淺層語(yǔ)義分析的基礎(chǔ)與方法

淺層語(yǔ)義分析的基礎(chǔ)與方法

意義分析是肯定語(yǔ)言理解的根本性問(wèn)題，也是語(yǔ)言學(xué)研究的一個(gè)重要課題。意義分析是在分析句子的語(yǔ)言結(jié)構(gòu)和分析句子中每個(gè)單詞的意義后，根據(jù)分析句子的形狀，對(duì)句子意義進(jìn)行推理和表達(dá)。意義分析主要集中在語(yǔ)義學(xué)的詞匯，包括意義標(biāo)記、消異和意義主體數(shù)據(jù)庫(kù)的構(gòu)建。句子級(jí)分析以應(yīng)用為主，缺乏跨領(lǐng)域重復(fù)。意義分析的困難主要包括：1）意義的固定性。目前，關(guān)于意義本質(zhì)的理論有七種，研究理論有不同的類型，意義和意義的分析難以正確界定。2）意義和語(yǔ)法反映在從屬關(guān)系中，意義受語(yǔ)法的限制，獨(dú)立發(fā)展。語(yǔ)言學(xué)和語(yǔ)言分析一直尋求“全面”和“深部”的目標(biāo)，但在復(fù)雜的語(yǔ)言現(xiàn)象下，這種想法不可避免地收效甚微。另一方面，平面分析采用了“片面”和“扁平”的概念，在應(yīng)用的前提下，為解決復(fù)雜語(yǔ)言現(xiàn)象提供了一種新的方式。1語(yǔ)義角色標(biāo)注淺層分析是近10年來(lái)計(jì)算語(yǔ)言學(xué)在方法學(xué)上的重大突破,其基本思想是基于一套非嚴(yán)格定義的標(biāo)簽體系,標(biāo)注句子的部分成分并以標(biāo)注結(jié)構(gòu)作為分析結(jié)果.淺層分析摒棄了深層成分和關(guān)系的復(fù)雜性,因而能在真實(shí)語(yǔ)料環(huán)境下實(shí)現(xiàn)快速分析算法,獲得比深層分析(fullparsing)更高的正確率.淺層分析首見(jiàn)于CoNLL-2000文本組塊分析(textchunking).在關(guān)聯(lián)理論(linkingtheory)的推動(dòng)下,CoNLL-2004提出了面向語(yǔ)義的共享任務(wù)——語(yǔ)義角色標(biāo)注(semanticrolelabeling,SRL),目標(biāo)是結(jié)合語(yǔ)料庫(kù)技術(shù)與機(jī)器學(xué)習(xí)方法,開(kāi)發(fā)識(shí)別動(dòng)詞框架并標(biāo)注框架內(nèi)語(yǔ)義角色的系統(tǒng).SRL的研究分為兩個(gè)方面:1)淺層語(yǔ)義體系的開(kāi)發(fā).主要涉及謂詞框架的構(gòu)建,角色的界定與分類.謂詞框架的構(gòu)建分為人工構(gòu)建和自動(dòng)學(xué)習(xí)兩種.角色界定與分類關(guān)注角色體系間的相關(guān)性研究與框架映射.2)分析方法的研究.主要涉及標(biāo)注的過(guò)程、對(duì)象與方法.標(biāo)注過(guò)程分為角色識(shí)別(identification)和角色分類(classification).前者指從句法成分中找出可能的候選成分;后者指給候選成分以正確的分類.另外,在識(shí)別之前與分類之后,一些啟發(fā)式的剪枝規(guī)則通常幫助去除交叉候選成分和冗余角色.淺層語(yǔ)義分析關(guān)注的對(duì)象主要有詞、短語(yǔ)、組塊與句法關(guān)系,研究較多是短語(yǔ)和組塊.當(dāng)前大多數(shù)成熟的統(tǒng)計(jì)模型在SRL取得較好應(yīng)用,如ME,SVM,CRF等.文獻(xiàn)對(duì)SRL的相關(guān)研究進(jìn)行了綜合評(píng)測(cè).2動(dòng)詞的語(yǔ)義分類語(yǔ)義角色體系是淺層語(yǔ)義分析的重要組成部分,角色體系的構(gòu)建與應(yīng)用主要體現(xiàn)在對(duì)動(dòng)詞的分類也即動(dòng)詞的子范疇化(subcategory)之上,然而對(duì)動(dòng)詞的語(yǔ)義分類目前面臨著諸多困難.本節(jié)我們將闡述動(dòng)詞框架和角色的相關(guān)理論,論述并比較英語(yǔ)兩大標(biāo)注集(VerbNet和FrameNet)構(gòu)建角色體系的理論依據(jù),最后討論漢語(yǔ)的語(yǔ)義角色體系.2.1相關(guān)概念的表征通過(guò)對(duì)語(yǔ)義理論的研究,我們將語(yǔ)義意義(themeaningofmeaning)的表述形式和相關(guān)理論分為3類:1)語(yǔ)義場(chǎng)與成分論.基本思想是,詞通過(guò)某些共同語(yǔ)義特征(語(yǔ)義成分)類聚成語(yǔ)義場(chǎng),詞義由語(yǔ)義特征和所屬語(yǔ)義場(chǎng)的位置決定.2)集合論與義元論.集合論通過(guò)一組詞來(lái)表示概念,義元論以數(shù)量很小的詞匯集作為解釋自然語(yǔ)言詞匯意義的基礎(chǔ).3)范疇論與框架.語(yǔ)義框架是由Fillmore于1977年提出,框架是經(jīng)驗(yàn)、信念或?qū)嵺`的結(jié)構(gòu)背景,一個(gè)概念由與之相關(guān)的一組概念標(biāo)識(shí)(即概念的范疇).對(duì)于動(dòng)詞,這組概念標(biāo)識(shí)即是語(yǔ)義角色.框架是動(dòng)詞語(yǔ)義的表述形式,標(biāo)注框架是語(yǔ)義分析的實(shí)現(xiàn)形式.語(yǔ)義角色受動(dòng)詞支配,角色根據(jù)不同的角度有著不同外延.例如從動(dòng)詞詞義的角度看待,角色是該動(dòng)詞所表述語(yǔ)義場(chǎng)景(situation)的參與者(participator);從句法的角度看待,角色是帶句法功能的題元(argument).淺層語(yǔ)義分析是建立在范疇論與語(yǔ)義的框架表示之上的方法論,SRL是該方法論的實(shí)現(xiàn)形式,它將語(yǔ)義分析問(wèn)題轉(zhuǎn)換為框架成分的識(shí)別與分類的任務(wù).2.2動(dòng)詞語(yǔ)義分類框架英語(yǔ)目前有兩大語(yǔ)義角色體系:FrameNet和VerbNet,其共同的理論基礎(chǔ)是范疇論和框架語(yǔ)義.1)FrameNet,FrameNet的動(dòng)詞分類依據(jù)是詞義的場(chǎng)景表述,即表述同一場(chǎng)景的動(dòng)詞歸入一類,場(chǎng)景由框架實(shí)現(xiàn).語(yǔ)義角色是場(chǎng)景的參與者,也是框架的組成部分,角色類型和數(shù)量是可擴(kuò)展的.FrameNet按領(lǐng)域劃分,領(lǐng)域下轄框架,早期的FrameNet分有12個(gè)領(lǐng)域,67個(gè)框架,涉及1462個(gè)謂語(yǔ)用詞(927個(gè)動(dòng)詞、339個(gè)名詞、175個(gè)形容詞),我們以文獻(xiàn)中的例子為例,圖1中Communication和Cognition表示兩個(gè)領(lǐng)域,Questioning,Conversation,Statement,Judgment和Categorization表示框架;Argue,Banter,Debate,Dispute等歸屬Conversation框架,表示是同類謂詞,Blame,Admire,Disapprove,Dispute等屬于Judgment框架,也歸屬為同類.Judgment框架內(nèi)含有Judge,Evaluee,Reason,Role四個(gè)框架元素(frameelements),即表示該框架的角色.FrameNet對(duì)每個(gè)框架所適用的場(chǎng)景、框架元素有詳細(xì)注釋,并列出適用于某個(gè)框架的動(dòng)詞集合.由于動(dòng)詞按場(chǎng)景分類,一個(gè)動(dòng)詞如果適用于不同場(chǎng)景,將歸屬于不同框架,另一方面,同一框架下的動(dòng)詞不能視為同義詞.例如圖1中Dispute歸屬于兩個(gè)框架是因?yàn)樗梢员硎鰞蓚€(gè)不同場(chǎng)景,而不表示它為多義詞.2)VerbNet,VerbNet對(duì)動(dòng)詞的分類基于動(dòng)詞的句法表現(xiàn),其直接地依據(jù)來(lái)自Levinclass.VerbNet的語(yǔ)義角色稱之為題元(或者論元argument),它是對(duì)動(dòng)詞的范疇進(jìn)一步提升后形成的固定數(shù)量的語(yǔ)義成分.Levin對(duì)動(dòng)詞分類的思想來(lái)自于格語(yǔ)法和題元理論,她認(rèn)為“動(dòng)詞的分類是基于動(dòng)詞詞義中共享的組成部分”,同時(shí)又說(shuō)到:“動(dòng)詞的句法表現(xiàn)能通過(guò)它的語(yǔ)義來(lái)預(yù)測(cè)”.由此可見(jiàn),Levinclass以動(dòng)詞句法結(jié)構(gòu)的趨近“等價(jià)于”語(yǔ)義的趨近,論元數(shù)量和類型相似的動(dòng)詞具有內(nèi)在的“語(yǔ)義”相似性.依據(jù)上述思想,Levin采用替換(alternations)作為分類工具.替換是一套鑒定動(dòng)詞語(yǔ)義相似性的測(cè)試規(guī)則集,它能同時(shí)衡量動(dòng)詞的內(nèi)在詞義和句法表現(xiàn)的相關(guān)性.Levin共構(gòu)建73種替換,將3100個(gè)動(dòng)詞分為193類.VerbNet的類別有大小之分,大類表示一個(gè)框架所有可能出現(xiàn)的角色集和共享的alternation形式,小類表示具備大類角色集的子集并共享某些特有alternation的動(dòng)詞集.與FrameNet類似,VerbNet中一個(gè)動(dòng)詞可能歸屬不同框架,同一框架下的動(dòng)詞不一定是同義詞.我們對(duì)VerbNet與FrameNet簡(jiǎn)單總結(jié)如下:1)兩大體系構(gòu)建的理論基礎(chǔ)和表述方式一致,即動(dòng)詞語(yǔ)義由框架表述,動(dòng)詞與角色共同組成框架,動(dòng)詞按框架分類但框架不是簡(jiǎn)單的同義詞集;2)兩大體系采用了不同的分類標(biāo)準(zhǔn),角色數(shù)量與類型不同;FrameNet按場(chǎng)景劃分動(dòng)詞,同類動(dòng)詞具有相似的參與者集,角色數(shù)量與類型具有擴(kuò)充性,VerbNet按Levin的alternations劃分動(dòng)詞,同類動(dòng)詞具有相似的句法表現(xiàn),角色數(shù)量與類型固定.2.3現(xiàn)有漢語(yǔ)角色體系分析漢語(yǔ)語(yǔ)義角色體系的研究起步較晚,其理論基礎(chǔ)也來(lái)自框架理論.漢語(yǔ)語(yǔ)義角色體系當(dāng)前屬于純語(yǔ)言學(xué)的研究范疇,其特點(diǎn)有:1)角色體系眾多,角色相互交疊.目前已提出的漢語(yǔ)語(yǔ)義角色體系有袁毓林(17種)、孟琮(14種)、鄧守信(9種)、魯川(22種)等.2)角色研究與動(dòng)詞研究相互獨(dú)立,角色研究以考察句法功能和范疇特征為主,缺乏動(dòng)詞與角色的關(guān)系的系統(tǒng)研究.3)角色研究的角度單一,缺乏量化,未形成類似Levinalternations的具體測(cè)試集合.4)面向漢語(yǔ)的角色標(biāo)注語(yǔ)料庫(kù)漸具雛形.賓州大學(xué)(UniversityofPennsylvania)于2005年開(kāi)發(fā)了ChinesePropBank1.0,該語(yǔ)料庫(kù)以賓州中文樹(shù)庫(kù)(ChineseTreeBank)為對(duì)象,涉及4865個(gè)動(dòng)詞框架,標(biāo)注37183個(gè)動(dòng)詞實(shí)例.下面我們以袁毓林的角色體系為代表,考察分析現(xiàn)有漢語(yǔ)角色體系的特點(diǎn)(如表1所示):漢語(yǔ)角色界定的主要依據(jù)是句法特征和語(yǔ)義特征.其中,句法特征描述角色可擔(dān)任的句法成分,例如“施事”可做主語(yǔ)、“受事”做賓語(yǔ)等,還描述角色對(duì)應(yīng)的動(dòng)詞或介詞的一些特征.語(yǔ)義特征為角色對(duì)應(yīng)的詞匯意義的內(nèi)在特征.比較該語(yǔ)義角色體系后,我們發(fā)現(xiàn)漢英語(yǔ)言現(xiàn)象具有的一些共通性和相異性,共通性如:1)賓語(yǔ)→主語(yǔ).A.他用這把刀削蘋果來(lái)著～B.這把刀,他用著來(lái)削蘋果.這里我們可以把B句的“這把刀”分析為是A句VP→VNP結(jié)構(gòu)中NP提前到S外,在原來(lái)位置留下虛跡(trace),因而B(niǎo)句也可以寫成:1)C.這把刀,他用著*trace*來(lái)削蘋果.相異性表現(xiàn)在漢語(yǔ)某些角色可擔(dān)當(dāng)?shù)木浞ǔ煞直扔⒄Z(yǔ)的角色更廣泛,如:2)方式→賓語(yǔ).爸爸用高音唱～爸爸唱高音.3)場(chǎng)所→賓語(yǔ).你干啥老在食堂吃～你干啥老吃食堂.對(duì)于上述兩句,英語(yǔ)沒(méi)有合適的理論解釋方式角色或場(chǎng)所角色轉(zhuǎn)換做賓語(yǔ)的現(xiàn)象.另外我們還觀察到,漢語(yǔ)語(yǔ)言學(xué)對(duì)角色的研究很少涉及動(dòng)詞的特征,如動(dòng)詞的及物性與不及物性等.與FrameNet和VerbNet不同,漢語(yǔ)角色的界定既與動(dòng)詞的詞義無(wú)關(guān),也與動(dòng)詞的句法表現(xiàn)(即alternations)無(wú)關(guān).3現(xiàn)有特征集及應(yīng)用自20世紀(jì)80年代語(yǔ)料庫(kù)技術(shù)興起以來(lái),統(tǒng)計(jì)模型已成為語(yǔ)言處理的主要策略,CoNLL-2004因此將SRL任務(wù)建立在基于機(jī)器學(xué)習(xí)系統(tǒng)的開(kāi)發(fā)上.與采用何種模型相比,選取何種特征對(duì)提高任務(wù)的性能更為重要.在SRL中,特征表現(xiàn)為角色標(biāo)注成分本身的信息和上下文信息,當(dāng)前已得到應(yīng)用的基本特征有:Predicate,Path,PhraseType,Position,Voice,HeadWord,Sub-categorization等.文獻(xiàn)討論了不同階段采用的特征集并介紹一些新特征,嘗試了現(xiàn)有特征的組合.下面,我們從句法和語(yǔ)義兩個(gè)角度考察現(xiàn)有特征集,如表2所示.我們把所有與詞性、短語(yǔ)相關(guān)的特征歸為句法特征,把所有描述詞和詞子類的特征歸為語(yǔ)義特征.對(duì)特征進(jìn)行句法和語(yǔ)義的分類可為SRL的兩個(gè)子任務(wù)提供選取特征的依據(jù).在角色識(shí)別階段,分析對(duì)象是句法成分,目標(biāo)是判斷成分是否為候選角色,因而選取含句法信息的特征可以取得比較好的效果.在角色分類階段,分析對(duì)象為候選角色,屬語(yǔ)義成分,因而選取含語(yǔ)義信息的特征可以取得比較好的效果.文獻(xiàn)在相同測(cè)試環(huán)境下橫向比較上述特征,結(jié)論表明Path是識(shí)別階段最重要的特征;HeadWord和Predicate是分類階段最重要的特征.4淺層