20150225文献紹介 on wordnet semantic classes and dependency parsing

文献紹介(2015/02/24)

On WordNet Semantic Classes and Dependency Parsing

長岡技術科学大学自然言語処理研究室

高橋寛治

文献について

• Bengoetxea, Kepa and Agirre, Eneko and Nivre, Joakim and Zhang, Yue and Gojenola, Koldo

• On WordNet Semantic Classes and Dependency Parsing

• Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers), pp.649-655

2015/2/25On WordNet Semantic Classes and

Dependency Parsing2

概要

• WordNet意味分類の依存構造解析への影響を調査• 意味情報の付与はどのような影響を与えるか？

• 3種類の解析器で影響を確認

• しかし、依存構造解析性能の向上はごくわずか

• 今後，WordNetの階層化を精巧かつ違う基準で行う必要がある


Dependency Parsing3

WordNet

• 目的• 言語学および言語処理で使用する直感的な辞書とシ

ソーラスを作ること

• 内容• 英語の語彙の意味辞書（名詞，動詞，形容詞，副

詞）• 同義語をグループで分類（synset）• synsetを階層化したソーラス

• 1980年半ばから，プロジェクトが開始(プリンストン大学)


Dependency Parsing4

はじめに

• 語彙の意味情報を英語の依存構造解析に用いた場合，何が有効か

• 様々な問題を設定• WordNetの意味情報は依存構造解析を向上させ

るか？

• 構文解析器の種類により，結果は異なるか？

• 意味情報を用いた構文解析器の組み合わせは有効か？


Dependency Parsing5

関連研究

• 構文解析に使用するおおまかな２つの知識• WordNetのような巨大な意味資源を用いる方法

• コーパスから自動で取得した情報

• 意味情報の有効性を示す関連研究• Agirreらは、内容語に付与した階層化された意

味情報により、語彙を用いる手法を超える

• Kooらは{apple, pear}{Apple, IBM}のように語を自動クラスタリングし、依存構造解析への有効性を示した


Dependency Parsing6

実験で使用するフレームワーク

• データセットの準備• PTB(Penn Tree Bank)を変換

• 依存構造解析器• MaltParser(Nivre et al., 2007)

• MST(McDonald et al., 2005)

• Zpar(Zhang and Clark,2008)

• 意味情報• WordNet

• Clusters(Koo et al.,2008)


Dependency Parsing7

データセットの変換

• Penn2MaltとLTHでPTBを句構造構文木から依存構造に変換

• Penn2Malt• シンプルに構文木から依存構造に変換

• 12種類のラベル

• LTH (Johansson and Nugues, 2007)• 42種類のラベル

• 多数のラベルが意味処理に有効


Dependency Parsing8

句構造と依存構造


Dependency Parsing9

依存構造解析器

• MaltParser• 遷移型の解析器

• 左から右へ貪欲的に解析

• MST• グラフベースの解析器

• 文全体の係り受けを最適化

• Zpar• 遷移型の解析器

• 識別学習とビームサーチを行う


Dependency Parsing10

意味情報

• WordNet• 同義語の集合(synset)

• それぞれのSynsetはSF(Semantic File)に属する

• 例) knife• Synset: knife, cutter… ,SF:Artifact

• Clusters• 半教師あり学習で、ラベルなしデータからクラ

スタリング

• 例）{apple, pear}{Apple, IBM}



実験

• ベースライン• 単語と品詞

• 追加する素性• WordNet、clusters

• それぞれの解析器で、それぞれの素性を試す

• 評価はLAS:ラベルあり依存関係正答率、およびUAS:ラベルなし依存関係正答率を用いる



句構造から依存構造への変換結果

• Penn2Maltで変換した結果

• LTHで変換した結果

クラスタはMSTにおいて有効2015/2/25

On WordNet Semantic Classes and Dependency Parsing

13

解析器の組み合わせ結果

• MaltBlenderを使用• 解析器の結果をマージするツール

Penn2Malt変換結果の解析結果

組み合わせが有効（意味情報は効果がない）

LTH変換結果の解析結果

意味情報が有効（組み合わせは効果がない）



意味情報の依存構造解析への影響

• １つの障害は間違った品詞付与• 人手で付与したコーパスの間違い 27,300語

• 自動付与の間違い 29,386語

• 間違った品詞付与でも、スコアが向上• 意味情報が有効



意味情報の依存構造解析への影響

• MSTParser＋SFの場合• 間違った品詞：0.21ポイント向上（正しい品詞

付与の結果と比べて）

• Clustersを追加すると• 品詞の正誤に関係なく0.91~1.33ポイント向上

• 意味情報と構文解析アルゴリズムに関係があると考えられる



まとめ

• ツリーバンクの変換方法2種類、係り受け解析3種類を用いて意味情報の依存構造解析への有効性を調査

• 意味情報を用いても、依存構造解析の性能向上はわずか

• 今後は語の意味情報をより精巧にまとめる必要あると考える



20150225文献紹介 on wordnet semantic classes and dependency parsing

Education