ISSN 2079-3316 ПРОГРАММНЫЕ СИСТЕМЫ: ТЕОРИЯ И ПРИЛОЖЕНИЯ №4(22), 2014, с. 231-242 удк 004.89:004.912
Н. А. Власова
Об одной проблеме автоматического извлечения временной информации из русскоязычных текстов
Аннотация. В настоящей работе рассматривается задача сопоставления временной информации событиям назначения и отставки лиц. Предлагается система правил для автоматического установления такого соответствия. Выполнено тестирование на размеченной коллекции новостных текстов на русском языке.
Ключевые слова и фразы: автоматическое извлечение информации, темпоральные выражения, события, временной аспект, текстовые коллекции.
Введение
В последнее время продолжают совершенствоваться алгоритмы автоматического извлечения информации из текстов. В процессе решения этой задачи среди исследователей и разработчиков выработался подход — поэтапное извлечение информации [1]. Это метод извлечения информации от простого к сложному — от выявления именованных сущностей к извлечению отношений между ними, ситуаций, связывающих сущности между собой, и, наконец, до интерпретации выявленной и извлеченной информации. В дальнейшем осуществляется переход к отождествлению извлеченных объектов, вывод информации с помощью онтологий, построение смыслового образа документа. Наиболее проработаны первые этапы — выявление сущностей, отношений, ситуаций. Эти модули анализа текстов имеют наиболее высокие показатели выявления и извлечения. Работы ведутся и над более сложными последующими этапами. Одной из подзадач автоматического извлечения информации из текстов является извлечение временной информации. Выявление и интерпретация
Работа выполнена в рамках НИР «Моделирование модально-временного аспекта описания ситуаций в задаче извлечения информации из текстов», номер гос. регистрации 01201455353.
© Н. А. Власова, 2014
© Институт программных систем имени А. К. Айламазяна РАН, 2014 © Программные системы: теория и приложения, 2014
временных указателей — это этап, который вплотную подводит исследователей к интерпретации извлеченной информации.
1. О задаче автоматического извлечения временной информации
Извлечение временной информации из текста, в отличие от простого выявления временных сущностей, является подзадачей автоматического извлечения информации, причем довольно высокого уровня сложности. Ведь само по себе выявление временной сущности, в отличие, например, от упоминаний персон, организаций, геополитических единиц, не несет в себе никакой смысловой нагрузки и не может рассматриваться как самостоятельная цель извлечения информации. Временной указатель должен быть обязательно каким-то образом проинтерпретирован и отнесен к некоторой ситуации (ситуациям), а для этого необходимо, в свою очередь, чтобы на предварительных этапах анализа текста были выявлены и некоторым образом проинтерпретированы ситуации.
Время и временные указатели давно стали объектом внимания исследователей. Для английского языка были разработаны стандарты разметки TimeML [2], которые позволяют фиксировать в тексте временную информацию и снабжать выявленные указатели атрибутами, то есть выполнять некоторую интерпретацию временных выражений. Естественно, такая интерпретация невозможна без привязки временного указателя к ситуации. Поэтому в стандарте TimeML предусматривается разметка ситуаций и отношений между ситуациями и временными указателями. Для некоторых европейских языков были предприняты практические попытки извлекать информацию о времени [3].
Для русского языка подход к извлечению информации о времени разрабатывался в проекте OntosMiner [4]. Однако сейчас активные работы в рамках этого проекта не ведутся. Существуют некоторые работы, в которых рассматриваются проблемы извлечения временных выражений, однако практические решения с количественной оценкой результатов не приводятся [5].
Система автоматического извлечения информации из текстов, претендующая на выявление и интерпретацию простейших указаний на время в рамках одного предложения (самостоятельные слова и отдельные словосочетания, обозначающие время), предполагает качественное решение следующих подзадач:
(1) выявление границ временных указателей;
(2) интерпретация временных указателей хотя бы на простейшем уровне (предполагается наличие модели времени);
(3) выявление и извлечение информации о целевых фактах, для которых предполагается интерпретация времени;
(4) алгоритм связывания выявленных временных указателей и целевых фактов, окончательная интерпретация временных указателей в контексте.
Это необходимые этапы анализа, без реализации которых интерпретация временных указателей невозможна.
Допустим даже, что ситуации как-то помечены. Самое главное — связать ситуацию с временным указателем, особенно в системах с частичным синтаксическим анализом, какими является большинство современных систем автоматического извлечения информации, кроме систем ЭТАП [6] и ЛЪЪуу Compreno [7], ориентированных на перевод, а не на извлечение информации.
Для русского языка есть только попытка решить задачу выявления и некоторой классификации временных указателей [8]. Кроме того, в диссертации того же автора речь идет о разработке общего алгоритма автоматического временного анализа извлекаемых из дискурса ситуаций [9]. Однако в данной диссертации акцент сделан на выявлении временных отношений между ситуациями. Проблема сопоставления упоминаний о ситуациях и временных указателей не затрагивается.
Однако, как уже показано выше, как раз проблема соотнесения указания на время и упоминания ситуации, является одним из важных промежуточных этапов анализа текста. В настоящей работе рассматривается один из способов решения этой проблемы.
2. Постановка задачи
В системах автоматического извлечения информации из текстов, основанных на частичном синтаксическом анализе (таких систем в настоящее время большинство), проблема правильного связывания временного указателя с предикатным словом стоит очень остро. Установить автоматически время совершения события — непростая задача, даже если ограничиться рамками одного предложения и не принимать во внимание, что время может быть как-то вычислено
по более широкому контексту. В границах одного предложения тоже не все определяется однозначно. Обычно временной указатель относится к предикатному слову (чаще всего это форма глагола, на-пример,«директор уволился 25 ноября», «Иван Родионов, назначенный на пост директора неделю назад»), однако встречаются и указания на время, относящиеся к существительному (указ от 15 октября, революция 1917 года, чемпионат мира по футболу 2018 года и т.п.) Кроме того, предложения, в которых предстоит соотнести временной указатель и упоминание события, также могут быть устроены сложно. Приведем соответствующие примеры.
(1) В предложении два или несколько предикатных слов и один временной указатель.
Новый премьер и состав кабинета министров будут назначены не раньше 14 декабря, заявил спикер Верховной рады Владимир Литвин.
(2) В них два или несколько предикатных слов и несколько временных указателей.
На должность руководителя департамента соцзащиты населения с 1 ноября 2013 года назначен Александр Алисиевич, который до настоящего времени возглавлял комитет труда и занятости населения Новгородской области.
Возглавлявший Московскую область последние полгода Сергей Шойгу в начале ноября был назначен министром обороны вместо Анатолия Сердюкова.
(3) Временной указатель синтаксически и по смыслу относится не к предикатному слову.
Для подготовки к проведению Чемпионата мира по футболу 2018 года на должность директора строительной корпорации был назначен Евгений Маслов.
В настоящей статье мы ограничиваемся рассмотрением только временных указателей, которые относятся к упоминаниям событий отставки или назначения в одном и том же предложении. Все другие способы указания на время ситуации не рассматриваются. Маркером ситуаций отставки или назначения могут быть только словоформы лексем «назначить» или «уволить».
Таким образом, будут рассматриваться конструкции типа «предикатное слово + временной указатель». Между выявленной временной сущностью и предикатным словом, описывающим ситуацию, необходимо установить отношение «$время_события».
Исследование проводилось в рамках системы автоматического извлечения информации из текстов ИСИДА-Т [10].
3. Об извлечении информации в системе ИСИДА-Т
В системе автоматического извлечения информации ИСИДА-Т есть независимо работающие модули выявления временных сущностей и извлечения информации о ситуациях отставки и назначения.
Методы извлечения информации основаны на правилах, которые пишутся экспертом на диалекте языка СРБЬ. Система предполагает поэтапный подход к анализу текста — от разбиения на предложения и слова к анализу морфологии, построению частичного синтаксиса, а далее — к извлечению именованных сущностей, отношений между ними. Также возможно извлечение информации о некоторых типах событий. Метод извлечения информации о событиях подробно описан в работе [11]. Модуль выявления временных сущностей устроен очень просто. В отдельном блоке правил фактически задается множество шаблонов, в которые могут укладываться самые частотные временные выражения. Временные указатели, как и упоминания о событиях помечаются аннотациями, в атрибуты которых записывается информация о данных объектах извлечения.
Для возможной простейшей интерпретации временных указателей каждая аннотация, соответствующая текстовому фрагменту, снабжается специальным атрибутом. Система таких атрибутов задает элементарную лингвистическую модель времени. В системе ИСИДА-Т это деление временных указателей на точки, интервалы и периоды.
Примеры временных указателей со значением «точки»: 12 января 2013 года, сегодня, накануне, на этой неделе, через месяц и т.п.
Примеры временных указателей со значением «интервалы»: в течение двух месяцев, три года, несколько лет и т.п.
Примеры временных указателей со значением «периоды»: по понедельникам, каждый месяц, раз в 10 лет и т.п.
Такой простой способ выявления временных указателей позволяет получить довольно высокие показатели по точности (94.88%) и
полноте (97.85%). В силу специфики устройства временных выражений они редко омонимичны невременным конструкциям. Кроме того, способов выражения информации о времени в языке, в принципе, ограниченное количество, поэтому такой способ выявления временных указателей вполне себя оправдывает.
Анализ новостных текстов показал, что в рамках одного предложения с упоминанием ситуации отставки или назначения возможны следующие комбинации глаголов, описывающих событие, и временных указателей.
(1) В предложении нет указания на время.
В Воронеже участковый уволен за получение взятки.
Министр обороны Сергей Шойгу назначил своим советником бывшую телеведущую Марию Китаеву.
(2) В предложении один глагол в личной форме (и это форма глагола «назначить» или «уволить») и одно указание на время.
Летом 2012 года она была назначена на должность советника губернатора Московской области по информационной политике.
(3) В предложении несколько глаголов в личной форме или глагольных форм (одна из этих форм — форма глагола «назначить» или «уволить»), к которым может синтаксически относиться временной указатель. В предложении одно предикатное слово (назначение или отставка) и один временной указатель.
Вчера кабинет министров Украины уволил Владимира Козака, который занял пост министра инфраструктуры, с должности гендиректора государственной администрации железнодорожного транспорта Украины, говорится в соответствующем постановлении правительства.
(4) В предложении несколько глаголов в личной форме или глагольных форм (одна из этих форм — форма глагола «назначить» или «уволить»), к которым может синтаксически относиться временной указатель. В предложении одно предикатное слово (назначение или отставка) и два или несколько временных указателя.
Калинин был назначен главой СБУ 3 февраля 2012 г., а до этого он в течение трех лет занимал должность начальника Управления государственной охраны Украины.
Возглавлявший Московскую область последние полгода Сергей Шойгу в начале ноября был назначен министром обороны вместо Анатолия Сердюкова.
Проблема с соотнесением временного указателя и упоминания ситуации актуальна для случаев (3) и (4). Мы предполагаем, что указания на время, которые могут относиться к существительным, не подходят для описания событий отставки и назначения. Назначение или отставка — события точечного типа, значит, они могут быть соотнесены только с временными указателями с атрибутом «точка».
4. Исследование фактического материала, предварительные выводы
При отсутствии полного синтаксического анализа предложения необходимо выработать некоторые правила, которые будут определять, соотносится ли данное указание на время с упоминанием ситуации заданного типа. Эти правила применяются ко всем глагольным формам предикатов данного предложения.
В ходе исследования фактического материала было выработано несколько таких правил:
Правило 1
Указание на время должно иметь атрибут «точка».
Это правило основано на том, что такой тип событий, как назначение или отставка — точечный, поэтому не может характеризоваться указанием на время «интервального» или «периодического» типов. Президент Владимир Путин 14 января назначил нынешнего главу республики Коми Вячеслава Гайзера временным руководителем региона.
14 января — временной указатель с атрибутом точка». Строится отношение «$время_события».
Тренера клуба НХЛ уволили после 16 лет работы.
16 лет — временной указатель с атрибутом «интервал». Отношения нет.
Все остальные правила касаются только подходящих по семантике временных указателей (с атрибутом «точка»).
Правило 2
Указание на время не может быть отделено одной запятой или сочинительным союзом «и» от упоминания ситуации.
Аваков уволил Луцюка после того, как накануне в результате беспорядков и пожара в Доме профсоюзов на Куликовом поле Одессы погибли несколько десятков человек.
Шарипов сделал заявление, из-за которого его уволили, 20 ноября 2013 года.
Временной указатель «20 ноября 2013 года» относится к глаголу «сделал».
При этом две запятые между указанием на время и упоминанием ситуации допустимы.
В то же время, как сообщает Интерфакс, исполняющий обязанности президента Украины Александр Турчинов уволил главу Службы безопасности Украины по Донецкой области Валерия Иванова.
Правило 3
Через две запятые можно «перешагнуть», если это придаточное со словом «который», а также, если это причастный или деепричастный оборот или после второй запятой нет больше предикатного слова, к которому можно было бы отнести временной указатель.
В 2011 году по рекомендации главы сельской администрации Любови Валеевой, с которой у него наладились хорошие отношения, Фарбера назначили директором ДК.
Правило 4
В случае однородных сказуемых, соединенных союзами «а», «и» (морфологические характеристики проверяются у каждого предиката), когда в предложении один указатель на время (при этом он стоит в первой части предложения, предпочтительнее — на первом месте в предложении) — он приписывается обоим предикатам.
В конце февраля крымский парламент отправил в отставку правительство республики и назначил главой Совета министров лидера движения «Русское единство» Сергея Аксенова.
Глава администрации Белгорода провел сегодня внеочередное заседание муниципалитета и назначил нового первого зама.
Правило 5
Если в предложении с двумя глаголами есть два подходящих указания на время, то для каждому предикату приписывается ближайшее к нему слева.
В начале февраля Михаил Рыбаков пошел на повышение и еще через два месяца был назначен на пост гендиректора этого совместного предприятия.
Правило 6
Если в предложении встречаются подряд два указания на время, причем второе выделено запятыми, то правило (1) не действует и оба временных выражения соотносятся с упоминанием ситуации, если это не противоречит остальным правилам.
Накануне, 1 марта, Денис Березовский был назначен главой ВМС Украины указом исполняющего обязанности президента Александра Тур-чинова.
Если контекст не удовлетворяет ни одному из вышеприведенных правил, то ситуации ставится в соответствие ближайший временной указатель (если он существует).
Для каждого из приведенных выше случаев были составлены правила на диалекте языка СРБЬ, по которым между указанием на время и упоминанием ситуации автоматически строится отношение «$время_события».
5. Результаты тестирования
Для проверки работы правил была размечена тестовая коллекция. Использовались тексты коллекции Бйиайопэ-ЮОО [11], в которых размечены ситуации отставки и назначения. Из этих текстов
были выбраны предложения, содержащие упоминания ситуаций отставки и назначения, описываемые с помощью маркеров, которые выражены словами «назначить» и «уволить». Рассматривались только такие предложения, в которых указанные ситуации были выявлены на предыдущих этапах анализа. Временные маркеры анализировались только самостоятельные. Временные предлоги, которые обозначают отношения между событиями в тексте, в анализ не включаются (после, когда, перед и т.п.).
Во всех предложениях, в которых встретились упоминания ситуаций отставки или назначения, обозначенные глаголами «назначить» или «уволить», а также временные указатели, были размечены отношения «$время_события» между глагольной словоформой и временным указателе. Всего получилось 637 эталонов разметки. Далее к тестовой коллекции были применены описанные выше правила. Были получены следующие результаты: точность 90.9%, полнота 92.62%, Е-мера 91.75%.
Заключение
В настоящей работе была предпринята попытка установить некоторые формальные правила, по которым возможно было бы автоматическое построение отношения между выявленными в тексте упоминаниями событий определенного типа и временными указателями. Как показали результаты тестирования, такие правила работают достаточно эффективно на ограниченном материале в рамках одного предложения.
В результате анализа текстов выяснилось, что временные указатели для событий отставки и назначения встречаются в том же самом предложении в меньшей части случаев. Поэтому в дальнейшем предполагается расширить сферу поиска временных указателей для упоминаний событий (выйти за пределы предложения), а также попытаться сформулировать правила для автоматического определения последовательности событий в тексте. Кроме того, будет продолжена работа над усовершенствованием лингвистической модели времени, что позволит интерпретировать извлеченные из текста и привязанные к событиям временные указатели.
Благодарности. Автор благодарит А. В. Подобряева за помощь в обработке данных.
Список литературы
[1] AppeltD.E., "Introduction to information extraction", Journal AI Communications, 12:3 (1999), pp. 161-172 t 231.
[2] Pustejovsky J., Ingria B., Sauri R., Castano J., Littman J., Gaizauskas R., Setzer A., Katz G., Mani I., "The Specification Language TimeML", The Language of Time: A Reader Mani, eds. Pustejovsky J., Gaizauskas R., Oxford University Press, 2005 t 232.
[3] Weiser S., Laublet P., Minel J.-L., "Automatic Identification of Temporal Information in Tourism Web Pages", The International Conference on Language Resources and Evaluation (LREC) (2008) t 232.
[4] Хорошевский В. Ф., «OntosMiner: семейство систем извлечения информации из мультиязычных коллекций документов», Труды конференции КИИ-2004 (Тверь, 2004) t 232.
[5] Крапивный Ю.Н., Касаткина Г. В., «Проблемы и методы извлечения темпоральных знаний из текстов на естественном языке», Электротехнические и компьютерные системы, 2013, №09 (85), URL http://storage.library.opu.ua/online/periodic/ee_85/170179.pdf t 232.
[6] Апресян Ю. Д., Богуславский И. М., Иомдин Л. Л. и др., Лингвистическое обеспечение системы ЭТАП-2, Наука, М., 1989 t 233.
[7] Abbyy Compreno, http://www.abbyy.ru/isearch/compreno/ t 233.
[8] Ефименко И. В., «Время в мультиязычных коллекциях документов: лингвистическая модель и ее реализация в среде GATE», Девятая Всероссийская конференция по искусственному интеллекту КИИ-2004. т. 2, Физматгиз, Тверь-Москва, 2004, с. 525-532 t 233.
[9] Ефименко И. В., Модель времени в системах извлечения знаний из письменного дискураса, Диссертация на соискание учёной степени кандидата филологических наук, М., 2007, URL http://rcdl.ru/doc/ 2012/paper45.pdf t 233.
[10] Кормалев Д. А., КуршевЕ. П., Сулейманова Е. А., Трофимов И. В., «Извлечение информации из текста в системе ИСИДА-Т», Труды XI Всероссийской научной конференции RCDL'2009, КарНЦ РАН, Петрозаводск, 2009, с. 247-253 \ 235.
[11] Власова Н. А., «Извлечение информации о ситуациях отставок-назначений в новостных текстах. Опыт разметки коллекции. Результаты тестирования», Труды XV Всероссийской научной конференции RCDL'2013 "Электронные библиотеки: перспективные методы и технологии, электронные коллекции" (Ярославль, 2013), с. 145-154, URL http://rcdl2013.uniyar.ac.ru/doc/full_text/s4_2.pdf t 235, 239.
[12] 8Ниа1юм-1000, Размеченная коллекция новостных текстов на русском языке, содержащих информацию о назначениях и отставках лиц, http://ai-center.botik.ru/Airec/index.php/ru/collections/ 33situations-1000, Исследовательский центр искусственного интеллекта, ИПС им. А. К. Айламазяна РАН, 2014 t •
Рекомендовал к публикации к.т.н. Е. П. Куршев
Об авторе:
Наталья Александровна Власова
Младший научный сотрудник Исследовательского центра искусственного интеллекта ИПС им. А. К. Айламазяна РАН, одна из разработчиков технологии построения систем извлечения информации.
e-mail: nathalie.vlassova@gmail.com
Образец ссылки на эту публикацию:
Н. А. Власова. Об одной проблеме автоматического извлечения временной информации из русскоязычных текстов // Программные системы: теория и приложения: электрон. научн. журн. 2014. T. 5, №4(22), с. 231-242.
URL http://psta.psiras.ru/read/psta2014_4_231-242.pdf
Natalya Vlasova. On one problem of automatic information extraction from Russian texts.
Abstract. In this paper we consider a problem of matching temporal expressions and target events. The target events are appointments and resignations. We introduce a set of rules to make this matching. We give the results on a test collection of Russian news texts. (In Russian).
Key Words and Phrases: Key Words and Phrases: automatic information extraction, temporal expressions, events, time aspect, test corpora.