オントロジー学習

ドメイン用語抽出ステップでは、ドメイン固有の用語が抽出され、次のステップ（概念発見）で概念を導出するために使用されます。関連する用語は、例えばTF/IDF値の計算やC値/NC値法の適用によって特定できます。結果として得られた用語リストは、ドメインエキスパートによってフィルタリングされる必要があります。次のステップでは、情報抽出における共参照解決と同様に、OLシステムは同義語を特定します。これは、同義語が同じ意味を持ち、したがって同じ概念に対応するためです。そのため、最も一般的な方法はクラスタリングと統計的類似度尺度の適用です。

概念発見の段階では、用語は意味を持つ単位にグループ化されます。これらの単位は、世界の抽象化、ひいては概念に対応します。グループ化された用語は、ドメイン固有の用語とその同義語であり、ドメイン用語抽出の段階で特定されたものです。

概念階層導出ステップでは、OLシステムは抽出された概念を分類構造に整理しようとします。これは主に教師なし階層クラスタリング手法によって実現されます。このような手法の結果はノイズが多い場合が多いため、ユーザー評価などの監視ステップが追加されます。概念階層を導出するもう1つの方法は、下位関係または上位関係を示すいくつかのパターンを使用することです。「XはYである」や「XはYである」といったパターンは、XがYのサブクラスであることを示します。このようなパターンは効率的に分析できますが、出現頻度が低すぎて十分な下位関係または上位関係を抽出できないことがよくあります。そこで、これらのパターンを自動的に学習し、より広範囲をカバーできるブートストラップ法が開発されています。

非分類関係の学習ステップでは、下位関係や上位関係を一切表さない関係が抽出されます。例えば、「勤務先」や「所在地」といった関係です。このサブタスクを解決するには、2つの一般的なアプローチがあります。1つ目は、匿名の関連付けを抽出し、2番目のステップで適切に命名する方法です。2つ目のアプローチは、周囲の単語で表されるエンティティ間の関係を示す動詞を抽出する方法です。どちらのアプローチの結果も、正確性を確保するためにオントロジストによる評価が必要です。

ルール発見の過程で、^{[ 8 ]}抽出された概念に対して公理（概念の形式的記述）が生成されます。これは、例えば、自然言語定義の構文構造を分析し、結果として得られる依存関係ツリーに変換ルールを適用することによって実現できます。このプロセスの結果として公理のリストが生成され、その後、概念記述に理解されます。この出力は、オントロジストによって評価されます。

この段階では、オントロジーに概念とプロパティのインスタンスが追加されます。概念のインスタンスの追加には、語彙構文パターンのマッチングに基づく手法が用いられます。プロパティのインスタンスは、関係タプルを収集するブートストラップ法を適用することで追加されます。

このステップでは、OLシステムは既存のオントロジーの分類構造に新たな概念を追加することで拡張を試みます。これは、訓練済みの分類器を用いた教師あり学習、または類似度尺度を用いた教師なし学習によって実行できます。

フレーム/イベント検出中、OLシステムはテキストから複雑な関係、例えば誰がどこからどこへいつ出発したかなどを抽出しようとします。アプローチは、カーネル法を用いたSVMの適用から意味役割ラベリング（SRL）^{[ 9 ]}、深層意味解析技術^{[ 10 ]}まで多岐にわたります。