<4D F736F F F696E74202D20D7D4C8BBD3EFD1D4C0EDBDE2A3A83130A3A9D3EFD2E5BCC6CBE32E707074>

Size: px

Start display at page:

Download "<4D F736F F F696E74202D20D7D4C8BBD3EFD1D4C0EDBDE2A3A83130A3A9D3EFD2E5BCC6CBE32E707074>"

盆郎
5 years ago
Views:

1 第 10 章语义计算 No.95, Zhongguancun East Road Beijing , China Tel. No.:

2 10.1 概述

3 10.1 概述语义计算的任务 : 解释自然语言句子各个部分 ( 词词组及句子 ) 的意义面临的困难 : (1) 自然语言句子中存在大量的歧义, 涉及指代同义 / 多义量词的辖域隐涵等 ; (2) 同一句子不同人有不同的理解 ; (3) 语义计算的理论方法很不成熟

4 10.1 概述例子 (1) I bought a car with four wheels. I bought a car with four dollars. (2) These boys will be dedicated persons. These boys will be denied license. (3) 这件事情让我感到很头疼 (4) 她说你真恶心!

5 10.2 语义理论简介

6 10.2 语义理论简介词的指称作为意义该理论认为, 词或词组的意义就是它们在现实世界上所指的事物那么计算语义学的任务就是将词或词组与世界模型中的物体对应起来常用的现实世界模型假设世界上存在各种物体, 包括人缺陷 : 对于复杂的问题这种定义无法处理启明星 / 暮星金星 ; 神仙? 鬼? 妖怪?

7 10.2 语义理论简介心理图像大脑图像或思想作为意义该理论认为, 词或词组的意义就是词或词组在人心理上或大脑中所产生的图像缺陷 : 在计算机中把心理图像有效地表示出来并不是一件容易的事情, 而且, 不一定所有的词义都有清晰的心理图像

8 10.2 语义理论简介说话者的意图作为意义该理论试图解释语言中一种被称为言语行为 (Speech Acts) 的现象说话者把自己的话语当作行为希望听者理解作出反应这种意义被认为是独立于逻辑意义之外的

9 10.2 语义理论简介例如 : 我想预订明天下午的火车票 c: give-information + reservation +ticket (ticket-spec=(ticket-type=train, Concepts time=(relative-time=tomorrow, Speaker tod=afternoon))) Speech-act Arguments 缺陷 : 意图的定义和划分困难

10 10.2 语义理论简介过程语义该理论认为, 句子的语义定义为接受该句后所执行的程序或者所采取的某种动作优点 : 简单明了, 对于计算机智能应用系统来说, 这种定义在某种程度上是有效的缺陷 : 对于语言本身缺乏解释, 且句子的语义常常和应用连接紧密, 缺乏独立性

11 10.2 语义理论简介词汇分解学派该理论把句子的语义基于它所含有的词和词组的意义之上, 而词的意义则基于一组有限特征, 这组特征通常称为语义基元这样, 只要给出一组语义基元和一些操作符, 就可以把句子的语义描述出来类似于化学中的元素学说缺陷 : 语义基元的定义分解标准等不好把握, 基元和组合操作的合理性直接影响句子语义描写的准确性

12 10.2 语义理论简介条件真理模型该理论以谓词逻辑为基础, 句子的语义定义为它所对应的命题或谓词在全体模型 ( 或世界 ) 中的真伪例如 : 雪是白的为真当且仅当在这个世界上雪是白的优点 : 对上下文无关部分的语义描写很有效缺陷 : 对时间场景有关的语言现象不能很好地描述不能很好地解释一句多义的问题

13 10.2 语义理论简介情景语义学该理论认为句子的语义不仅和逻辑意义有关, 而且和句子被使用的场景有关在语义表达式中引入一些与场景相关的变量, 如事件变量时间变量等, 并用逻辑与算子对这些变量加以限制

14 10.2 语义理论简介例如 : 雪是白的 : 是白的 ( 雪, e) 等同 (e, 地球世界 ) 前缀表示谓词场景变量

15 10.2 语义理论简介模态逻辑起源于 20 世纪 80 年代初,AI 如: 缺省逻辑时态逻辑真值维护系统等这类逻辑都是试图用一套公理系统来刻画现实世界和自然语言中常见的一些现象这类现象从哲学上说就是一般性和特殊性的矛盾例如 : 鸟会飞企鹅不会飞

16 10.3 格语法

17 10.3 格语法背景格语法 (Case Grammar) 是美国语言学家 Charless J. Fillmore 于 1966 年提出的代表作 : 1966, Towards a modern theory of case 1968, The case for case 1971, Some problems for case grammar

18 10.3 格语法基本观点 C. J. Fillmore 指出 : 诸如主语宾语等语法关系实际上都是表层结构上的概念, 在语言的底层, 所需要的不是这些表层的语法关系, 而是用施事受事工具受益等概念所表示的句法语义关系这些句法语义关系, 经各种变换之后才在表层结构中成为主语或宾语

19 10.3 格语法格的定义格语法 (Case Grammar) 中的格是深层格, 它是指句子中体词 ( 名词代词等 ) 和谓词 ( 动词形容词等 ) 之间的及物性关系 (transitivity), 如 : 动作和施事者的关系动作和受事者的关系等, 这些关系是语义关系, 它是一切语言中普遍存在的现象

20 10.3 格语法这种格是在底层结构中依据名词与动词之间的句法语义关系确定的, 这种关系一经确定就固定不变, 不管经什么操作在表层结构中处于什么位置与动词形成什么语法关系, 底层上的格与任何具体语言中的表层结构上的语法概念, 如主语, 宾语等, 没有对应关系

21 10.3 格语法例如 :(1) The door opened. (2) The key opened the door. (3) The boy opened the door. (4) The door was opened by the boy. (5) The boy opened the door with a key. the boy: 施事格 the door: 客体格 ( 受事格 ) the key: 工具格

22 10.3 格语法格语法的三条基本原则 : (1) S M+P 句子 S 可以改写成情态 (Modality) 和命题 (Proposition) 两大部分, 情态部分包括否定时式体以及其他被理解为全句情态成分的状语命题牵涉到动词和名词短语动词和内嵌小句之间的关系, 动词是句子的中心, 名词短语按其特定的格属关系依附于该动词

23 10.3 格语法 (2) P V+C 1 +C 2 + C n 表示命题 P 都可以改写成一个动词 V 和若干个格 C 动词是广义上的动词, 包括 : 动词形容词甚至包括名词副词和连词 (3) C K + NP K 为格标, 是各种格范畴在底层结构中的标记, 可以有各种标记形式, 如 : 前置词后缀词词缀零形式等

24 10.3 格语法格表 C. J. Fillmore 在 1968 年的论文中认为, 命题中的格包括 6 种 : (1) 施事格 (Agentive): 动作的发生者 ; (2) 工具格 (Instrumental): 对动作或状态而言作为某种因素而牵涉到的无生命的力量或客体 (3) 承受格 (Dative): 由动词确定的动作或状态所影响的有生物如,He is tall.

25 10.3 格语法 (4) 使成格 (Factitive): 由动词确定的动作或状态所形成的客体或有生物或理解为 : 动词意义的一部分的客体或有生物如 :John dreamed a dream about Mary. (5) 方位格 (Locative): 由动词确定的动作或状态的处所或空间方位如 :He is in the house. (6) 客体格 (Objective): 由动词确定的动作或状态所影响的事物如 :He bought a book.

26 10.3 格语法后来 Fillmore 在语言分析时又增加了一些格 : (7) 受益格 (Benefactive): 由动词确定的动作为之服务的有生命的对象如 :He sang a song for Mary. (8) 源点格 (Source): 由动词确定的动作所作用到的事物的来源或发生位置变化过程中的起始位置如 :He bought a book from Mary.

27 10.3 格语法 (9) 终点格 (Goal): 由动词确定的动作所作用到的事物的终点或发生位置变化过程中的终端位置如 :I sold a car to Mary. (10) 伴随格 (Comitative): 由动词确定的与施事共同完成动作的伴随者如 :He sang a song with Mary. * 格的数目和名称并不是确定的

28 10.3 格语法用格语法分析语义 : 格框架约束分析格框架表示格框架中可有语法信息, 也可有语义信息, 语义信息是整个格框架的最基本的部分一个格框架可由一个主要概念和一组辅助概念组成, 这些辅助概念以一种适当定义的方式与主要概念相联系一般地, 在实际应用中, 主要概念可理解为动词, 辅助概念理解为施事格受事格处所格工具格等语义深层格

29 10.3 格语法例 : In the room, he broke a window with a hammer. [BREAK [ case-frame frame: [agentive: HE objective: WINDOW instrumental: HAMMER locative: ROOM ] [MODALs: time: past voice: active ]]]

30 10.3 格语法分析的基础词典中记录动词的格框架和名词的语义信息对于动词 : 规定它们所属的必备格可选格或禁用格, 同时填充这些格的名词的语义条件如 : 动词用法词典把名词按其与动词格的关系分为 14 类 : 受事结果对象工具方式处所时间目的原因致使施事同源等同杂类对于名词 : 填充语义信息, 建立名词的语义分类体系

31 10.3 格语法分析步骤 (1) 判断待分析词序列中主要动词, 在动词词典中找出该词的格框架 ; (2) 识别必备格 : 如果格带有位置标志, 则从指定位置查找格的填充物 ; 如果格带有语法标志, 则在这个分析的词序列中查找语法标志, 进入相应的填充 ; 如果格框架还需要其它必备格, 查找其它名词的语义信息, 按格框架的语义信息要求进行相应的填充

32 10.3 格语法 (3) 识别可选格 (4) 判断句子的情态 Modal 格框架分析可以和句法分析结合起来 : (a) 句法分析 : 判断出句子的动词名词短语介词短语等 ; (b) 查找动词的格框架与名词短语介词短语的格关系, 并进行相应的填充必须首先找到动词, 从而获得格框架

33 10.3 格语法 The young athlete will be running in Los Angeles next week. 从词典中查找 run 的格框架, 如 : Verb: run Case-Frame [ Neutral -required ( 中性格 ) Dative -not allowed Locative -optional run 的中性格像一个物 Instrumental -not allowed 理实体或组织, 如 : Agentive -required] John ran the machine. He ran the corporation.

34 10.3 格语法 CASE [Agentive: the young athlete Locative: Los Angeles Neutral: the young athlete [Modal [Tense: Future MOOD: Declarative Time: next week]]]

35 10.3 格语法格语法描写汉语的局限性汉语的一些无动句流水句连动句紧缩动补省略等结构, 无法或不必用一个统率全句的模式来描述, 其中连动句和兼语句尤为突出例如 : (1) 他拿了书就上楼去了 (2) 我们选他当班长

36 10.4 语义网络

37 10.4 语义网络背景语义网络 (semantic network) 由美国心理学家 M. R. Quilian 于 1968 年在研究人类联想记忆时提出 1977 年美国 AI 学者 G. Hendrix 提出了分块语义网络的思想, 把语义的逻辑表示与格语法结合起来, 把复杂问题分解为几个较为简单的子问题, 每个子问题用一个语义网络表示, 把自然语言理解的研究向前推进了一步

38 10.4 语义网络语义网络的概念语义网络通过由概念和语义关系组成的有向图来表达知识描述语义有向图 : 图的结点表示概念, 图的边表示概念之间的关系边的类型 :(1) 是一种 :A 到 B 的边表示 A 是 B 的一种特例 ;(2) 是部分 : A 到 B 的边表示 A 是 B 的一部分 ;

39 10.4 语义网络 R A [ 在水中生活 ] (1) B 鱼 IS-A [ 有生命 ] [ 吃食物 ] (2) 动物老虎 IS 肉食 PART-OF 动物桌面 (3) (4) 桌子

40 10.4 语义网络语义网络的概念关系语义网络各概念之间的关系, 主要由 IS-A, PART-OF, IS, COMPOSED-OF, HAVE, BEFORE, LOCATED-ON 等谓词表示 IS-A: 表示具体 - 抽象关系 PART-OF: 表示整体 - 构件关系 IS: 一个结点是另一个结点的属性中国首都 IS 北京

41 10.4 语义网络 HAVE: 表示占有具有关系 BEFORE/AFTER/AT: 表示事物间的次序关系 LOCATED-ON/UNDER/AT: 表示事物之间的位置关系

42 10.4 语义网络事件的语义网络表示当语义网络表示事件时, 结点之间的关系可以是施事受事时间等例如 : 张三帮助李四张三 Agentive 事件 Objective 李四 IS 帮助

43 10.4 语义网络事件的语义关系 (1) 分类关系 : 事物之间的类属关系 (2) 聚焦关系 : 多个下位概念构成一个上位概念 IS-A 动物 IS-A IS-A 鸟鱼 IS-A IS-A IS-A 教师 IS-A 助教讲师教授鸵鸟鹦鹉鲨鱼鲸鱼

44 10.4 语义网络 (3) 推论关系 : 由一个概念推出另一个概念 (4) 时间位置关系 : 事实发生或存在的时间位置带雨伞推出下雨

45 10.4 语义网络基于语义网络的推理分析 (1) 根据提出的问题构成局部网络 ; (2) 用变量代表待求的客体 Agentive Objective? 事件李四张三网络知识库帮助 IS

46 10.4 语义网络词义内涵 : 词本身的意义, 是对词代表的概念描述外延 : 词所指代的物体问题 : 如何在语义网络中表示和区分词的内涵和外延?

47 10.5 概念依存理论

48 10.5 概念依存理论背景 Schank 和他的同事在 70 年代提出概念依存理论 (Concept Dependence, CD) 1975, Conceptual Information 1977, Scripts, Plans, Goals and Understanding

49 10.5 概念依存理论 CD 理论的组成 : 三个层次之一 : 动作基元 (1) 在概念依存层次 : 规定了一组动作基元, 其他动作是由这些动作基元组合而成的如 : 抓 (Grasp) 移动(Move) 传送(Trans) 去(Go) 推 (Propel) 吸收(Ingest) 撞击(Hit) 等 (2) 关于精神世界的概念 : 心传 (MTrans) 概念化 (Conceptualize) 心建(MBuild) (3) 关于手段或工具 : 闻 (Smell) 看(Look-at) 听 (Listen-to) 说(Speak)

50 10.5 概念依存理论三个层次之二 : 剧本用来描写遇到一些常见场景或场合时所采取的一些固定的成套的动作如 : (a) A 推购物车或拿购物筐 ; (b) A 根据购物单或随意选购一些物品 B; (c) A 把选购好的 B 给收帐员算帐付款

51 10.5 概念依存理论三个层次之三 : 计划计划中的每一步都是一个剧本, 如, 外出旅游的安排 : (a) 出门前的准备 ; (b) 搭乘交通工具到目的地 ; (c) 找住宿地点安顿下来 ; (d) 在旅游地游玩 ; (e) 若还未尽兴, 转 (b), 否则, 转 (f); (f) 搭乘交通工具回家

52 10.5 概念依存理论依据 CD 理论理解语言一般文章中一些动作的细节被忽略, 计算机难以发现事件人物地点等各种指代之间的联系, 而 CD 理论试图建立这种联系, 正确描述常识, 并利用基本动作推理该理论对限定领域内的特定应用比较有效缺陷 : 对常识的描写过于刻板和定式

53 10.6 汉语语义表示的相关工作

54 10.6 汉语语义表示的相关工作人大林杏光北大符淮青等专家的词汇语义学研究 ; 鲁川教授的句模 (sentence model) 理论 ; 东北大学利用语义网络实现汉语的分析与翻译 ; 上海交大陆汝占教授的内涵逻辑 ; 中科院声学所黄曾阳教授的概念层次语义网络 (HNC) 董振东教授的 HowNet 梅家驹同义词词林, 上海辞书出版社,1996 现代汉语分类词典汉语大词典出版社,1998

55 10.7 词义消歧

56 10.7 词义消歧词义消歧问题 word sense disambiguation, WSD 例如 :bank: 银行 / 河岸 plant: 工厂 / 植物打 :play/ take/ dial/ weave 包 :package/ guarantee /

57 10.7 词义消歧基本方法早期基于规则的消歧方法统计机器学习消歧方法有监督学习方法无监督学习方法基本思路 : 一个词的不同语义一般发生在不同的上下文中基于词典信息的消歧方法

58 10.7 词义消歧有监督的词义消歧方法基本思路 : 通过建立分类器, 利用划分多义词的上下文类别的方法来区分多义词的词义 (1) 基于互信息的消歧方法 (Brown et al., 1991) 假设我们有一个双语对齐的平行语料库, 以法语和英语为例, 通过词语对齐模型每个法语单词可以找到对应的英语单词, 一个多义的法语单词在不同的上下文中对应多种不同的英语翻译

59 10.7 词义消歧例子 : prendre une mesure to take a measure prendre une décision to make a decision 也就是说, 法语动词 prendre 可以被翻译成 to take, 也可以被翻译成 to make, 这取决于它所带的宾语是 mesure 还是 décision

60 10.7 词义消歧可以把一个多义法语单词被翻译成的英语单词看作是这个法语单词的语义解释, 而决定法语多义词语义的条件看作是语义指示器 (indicator), 如 : 前面例子中法语单词 prendre 所带的宾语因此, 只要我们知道了多义词的语义指示器, 也就确定了该词在特定上下文中的语义这样, 多义词的词义消歧问题就变成了语义指示器的分类问题

61 10.7 词义消歧假设 T 1, T2, L, T m 是多义法语词的翻译 ( 或语义 ), V 1, V2, L, V n 是指示器可能的取值, 利用 Flip- Flop 算法来解决指示器分类问题 : (1) 随机地将 T 1, T2, L, T m 划分为两个集合 P = { P 1, P 2} (2) 执行如下循环 : (a) 找到 V 1, V 2, L, V 的一种划分 Q = n { Q 1, Q 2}, 使 Q 与 P 之间的互信息最大 ; (b) 找到的一种改进的划分 P, 使 P 与 Q 的互信息最大

62 10.7 词义消歧根据互信息的定义 : I( P; Q) = x P y Q p( x, y) log p( x, y) p( x) p( y) 从上面的 Flip-Flop 算法我们可以看出, 每次迭代互信息 I ( P; Q) 终止的条件自然是互信息增加甚少都应该单调增加, 因此, 算法 I ( P; Q) 不再增加或者

63 10.7 词义消歧一旦指示器的取值划分确定了, 词义消解就变成了如下简单的过程 : (1) 对于出现的歧义词确定其指示器值 V i ; (2) 如果 V i 在 Q 1 中, 指定该歧义词的语义为语义 1, 如果在 Q 2 中, 指定其语义为语义 2

64 10.7 词义消歧 (2) 基于贝叶斯分类器的消歧方法 (Gale et al., 1992) 在双语语料库中多义词的语义取决于该词所处的上下文语境 C, 如果某个多义词 w 有多个语义 s i ( i 2), 那么, 可以通过计算 argmax ( s C) 确定 w 的词义 s i P i 根据贝叶斯公式 : P( s C) i = P( C s i P( C) ) P( s i )

65 10.7 词义消歧考虑分母的归一化, 并运用如下独立性假设 : P ( C s ) = P( w ) i s i w C 因此, sˆ i = arg max[ P( s s i i ) w C P( w s i )] 概率 P w s ) 和 P s ) 都可以通过最大似然估计求得 ( i ( i

66 10.7 词义消歧基于上述思想的词义消歧算法 : 训练过程 : (1) 对于多义词 a 的每个语义 s i 执行如下循环 : 对于词典中所有的词 w 计算 P ( w s ) = (2) 对于多义词 a 的每个语义 s i 计算 : i N( w, s N( s i i ) ) P( si ) = N( s i ) N( a)

67 10.7 词义消歧消歧过程 : 对于多义词 a 的每个语义计算 P( s i ), 并根据上下文中的每个词 w 计算 P w s ), 选择 sˆ i = argmax[ P( s s i i ) w C s i ( i P( w s 在实际算法实现中, 通常将概率的乘积运算转换为对数加法运算 : i )] 和 P w s ) P s ) ( i ( i sˆ i = arg max[log s i P( s i ) + w C log P( w s i )]

68 10.7 词义消歧基于词典的词义消歧方法 (1) 基于语义定义的消歧词典中词条本身的定义作为判断其语义的条件例如 cone 在词典中有两个定义 : 一个是指松树的球果, 另一个是指用于盛放其他东西的锥形物, 比如, 盛放冰激凌的锥形薄饼如果在文本中, 树 (tree) 或者冰 (ice) 与 cone 出现在相同的上下文中, 那么,cone 的语义就可以确定了,tree 对应 cone 的语义 1,ice 对应 cone 的语义 2

69 10.7 词义消歧 (2) 基于义类辞典 (thesaurus) 的消歧多义词的不同义项在使用时往往具有不同的上下文语义类, 即通过上下文的语义范畴可以判断多义词的使用义项如 crane 的两个词义鹤和起重机分别属于语义类 ANIMAL 和 MACHINERY 不同的语义类往往具有不同的上下文环境, 如, 经常表示 ANIMAL 语义类的共现词语为 species family eat 等, 而表示 MACHINE 语义类的共现词语则为 tool engine blade 等因此, 只要确定多义词的上下文词的义类范畴, 也就确定了多义词的词义

70 10.7 词义消歧 (3) 基于双语词典的消歧需要消歧的语言称为第一语言, 把需要借助的另一种语言称为第二语言建立多义词 x 与相关词 y 之间的搭配关系, 然后, 在第二种语言的语料库中统计对应 x 不同词义的翻译与相关词 y 的翻译同现的次数, 同现次数高的搭配对应的义项即为消歧后的词义

71 10.7 词义消歧例如 : 单词 plant 有两个含义, 一个为植物, 另一个为工厂当对 plant 进行词义消歧时, 需要首先识别出含有 plant 的短语, 如 :manufacturing plant, 然后, 在汉语语料库中搜索与这个短语对应的汉语短语实例, 由于 manufacturing 的汉语翻译制造只和工厂共现, 因此, 可以确定在这个短语中 plant 的词义为工厂而短语 plant life 在汉语翻译中, 生命 (life) 与植物共现的机会更多, 因此, 可以确定在短语 plant life 中 plant 的词义为植物

72 10.7 词义消歧 (4) Yarowsky 消歧算法基于词典的词义消歧算法都是分别处理每个出现的歧义词, 并且对歧义词有两个限制 : 每篇文本只有一个意义 : 在任意给定的文本中, 目标词的词义具有高度的一致性 ; 每个搭配只有一个意义 : 目标词和周围词之间的相对距离词序和句法关系, 为目标词的意义提供了很强的一致性的词义消歧线索

73 10.7 词义消歧在 Yarowsky 消歧算法中的处理方法 : 对于第一个约束, 如果一个给定的多义词第一次出现时使用某个义项, 那么, 它在后面出现时也很有可能使用这个义项对于第二个约束,Yarowsky (1995) 采用基于自举 (bootstrapping) 的 ( 半监督 ) 学习技术搭配特征依据如下比率排序 : P( s P( s k k 1 2 f ) f ) 两个义项与特征同现的次数之比其中, s ki 为词义,f 为搭配特征

74 10.7 词义消歧无监督的词义消歧方法 H. Schütze (1998) 提出的上下文分组辨识 (contextgroup discrimination) 方法是无监督的词义消歧方法的典型代表与 (Gale, 1992) 方法类似, 对于一个具有 k 个义项的词 w, 估计使用义项 s i ( k i 1) 的上下文中出现词 v 的概率, 即 P v j s ) j ( i

75 10.7 词义消歧但是, 在该方法中参数 P( v j si 的估计不是根据有标注的训练语料, 而是在无标注的语料上进行, 开始时随机地初始化参数, 然后根据 EM 算法重新估计该概率值主要问题在于, 很多同义词的同一个意义出现的上下文往往有很大的差异, 因此, 很难保证同一个意义的上下文被划分到同一个等价类中 )

76 10.7 词义消歧为了解决这个问题,H. Schütze (1992) 对词汇集中的每一个词 w 定义了关联向量 (associate vector), 该向量为 w 的平均上下文 n A ( w) = δ ( w, w) c, c, L, c i= 1 k 上标表示词汇集中的词形 (type), 如表示词汇集中的第 j 个词 ; 下标表示一个词在语料库中的一次具体使用, 简称为词用 (token), w k 表示语料库中的第 k 个 j j 词 ;n 为词的个数, 即语料库大小 ; c k为词形 w 出现在 w k 的上下文中的次数 ; δ( x, y) 为 Kronecker 函数 1 k 2 k w j w k

77 10.7 词义消歧关于该工作的详细介绍请参阅 : [Schütze, 1992a] Schütze, Hinrich Context Space. In Working Notes of the AAAI Fall Symposium on Probabilistic Approaches to Natural Language, Menlo Park, CA. AAAI Press. Pages [Schütze, 1992b] Schütze, Hinrich Word Sense Disambiguation with Sublexical Representation. In Proceedings of the 1992 AAAI Workshop on Statisticallybased Natural Language Programming Techniques. Pages

78 10.7 词义消歧严格地讲, 利用完全无监督的消歧方法进行词义标注是不可能的, 因为词义标注毕竟需要提供一些关于语义特征的描述信息但是, 词义辨识 (word sense discrimination) 却可以利用完全无监督的机器学习方法实现

79 本章小结语义分析的基本任务及其面临的困难语义计算研究概括及常见的语义理论格语法 ( 定义格框架约束分析 ) 语义网络 ( 概念关系语义网络表示事件的语义关系基于语义网络的推理分析 ) CD 理论 ( 三个层次 : 基本动作剧本计划 ) 汉语语义计算研究概括词义消歧 ( 规则方法统计方法词典法 )

80 习题 1. 阅读有关 HowNet 和 HNC 理论的文献, 了解相关工作及其同义词词林在自然语言处理中的应用 2. 了解蒙塔格语法 (Montague Grammar) 3. 阅读有关词义消歧的论文, 了解词义消歧的相关工作

81 Thanks 谢谢!

, CAS-IA

( 10 ) cqzong@nlpr.ia.ac.cn http://www.nlpr.ia.ac.cn/english/cip/cqzong.htm No.95, Zhongguancun East Road Beijing 100080, China http://www.ia.ac.cn Tel. No.: +86-10-6255 4263 , CAS-IA 2004-5-13 2 10.1