Skip to content

Koreferenzauflösung

Was Koreferenzannotation ist, wie du Erwähnungen zu Entitätsketten gruppierst und wie sich eine Koreferenzaufgabe in Potato einrichten lässt.

Koreferenzauflösung heißt, alle Erwähnungen in einem Text zu gruppieren, die sich auf dieselbe Sache beziehen. „Marie Curie … sie … die Physikerin“ ist eine Kette, die auf eine Person zeigt. So werden aus verstreuten Erwähnungen Entitäten, und das braucht man für Zusammenfassung, Question Answering und Wissensextraktion.

Hintergrund dazu unter Koreferenz.

Was Annotierende tun

  1. Jede Erwähnung markieren (einen Namen, ein Pronomen oder eine Nominalphrase) als Span.
  2. Erwähnungen, die sich auf dieselbe Entität beziehen, zu einer Kette gruppieren.
  3. Das für jede eigenständige Entität im Abschnitt wiederholen.

Heraus kommt eine Menge von Ketten, jede eine Liste von Spans, die koreferieren. Ketten können über Satzgrenzen hinweg laufen, und genau das macht die Aufgabe schwerer als reine Span-Annotation.

Einrichtung in Potato

Potato hat einen Annotationstyp für Koreferenz, mit dem Annotierende Erwähnungen markieren und zu Ketten verbinden. Das Koreferenz-Showcase ist ein sofort lauffähiges Beispiel. Für Varianten auf Korpusgröße siehe OntoNotes coreference, das mehrsprachige CorefUD und MAVEN-ERE, das Erwähnungen desselben Ereignisses verknüpft statt derselben Entität.

yaml
annotation_schemes:
  - annotation_type: span
    name: mentions
    description: "Mark every mention (names, pronouns, noun phrases), then group mentions that refer to the same entity into a chain."
    labels: [Entity]
    allow_discontinuous: true

Erlaube überlappende Spans, denn Erwähnungen sind häufig ineinander verschachtelt („[[seine] Mutter]“).

Typische Stolperstellen

  • Singletons. Entscheide, ob Entitäten markiert werden, die nur einmal vorkommen. Das verändert deine Zählungen und Metriken.
  • Generisch oder spezifisch. „Ärzte empfehlen Ruhe“: Ist „Ärzte“ eine Entität, die verfolgt wird? Schreib eine Regel dafür.
  • Geteilte Antezedenzien. „Alice und Bob … sie“ bezieht sich auf beide; entscheide, wie das dargestellt wird.

Weil Ketten strukturiert sind, miss die Übereinstimmung sorgfältig, siehe Inter-Annotator-Übereinstimmung, und geh bei der Schlichtung genau vor.

Weiterführende Lektüre