淺層語義分析的基礎(chǔ)與方法

淺層語義分析的基礎(chǔ)與方法

意義分析是肯定語言理解的根本性問題，也是語言學研究的一個重要課題。意義分析是在分析句子的語言結(jié)構(gòu)和分析句子中每個單詞的意義后，根據(jù)分析句子的形狀，對句子意義進行推理和表達。意義分析主要集中在語義學的詞匯，包括意義標記、消異和意義主體數(shù)據(jù)庫的構(gòu)建。句子級分析以應(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）意義和語法反映在從屬關(guān)系中，意義受語法的限制，獨立發(fā)展。語言學和語言分析一直尋求“全面”和“深部”的目標，但在復(fù)雜的語言現(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)雜語言現(xiàn)象提供了一種新的方式。1語義角色標注淺層分析是近10年來計算語言學在方法學上的重大突破,其基本思想是基于一套非嚴格定義的標簽體系,標注句子的部分成分并以標注結(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,因而能在真實語料環(huán)境下實現(xiàn)快速分析算法,獲得比深層分析(fullparsing)更高的正確率.淺層分析首見于CoNLL-2000文本組塊分析(textchunking).在關(guān)聯(lián)理論(linkingtheory)的推動下,CoNLL-2004提出了面向語義的共享任務(wù)——語義角色標注(semanticrolelabeling,SRL),目標是結(jié)合語料庫技術(shù)與機器學習方法,開發(fā)識別動詞框架并標注框架內(nèi)語義角色的系統(tǒng).SRL的研究分為兩個方面:1)淺層語義體系的開發(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)建和自動學習兩種.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.主要涉及標注的過程、對象與方法.標注過程分為角色識別(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.淺層語義分析關(guān)注的對象主要有詞、短語、組塊與句法關(guān)系,研究較多是短語和組塊.當前大多數(shù)成熟的統(tǒng)計模型在SRL取得較好應(yīng)用,如ME,SVM,CRF等.文獻對SRL的相關(guān)研究進行了綜合評測.2動詞的語義分類語義角色體系是淺層語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)在對動詞的分類也即動詞的子范疇化(subcategory)之上,然而對動詞的語義分類目前面臨著諸多困難.本節(jié)我們將闡述動詞框架和角色的相關(guān)理論,論述并比較英語兩大標注集(VerbNet和FrameNet)構(gòu)建角色體系的理論依據(jù),最后討論漢語的語義角色體系.2.1相關(guān)概念的表征通過對語義理論的研究,我們將語義意義(themeaningofmeaning)的表述形式和相關(guān)理論分為3類:1)語義場與成分論.基本思想是,詞通過某些共同語義特征(語義成分)類聚成語義場,詞義由語義特征和所屬語義場的位置決定.2)集合論與義元論.集合論通過一組詞來表示概念,義元論以數(shù)量很小的詞匯集作為解釋自然語言詞匯意義的基礎(chǔ).3)范疇論與框架.語義框架是由Fillmore于1977年提出,框架是經(jīng)驗、信念或?qū)嵺`的結(jié)構(gòu)背景,一個概念由與之相關(guān)的一組概念標識(即概念的范疇).對于動詞,這組概念標識即是語義角色.框架是動詞語義的表述形式,標注框架是語義分析的實現(xiàn)形式.語義角色受動詞支配,角色根據(jù)不同的角度有著不同外延.例如從動詞詞義的角度看待,角色是該動詞所表述語義場景(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).淺層語義分析是建立在范疇論與語義的框架表示之上的方法論,SRL是該方法論的實現(xiàn)形式,它將語義分析問題轉(zhuǎn)換為框架成分的識別與分類的任務(wù).2.2動詞語義分類框架英語目前有兩大語義角色體系:FrameNet和VerbNet,其共同的理論基礎(chǔ)是范疇論和框架語義.1)FrameNet,FrameNet的動詞分類依據(jù)是詞義的場景表述,即表述同一場景的動詞歸入一類,場景由框架實現(xiàn).語義角色是場景的參與者,也是框架的組成部分,角色類型和數(shù)量是可擴展的.FrameNet按領(lǐng)域劃分,領(lǐng)域下轄框架,早期的FrameNet分有12個領(lǐng)域,67個框架,涉及1462個謂語用詞(927個動詞、339個名詞、175個形容詞),我們以文獻中的例子為例,圖1中Communication和Cognition表示兩個領(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四個框架元素(frameelements),即表示該框架的角色.FrameNet對每個框架所適用的場景、框架元素有詳細注釋,并列出適用于某個框架的動詞集合.由于動詞按場景分類,一個動詞如果適用于不同場景,將歸屬于不同框架,另一方面,同一框架下的動詞不能視為同義詞.例如圖1中Dispute歸屬于兩個框架是因為它可以表述兩個不同場景,而不表示它為多義詞.2)VerbNet,VerbNet對動詞的分類基于動詞的句法表現(xiàn),其直接地依據(jù)來自Levinclass.VerbNet的語義角色稱之為題元(或者論元argument),它是對動詞的范疇進一步提升后形成的固定數(shù)量的語義成分.Levin對動詞分類的思想來自于格語法和題元理論,她認為“動詞的分類是基于動詞詞義中共享的組成部分”,同時又說到:“動詞的句法表現(xiàn)能通過它的語義來預(yù)測”.由此可見,Levinclass以動詞句法結(jié)構(gòu)的趨近“等價于”語義的趨近,論元數(shù)量和類型相似的動詞具有內(nèi)在的“語義”相似性.依據(jù)上述思想,Levin采用替換(alternations)作為分類工具.替換是一套鑒定動詞語義相似性的測試規(guī)則集,它能同時衡量動詞的內(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個動詞分為193類.VerbNet的類別有大小之分,大類表示一個框架所有可能出現(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的動詞集.與FrameNet類似,VerbNet中一個動詞可能歸屬不同框架,同一框架下的動詞不一定是同義詞.我們對VerbNet與FrameNet簡單總結(jié)如下:1)兩大體系構(gòu)建的理論基礎(chǔ)和表述方式一致,即動詞語義由框架表述,動詞與角色共同組成框架,動詞按框架分類但框架不是簡單的同義詞集;2)兩大體系采用了不同的分類標準,角色數(shù)量與類型不同;FrameNet按場景劃分動詞,同類動詞具有相似的參與者集,角色數(shù)量與類型具有擴充性,VerbNet按Levin的alternations劃分動詞,同類動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)有漢語角色體系分析漢語語義角色體系的研究起步較晚,其理論基礎(chǔ)也來自框架理論.漢語語義角色體系當前屬于純語言學的研究范疇,其特點有:1)角色體系眾多,角色相互交疊.目前已提出的漢語語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)角色研究與動詞研究相互獨立,角色研究以考察句法功能和范疇特征為主,缺乏動詞與角色的關(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的具體測試集合.4)面向漢語的角色標注語料庫漸具雛形.賓州大學(UniversityofPennsylvania)于2005年開發(fā)了ChinesePropBank1.0,該語料庫以賓州中文樹庫(ChineseTreeBank)為對象,涉及4865個動詞框架,標注37183個動詞實例.下面我們以袁毓林的角色體系為代表,考察分析現(xiàn)有漢語角色體系的特點(如表1所示):漢語角色界定的主要依據(jù)是句法特征和語義特征.其中,句法特征描述角色可擔任的句法成分,例如“施事”可做主語、“受事”做賓語等,還描述角色對應(yīng)的動詞或介詞的一些特征.語義特征為角色對應(yīng)的詞匯意義的內(nèi)在特征.比較該語義角色體系后,我們發(fā)現(xiàn)漢英語言現(xiàn)象具有的一些共通性和相異性,共通性如:1)賓語→主語.A.他用這把刀削蘋果來著～B.這把刀,他用著來削蘋果.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,在原來位置留下虛跡(trace),因而B句也可以寫成:1)C.這把刀,他用著*trace*來削蘋果.相異性表現(xiàn)在漢語某些角色可擔當?shù)木浞ǔ煞直扔⒄Z的角色更廣泛,如:2)方式→賓語.爸爸用高音唱～爸爸唱高音.3)場所→賓語.你干啥老在食堂吃～你干啥老吃食堂.對于上述兩句,英語沒有合適的理論解釋方式角色或場所角色轉(zhuǎn)換做賓語的現(xiàn)象.另外我們還觀察到,漢語語言學對角色的研究很少涉及動詞的特征,如動詞的及物性與不及物性等.與FrameNet和VerbNet不同,漢語角色的界定既與動詞的詞義無關(guān),也與動詞的句法表現(xiàn)(即alternations)無關(guān).3現(xiàn)有特征集及應(yīng)用自20世紀80年代語料庫技術(shù)興起以來,統(tǒng)計模型已成為語言處理的主要策略,CoNLL-2004因此將SRL任務(wù)建立在基于機器學習系統(tǒng)的開發(fā)上.與采用何種模型相比,選取何種特征對提高任務(wù)的性能更為重要.在SRL中,特征表現(xiàn)為角色標注成分本身的信息和上下文信息,當前已得到應(yīng)用的基本特征有:Predicate,Path,PhraseType,Position,Voice,HeadWord,Sub-categorization等.文獻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,我們從句法和語義兩個角度考察現(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義特征.對特征進行句法和語義的分類可為SRL的兩個子任務(wù)提供選取特征的依據(jù).在角色識別階段,分析對象是句法成分,目標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,分析對象為候選角色,屬語義成分,因而選取含語義信息的特征可以取得比較好的效果.文獻在相同測試環(huán)境下橫向比較上述特征,結(jié)論表明Path是識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