Chunk linking und Chunk attachment

Transkript

1 Titus von der Malsburg, Heike Stadler Chunk linking und Chunk attachment HS Parsing, Karin Haenelt Heidelberg, Chunk linking und Chunk attachment

2 Inhalt Was ist Chunk linking und Chunk attachment? 3 Ansätze: Abney, Grefenstette, Dreyer Valenzabhängiges Chunk attachment Algorithmus und Implementierung Evaluierung

3 Chunk linking und Chunk attachment Sind interpretierende Operationen, die Zusammenhänge zwischen Chunks ermitteln und die Ergebnisstruktur weiter anreichern. Es ist insbesondere zu untersuchen, nach welchen Regeln Folgen von Chunks zu umfassenden Strukturen vebunden werden können bzw. wie auf der Basis von Chunks semantische/ syntaktische/pragmatische Funktionen der Chunks oder ihrer Verbindungen definiert werden können.

4 Ebenen der Satzanalyse Tagging Chunking Wortartkomplex Chunk linking Wortartkomplex Chunk attachment einfacher Satz (1Prädikat) Clause bracketing komplexer Satz (ist die Ermittlung von Teilsätzen und Sätzen und die entsprechende Auszeichnung des Corpus)

5 Chunk linking Verbinden kleiner Chunks zu größeren Chunks (steht in Beziehung zum) Chunk attachment Bestimmung der Satzfunktionen der Chunks (Auszeichnung der Chunks) das Buch meiner Freundin auf dem Stuhl = 1 oder 2 oder 3 Chunks?

6 Chunking vs. Chunk linking und Chunk attachment Die Reihenfolge der Wörter innerhalb der Chunks ist nicht so flexibel wie die Reihenfolge zwischen den Chunks. Das Vorkommen der Chunks wird nicht nur durch ihre syntaktische Kategorie bestimmt, sondern hängt auch von den spezifischen Wörtern der Umgebung ab (semantische Informationen). Die Beziehung zwischen den Chunks ist also eher durch lexikalische Selektion, als durch starre Muster bestimmt.

7 Grundlage: 3 Ansätze Abney, Steven 1991: Parsing by Chunks. Grefenstette, Gregory 1999: Light Parsing as Finite State Filtering. Dreyer, Markus 2002: Syntaktisches Parsing zur prosodischen Merkmalsgenerierung.

8 Steven Abney Titus

9 Gregory Grefenstette Titus

10 Markus Dreyer 2002: Syntaktisches Parsing zur prosodischen Merkmalsgenerierung. Heidelberg, Magisterarbeit. Es werden Grundbausteine grammatischer Relationen gesucht. Dies sind syntaktische Einheiten, die die Überführung in prosodische Grenzen ermöglichen. Die Strukturen, nach denen gesucht wird umfassen größere Breiche, da kleinste Syntax Einheiten zur prosodischen Merkmalsgenerierung nicht hilfreich sind. Chunking und Chunk linking mit regulären Ausdrücken. (wird hier nur kurz vorgestellt, da Markus Dreyer nächste Woche selbst referiert)

11 Markus Dreyer Chunking Mit einer Grammatik aus regulären Ausdrücken werden Phrasen ermittelt. Durch das Zusammensetzten vieler kleiner Einheiten entsteht ein sehr komplexer regulärer Ausdruck. Beispiele: art = ( ART PPOSAT PDAT PIAT PWAT PRELAT ). np_pp_anfang = ( APPRART ( [ APPR blank ] art) APPR ). np_pp_normal = ((( [np_pp_anfang blank ] [ atrr_adj_aufz blank ] erw_nomen ) np_pp_pronomen ) [ blank APPO ] ). Phrasierungs und Transducertools markieren die gefundenen Phrasen. (<n> </n>, <a> </a>, <v> </v>)

12 Markus Dreyer Chunk linking Die mit der ersten Grammatik beschriebenen Phrasen sowie einzelne Wörter werden nun durch die Einführung lexikalischer Zusatzinformationen zu größeren Einheiten zusammengefasst. Annahme: 2 benachberte <n> </n> <n> </n> gehören zusammen. Die Grenze zwischen den <n> Chunks ist aber zu beachten in folgenden Fällen: Beispiele: trenn_praeposition = ( n_grenze blank ( wegen aufgrund trotz angesichts ungeachtet unbeschadet anläßlich laut ) \/APPR ). zwei_nomen = wort /\[^\s\n]+ blank (!! Tassen Glas Lieferung Schachtel Hundert... ) \/NN blank n_grenze blank wort \/NN.

13 Markus Dreyer Beispiel <n> Der/ART Mond/NN </n> sah/vvfin <a> groß/adjd und/kon gelb/adjd </a> <n> durch/appr die/art Blumen/NN vor/appr dem/art Fenster/NN </n>,/$, und/kon <n> der/art Maikäfer/NN </n> erzählte/vvfin <a> langsam/adjd und/kon feierlich/adjd </a> <n> mit/appr einem/art leisen/adja brummenden/adja Stimmchen/NN </n> <np_pp_aufz> <n> die/art Geschichte/NN vom/apprart Beinchen/NN </n>,/$, <n> von/appr der/art Nachtfee/NN </n> und/kon <n> vom/apprart Mondmann/NN </n> </np_pp_aufz>./$. np_pp_aufz = ( np_pp { blank, \/$, blank np_pp}* blank wort \/KON blank np_pp ).

14 Defizite der 3 Ansätze Abney: Chunk attachment durch nicht deterministischen LR Parser mit kontextfreier Grammatik und exponentieller Komplexität. Grefenstette: Bestimmt von den syntaktischen Funktionen nur die Subjektrelation anhand der Satzstellung. Dreyer: Kein Chunk attachment.

15 Hinweise auf Valenztheorie Jaques Vergne: Eigenschaften des robusten Parsing: Die nicht rekursive Repräsentation von Konstituentenstrukturen impliziert eine Hierarchie der Konstituenten unterschiedlicher Ebenen (Token Chunk einfacher Satz komplexer Satz Absatz...) und stellt eine Rückkehr zu Dependenzstrukturen dar. Markus Dreyer: Uns steht kein Valenzlexikon zur Verfügung, das Auskunft über die vom Verb geforderten Ergänzungen bzw. Objekte gibt, nach denen es zu suchen gilt. Über Dependenzinformationen zum Verb verfügt unser System nicht. Es kann also keine Prüfung vornehmen, ob alle Dependenzen des Verbs gesättigt sind oder nicht. (Dies wäre eventuell hilfreich bei der Bestimmung der Größe der <n> Chunks.)

16 Lösung: Valenzabhängiges Chunk attachment Erstellen eines digitalen Valenzlexikons nach: Helbig, Gerhard / Schenkel, Wolfgang 1983: Wörterbuch zur Valenz und Distribution deutscher Verben. 1. Prädikat lemmatisieren. 2. Valenzeinträge suchen. 3. Betrachte das erstewort der <n> Chunks. Ist dies ein Artikel, ein Pronomen oder eine Präposition werden dessen Daten abgerufen, die in Modulen gespeichert sind.

17 Lösung: Valenzabhängiges Chunk attachment Daten für Artikel und Pronomen: N = Nominativ, A = Akkusativ, D = Dativ, G = Genitiv Daten für Präpositionen: lok = lokal, temp = temporal, PA = Präpositition mit Akkusativ, PD = Präposition mit Dativ 4. Vergleich der Valenzeinträge und der Daten des ersten Wortes der <n> Chunks. 5. Auszeichnung der <n> Chunks mit deren syntaktischen Funktionen.

18 Valenztheorie Lucien Tesniere 1959: Grundzüge der strukturalen Syntax. (Elements de syntaxe structurale). Valenz eines Verbs öffnet Leerstellen (slots), von denen die der obligatorischen Aktanten gefüllt werden müssen fakutativen Aktanten gefüllt werden können. Freie Angaben (FA) sind unabhängig von der Verbvalenz. verkaufen: Valenzeintrag: N A (D/anPA) () = fakultativ / = oder Er hat das Fahrrad gestern auf dem Markt seinem Bruder / an seinen Bruder für 25 Euro verkauft. N = er A = das Fahrrad D = seinem Bruder PA = an seinen Bruder FA = gestern, auf dem Markt, für 25 Euro

19 Valenztheorie Die Unterscheidung zwischen fakultativen Aktanten und freien Angaben hängt letztendlich von der Intuition des Sprechers oder der zugrunde liegenden Theorie ab. wachsen: Valenzeintrag: N oder N A. Die Birne wächst auf dem Baum. auf dem Baum = FA wohnen: Valenzeintrag: N lokpd oder N ADJ. Hans wohnt auf dem Baum. auf dem Baum = PD = Aktant sehen: Valenzeintrag: N A/P/NS_dass_ob_w (INF) NS_dass_ob_w = Nebensatz eingeleitet mit dass, ob, w Fragen INF = (erweiterter) Infinitiv mit zu I = Infinitiv ohne zu P = Präpositionalphrase Ich sehe mit verbundenen Augen. mit verbundenen Augen = P = Aktant Ich sehe dich mit verbundenen Augen. mit verbundenen Augen = FA

20 Valenzabhängiges Chunk attachment Vorteile: Chunking und Chunk linking mit regulären Ausdrücken. Chunk attachment mit regelbasiertem Algorithmus. Nur das Verb wird lemmatisiert. Nur das 1. Wort der <n> Chunks wird mit einer Wortliste verglichen. (minimale lexikalische Ressourcen) Kongruenz, semantischer Kasus und Selektions beschränkung werden nicht überprüft. (keine komplexe Unifikation) Was ist möglich? Attachment Fehler finden: Tags, Chunks, Valenzlexikon

21 Datenbasis 2 Texte: Peterchens Mondfahrt von Gerd von Bassewitz (Kindergeschichten) = 7629 Wörter dpa Mitteilungen = 6419 Wörter Tagging mit dem tnt tagger. Chunking und Chunk linking mit dem Programm aus der Magisterarbeit von Markus Dreyer.

22 Algorithmus (Regeln) und Implementierung Titus

23 Manuelle Evaluierung Regeln korrigieren und erweitern Tags, Chunks, Attachments, Valenzlexikon verbessern Validierung Fehlersuche Durchgeführt mit: 39 Verben = 59 Valenzeinträge = 104 analysierbare Vorkommen

24 Zusatzregeln Arbeite die Valenzeinträge des Prädikats der Reihe nach ab. Die Valenzeinträge mit vielen Aktanten stehen am Anfang. Wenn PTKVZ Tag im Satz, lemmatisiere die kontrahierte Prädikatsform. Beziehe Regeln zur Satzstellung mit ein, wenn das Attachment von <n> Chunks ambig bleibt. PDS Tags haben immer eine Grenze zu benachbarten <n> Chunks.

25 Zusatzregeln Wenn mehrere <n> Chunk Kandidaten für P/PA/PD oder FA vorhanden sind, ist die Auszeichnung ohne zusätzliche lexikalische Informationen nicht möglich. PROAV Tag entspricht einem mit ihm austauschbaren Präpositionalgefüge und kann die Rolle eines Aktanten oder einer freien Angabe übernehmen. Attachment von Passiv und Imperativsätze wäre nur über weitere Zusatzregeln nöglich wie: bei VVIMP Tag wird N nicht realisiert.

26 Zusatzregeln Um den in einem Valenzeintrag geforderten Nebensatz (NS_dass_ob_w) oder Infinitiv (I, INF) zu finden, sind folgende Regeln notwendig: schaue 1. Wort nach nächstem, an: wenn Wort = dass, ob, w* => NS_dass_ob_w vorhanden. suche I (=VVIZU) oder INF (=VAINF/VMINF/VVINF). Wenn... = direkte Rede: entspricht NS_dass_ob_w indirekte Rede: entspricht NS_dass_ob_w

27 Beispiele Siehe Beispiele.txt 1. Attachment 1.1 Satz erkannt 1.2 Satz erkannt (aber falscher Tag, falsche Chunks) 1.2 Satz nicht erkannt (falscher Valenzeintrag) 1.3 Satz nicht erkannt (falscher Tag, falsche Chunks, falscher Valenzeintrag) 2. Zusatzregeln 2.1 PDS Regel 2.2 PROAV Regel 2.3 Satzstellung 2.4 Nebensatzregeln 3. Probleme 3.1 Präpositionalphrasen nicht bestimmbar 3.2 Attacher weist adverbialen Bestimmungen ohne Präpositionen Aktantenfunktion zu 3.3 Chunkgröße / Aktant oder freie Angabe? 3.4 Substantivvalenz

28 Fehleranalyse Tag Chunk Valenz Attacher Attacher falsch korrekt korrekt erkannt: 1 nicht erkannt: 0 + f f k erkannt: 3 nicht erkannt: 3 + f k f erkannt: 0 nicht erkannt: 0 + k f k erkannt: 8 nicht erkannt: 2 + k f f erkannt: 0 nicht erkannt: 0 + k k f erkannt: 0 nicht erkannt: 3 + f f f erkannt: 0 nicht erkannt: 2 + k k k erkannt: (aber falsch) 1 nicht erkannt: 1 k k k erkannt: 80 + nicht erkannt:

29 Ergebnis Attacher arbeitet richtig: erkannt weil TCV korrekt: 80 nicht erkannt weil TCV falsch: 10 Attacher arbeitet nicht richtig: nicht erkannt obwohl TCV korrekt: 1 erkannt obwohl TCV falsch: 12 korrekte TCV falsch erkannt: 1 => in 85% der Sätze richtig gearbeitet Attacher findet: 5 falsche Tags, 7 falsche Chunks, 5 falsche Valenzeinträge Attacher entgehen: 4 falsche Tags, 11 falsche Chunks => größtes Problem stellen falsche Chunks dar, die vermeintlich richtig attached werden.

30 Probleme Ambiguitäten: wenn in mehreren <n> Chunks das 1. Wort kein Artikel, Pronomen oder keine Präposition ist, oder die syntaktischen Funktionen der <n> Chunks trotz der morphologischen Analyse ambig bleiben. Abhilfe : Satzstellung? Verbabhänigig? Hans liebt Maria. Maria liebt Hans. = markiert Das sagte Otto. Otto sagte das. = ambig Statistische Verfahren? Einbeziehung der Endung des 1.Wortes in <n> Chunks?

31 Probleme Die Abgrenzung von fakultativen Aktanten und freien Angaben, die mit dem Valenzeintrag vorgenommen wird, differiert in der linguistischen Theorie. Wie groß sollen die Chunks sein? Die Größe der Chunks des Corpus erweist sich teilweise als ungeeignet. Einige Regeln des Chunk linking müssten modifiziert werden. Die Erkennung richtiger Chunks ist auch von der Valenz der Substantive abhängig.

32 Literaturverzeichnis Abney, Steven 1991: Parsing by Chunks. In: Berwick, Robert / Abney, Steven / Tenny, Carol: Principle Based Parsing. Kluwer Academic Publishers. tuebingen.de/~abney/abney_90e os gz Dreyer, Markus 2002: Syntaktisches Parsing zur prosodischen Merkmalsgenerierung. Heidelberg, Magisterarbeit. heidelberg.de/~mdreyer/thesis/ DUDEN 1984: Grammatik der deutschen Gegenwartssprache. Mannheim, Bibliographisches Institut. Grefenstette, Gregory 1999: Light Parsing as Finite State Filtering. In: Kornai, Andras (ed.): Extended Finite State Models of Language. Cambridge, University Press: Helbig, Gerhard / Schenkel, Wolfgang 1983: Wörterbuch zur Valenz und Distribution deutscher Verben. Tübingen, Niemeyer. Tesniere, Lucien 1959: Grundzüge der strukturalen Syntax. Paris. Vergne, Jacques 2000: Tutorial: Trends in Robust Parsing. Coling