SLP Notizen

Teil III: Semantik
Kapitel 15: Semantische Analyse

Inhalt

1. Syntaxgesteuerte semantische Analyse
• Kompositionalitätsprinzip: Bedeutung des Ganzen ist aus den Teilbedeutungen der Teile zusammengesetzt
• syntax-driven: Syntaktische Strukturen tragen ebenfalls Bedeutungen bzw. erzeugen semantische Strukturen
• zwei mögliche Architekturen: 
• Pipeline: zu gegebenen Syntaxbäumen wird die Semantik erzeugt
• Integration: Semantik wird in einem Schritt mit dem Syntaxbaum erzeugt
• lexikalische und syntaktische Ambiguität wird hier nicht weiter behandelt, d. h. zu einem Satz werden mehrere ambige Repräsentationen erzeugt
• semantische Regeln können syntaktischen Regeln zugeordnet werden: Rule-to-Rule Hypothesis
• die Bedeutungen müssen kompositional sein
• A → α₁ ... α_n {f(α_j.sem, ..., α_k.sem)}
• die semantische Funktion f berechnet A.sem aus den Bedeutungen der Konstituenten α_i
• Terminale Regeln selektieren die Semantik der Lexeme: Noun -> Pizza {Pizza} | Luigi {Luigi}
• also gegebenenfalls mehrere ambige Regeln
• einfache NPs selektieren die Semantik ihres Kopfes: NP -> Noun {Noun.sem}
• Lambda-Ausdrücke erlauben die Erzeugung von "Prozeduren" für Verben, die auf ihre Argumente angewendet werden können:
• λxP(x)(A) = P(A)
• Verb -> serviert {λxλy∃e Isa(e, Serving) ∧ Server(e, y) ∧ Served(e, x)} 
• erzeugt ein "Serving" mit den leeren Argumentstellen Server und Dish
• Phrasen wenden Lambda-Ausdrücke an:
• VP -> Verb NP {Verb.sem(NP.sem)} 
• im Beispiel: "Serving" mit gefüllter Argumentstellen Dish und freiem Server
• S -> NP VP {VP.sem(NP.sem)}
• im Beispiel: "Serving", Dish: Pizza, Server: Luigi
• komplexe Terme erlauben Quantoren innerhalb von Termen, die mit einer einfachen Regel in echte PL umgeschrieben werden können:
• <Quantifier variable body>
• Rewrite-Regel: P(<Quantor x Körper>) -> Quantor x Körper Operator P(variable), wobei Operator ∧ für ∃ und → für ∀ benutzt wird.
• wann genau und in welcher Reihenfolge soll die Rewrite-Regel angewendet werden? -> Ambiguität
• damit sind komplexere NPs möglich:
• NP Det Nominal {<Det.sem x Nominal.sem(x)>}
• Det -> a {∃}
• Nominal -> Noun {λx Isa(x, Noun.sem)}
• "A restaurant" {∃x Isa(x, Restaurant)}
• Zusammenfassung:
• normale PL-Ausdrücke für Lexeme
• λ-Ausdrücken für einige Lexeme (zum Beispiel Verben)
• "Durchkopieren" in einfachen Phrasen (NP)
• Applikation von λ-Ausdrücken in Phrasen
• komplexe Terme um quantifizierte Ausdrücke zwischenzeitlich als Terme behandeln zu können
• Quantoren-Skopus:
• bei mehreren Quantoren entsteht Ambiguität: N Quantoren, O(N!) Anordnungen
• Heuristiken, Wahrscheinlichkeiten der Anordnung
2. Regeln für ein Fragment des Englischen (TODO)
• Sätze
• NPs
• AdjP
• VPs
• PPs
3. Integration der semantischen Analyse in den Earley Parser
• für Regeln für die alle Konstituenten vorliegen wird die Semantik errechnet und mitgespeichert
• Vorteil: reduziert die Ambiguität, weil ungültige Parses gleich aussortiert werden
• Nachteil: Berechnung vieler Teilsemantiken, die später nicht genutzt werden
4. Idiome, übertragener Sinn und Kompositionalität
• Redewendungen sind nicht kompositional, Lösungsansätze:
• Grammatikregeln die direkt Lexeme enthalten: NP -> the tip of the iceberg {Beginning}
• spätere Disambiguierung entscheidet, ob es sich tatsächlich um die Redewendung handelt
• Problem: Redewendungen haben ebenfalls eine Struktur
• idiomsspezifische Konstituenten (NP -> TipNP of IcebergNP), wodurch gewisse Variabilität entsteht
• riesige, komplexe Grammatiken, fürchterlich zu maintainen
5. Robuste semantische Analyse
• semantische Grammatiken
• normal kontextfreie Grammatiken
• nicht die erzeugte syntaktische Struktur ist von Belang, sondern die erzeugte Semantik
• syntaktische Struktur wird möglichst flach gehalten und bei der semantischen Auswertung ignoriert. Nutzung hauptsächlich zur "Flexibilisierung" der Grammatik
• praktische Anwendung Dialogsysteme: JSGF, SRGS
• nicht generalisierbar, muss für jeden Anwendungsfall neu entworfen werden
• Information Extraction
• die präzise Semantik ist unwichtig, stattdessen geht es darum, Informationen zu einem bestimmten Thema zu gewinnen
• relativ einfache und unflexible Maske/template soll gefüllt werden
• Message Understanding Conferences
• Fastus: Kaskade von endlichen Automaten
• Tokenization
• multi words, Zahlen, Eigennamen
• einfache Phrasen
• komplexe Phrasen
• semantische Patterns -> jeweils in eigene Templates einfüllen
• Merging -> teilgefüllte Templates zusammenführen
• schnell, theoretisch nicht besonders mächtig

letzte Änderung: 5. August 2006.