済み ※平文コーパス内の高頻度語リスト＝高頻度語リスト  手順  高頻度語リストにある語の曖昧性解消  P( Si | word )を用いる  反復的に他の語も曖昧性解消  P( Si | word )を使う場合  SemCor+曖昧性解消後の語を利用
11. 実験  SemEval All-words WSDタスク(2010)  提出システム  知識ベースシステム(KB)…1種類  弱教師あり学習システム(WS)…2種類  高頻度語リスト(80語)  高頻度語リスト(200語)  比較手法  PPR：Personalized PageRankアプローチ(2009)  MFS，Random
12. 実験結果
13. まとめ  「All-words WSD on a Specific Domain」に提出  知識ベースシステム1種類  弱教師あり学習システム2種類 (リストの語数を変更)  弱教師あり学習システムでタスク1位を獲得  精度0.570, 再現率0.555