![Task Setup
• SemEval-2012のEnglish Lexical Simplification
• 前もって用意された換言候補を、与えられた文で語
法の平易な順に並べるシステム
• 同点は許され、すべての候補をランキングに含める
Context
During the siege , George Robertson had appointed Shuja-ul-
Mulk , who was a [ ] boy only 12 years old and the youngest
surviving son of Aman-ul Mulk, as the ruler of Chitral.
Candidates {clever} {smart} {intelligent} {bright]
System {intelligent} {bright} {clever, smart}
3](https://image.slidesharecdn.com/simplexrankngbasedoncontextualandpsycholinguisticfeatures-150702123900-lva1-app6891/85/Simp-lex-rankng-based-on-contextual-and-psycholinguistic-features-3-320.jpg)
Simp lex rankng based on contextual and psycholinguistic features
- 1. UOW-SHEF: SimpLex - Lexical Simplicity Ranking based on Contextual and Psycholinguistic Features Sujay Kumar Jauhar, Lucia Specia In Proceedings of the 6th International Workshop on Semantic Evaluation, pp.477-481, 2012. 1 プレゼンテーション：小平 知範
- 2. Introduction • 課題： 語彙平易化タスク（SemEval:2012) • 提案手法： 訓練データを使った評価で最も有望に思える３つを選び、 平易な文との潜在的つながりを予測した幾つかの素性を用いた • 結果： SimpLexというシステムで、ベースラインに勝つことができた 2
- 3. Task Setup • SemEval-2012のEnglish Lexical Simplification • 前もって用意された換言候補を、与えられた文で語 法の平易な順に並べるシステム • 同点は許され、すべての候補をランキングに含める Context During the siege , George Robertson had appointed Shuja-ul- Mulk , who was a [ ] boy only 12 years old and the youngest surviving son of Aman-ul Mulk, as the ruler of Chitral. Candidates {clever} {smart} {intelligent} {bright] System {intelligent} {bright} {clever, smart} 3
- 4. The SimpLex Lexical Simplification System • Lexical Substitutionに使うHassanらのアプローチに似たも ので、SimpLexで候補を加重線形スコアを用いてランク付ける • cは候補のスコア、rは単独のランキング関数 このスコアをもとに、降順でランク付け 4 •語長、文節数、2ステップクラスタのスコア、構造、 潜在意味解析、文中で候補と、隣り合う単語の自己相互情報量 を素性として使い実験 •これらは、単純頻度のベースラインに勝ち、テストデータで 優秀な性能を持つ素性を選んだ
- 5. Adapted N-Gram Model • NgramはWSD(語義曖昧性)を解消できる可能性を含む • SemEvalでは、最適ではない結果を生み出す 1. 不安定にレンマ化された候補 2. 文法的にあっていないものを置き換えている • 1.の解決策：品詞解析をソーステキストで行い目的の単語の品詞 を記録し、その品詞を元に、他の候補の正しい語形変化 • ２の解決策：換言位置と近い単語を消去し、すべての組み合わせ に対してNgram(Google Web IT)サーチを行った。 5 going はそのまま leaving は文法的に away入らないので消去できる （Ngram頻度サーチの結果）
- 6. Bag-of-words Model • Google Web It corpusでは、性能に限界がある • 難点を克服するために ngram列の組み合わせをとるbag-of-words モデルを真似る。 • この際に、不適格なクエリも現れるが、同時に良いクエリ も現れる。 • そして、すべての確率の和をとり（その際、Ngramの 長さに対して重みを加える）クエリ数で標準化する 6
- 7. Psycholinguistic Feature Model • The MRC Psycholinguistic Database(Wilson, 1988)と The Bristol Norms(Stadthagen-Gonzalez and Davis, 2006) の二つのデータでは、下記の心理学的素性を元にスコア を関連づけている • Concreteness, Imageability, Familiarity, Age of Acquisition • この二つのデータベースを少なくとも１回はどちらにも出現する すべての単語で構成する単一corpusを合わせて作る。 これらから得られた素性のスコアは同じスケールで標準化した。 7
- 8. Result • 表はカッパ係数を用いている。 • それぞれ単独の素性ではベースラインには勝てなかったが、複数の素 性を用いた、simplexでは勝った • 訓練データの量についても調べたが、ある一定を越えるとそれ以上増 やしても改善が見られなかった。 ー共通のデータセットの範囲には限りがあるためである 8 base-line simple frequency simpLex Trial 0.398 Test 0.471 0.496
- 9. Conclusion • ９つのシステムで、SemEval 2012の語彙平易化タ スクでSimpLexを用いてランク付けた • 限られたトレーニングデータにもかかわらず、心理 言語的素性で人間らしい文脈認識をの相互作用でい い結果が出た。 9