Von komplexen Sätzen zu einer formalen semantischen Repräsentation mittels syntaktischer Textvereinfachung und Open Information Extraction
Journal
GI-Edition
Series
Lecture Notes in Informatics
ISBN
978-3-88579-981-8
Type
book section
Date Issued
2023
Author(s)
Abstract
Moderne Systeme, die sich mit Inferenzen in Texten beschäftigen, benötigen automatisierte Methoden zur Extraktion von Bedeutungsrepräsentationen aus großen Textkorpora. Open Information Extraction (IE) ist eine führende Methode, um sämtliche in einem Text vorhandenen Relationen zu extrahieren. Open-IE-Ansätze haben sich im Laufe der Jahre weiterentwickelt, um Beziehungen zu erfassen, dieüber einfache Subjekt-Prädikat-Objekt-Tripel (SPO) hinausgehen. Dabei ist jedoch ein genauerer Blick auf die Extraktion von Verknüpfungen zwischen Klausen und Phrasen innerhalb eines komplexen Satzes vernachlässigt worden. Um diese Lücke zu schließen, wird ein neuartiges Open-IE-Framework vorgestellt, das komplexe Textdaten in eine leichtgewichtige semantische Repräsentation in Form von normalisierten und kontextwahrenden relationalen Tupeln transformiert. Das Framework nutzt einen diskursorientierten Ansatz, um komplexe Sätze in eine semantische Hierarchie von Minimalaussagen zuüberführen. Diese weisen eine kanonische SPO-Struktur auf, wodurch die Extraktion von relationalen Tupeln erleichtert wird, was zu einer verbesserten Genauigkeit (engl. "precision") (bis zu 32%) und einer höheren Erkennungsrate (engl. "recall") (bis zu 30%) der extrahierten Relationen in einem großen Benchmark-Korpus führt. Darüber hinaus wird der semantische Kontext der extrahierten Tupel in Form von rhetorischen Strukturen und hierarchischen Beziehungen erfasst. Auf diese Weise wird die oberflächliche semantische Darstellung aktueller Open-IE-Systeme mit zusätzlichen Metainformationen angereichert und so wichtige Kontextinformationen bewahrt, die zur Extraktion von korrekten, aussagekräftigen und kohärenten relationalen Tupeln erforderlich sind.
Language
German
Book title
Ausgezeichnete Informatikdissertationen 2022
Volume
23
File(s)![Thumbnail Image]()
Name
GI_Kurzfassung.pdf
Size
996.94 KB
Format
Adobe PDF
Checksum (MD5)
69cd9e1b1511c29d3e343f219b91a460