Investigation of Ontology-Style Relation Annotation and Its Effects with Deep Learning

2023 Fiscal Year Final Research Report

• Project/Area Number: 20K11942
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: Toyota Technological Institute
• Principal Investigator: Sasaki Yutaka 豊田工業大学, 工学(系)研究科(研究院), 教授 (60395019)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: オントロジー / オントロジー形式アノテーション / 固有表現抽出 / 関係抽出

Outline of Final Research Achievements

This study examines the effectiveness of training data generated by Ontology-style annotations for extracting information from documents. Ontology-style annotations link two named entities targeted by a relational term with the domain and range links.
The main result is that Ontology-style annotations were conducted on the "Rules of the Road" and SemEval 2010 Task 8 data. Evaluation experiments of named entity extraction and relation/event extraction using deep learning models were carried out to reveal the effectiveness of Ontology-style annotations. The results were published in an international journal with IF=4.3.

Free Research Field

自然言語処理

Academic Significance and Societal Importance of the Research Achievements

オントロジー形式の関係アノテーションを考案し，その効果を独自データセットの構築を通して確認した．日本発の新しいアノテーションを提案したことで，本分野の発展に寄与した．また，交通教則文に対して，オントロジー形式アノテーションを適用したデータセットを公開したことも貢献として挙げられる．英語のデータセットに関しても，関係抽出に関する標準データセットであるSemEval 2010 タスク8データの8,000文に対してオントロジー形式のアノテーションを行い，データセットを公開した．オントロジー形式のアノテーションは今後，言語データからオントロジーへの変換の橋渡しとなることが期待される．