WikiDer > Словесная индукция

Word-sense induction

В компьютерная лингвистика, словесная индукция (WSI) или дискриминация является открытая проблема из обработка естественного языка, что касается автоматической идентификации чувства из слово (т.е. значения). Учитывая, что результатом индукции смысла слова является набор смыслов для целевого слова (перечень смыслов), эта задача строго связана с задачей словесная неоднозначность (WSD), который опирается на заранее определенный перечень чувств и направлен на решение двусмысленность слов в контексте.

Подходы и методы

Результатом алгоритма индукции смысла слова является кластеризация контекстов, в которых встречается целевое слово, или кластеризацию слов, связанных с целевым словом. В литературе было предложено три основных метода:[1][2]

  • Кластеризация контекста
  • Кластеризация слов
  • Графы совместной встречаемости

Кластеризация контекста

Основная гипотеза этого подхода заключается в том, что слова семантически похожий если они появляются в схожих документах, в аналогичных контекстных окнах или в аналогичных синтаксических контекстах.[3] Каждое вхождение целевого слова в корпусе представлено как контекст вектор. Эти векторы контекста могут быть либо векторами первого порядка, которые непосредственно представляют текущий контекст, либо векторами второго порядка, то есть контексты целевого слова похожи, если их слова имеют тенденцию встречаться вместе. Затем векторы группируются в группы, каждая из которых определяет смысл целевого слова. Хорошо известным подходом к кластеризации контекста является алгоритм дискриминации групп контекста. [4] на основе методов вычисления больших матриц.

Кластеризация слов

Кластеризация слов - это другой подход к наведению смысла слов. Он состоит из слов, которые схожи по семантике и поэтому могут иметь определенное значение. Алгоритм Лина [5] представляет собой прототипический пример кластеризации слов, который основан на статистике синтаксических зависимостей, которые встречаются в корпусе для создания наборов слов для каждого обнаруженного смысла целевого слова.[6] Кластеризация по комитету (CBC) [7] также использует синтаксические контексты, но использует матрицу сходства для кодирования сходства между словами и полагается на понятие комитетов для вывода различных значений интересующего слова. Эти подходы трудно реализовать в большом масштабе для многих предметных областей и языков.

Графы совместной встречаемости

Основная гипотеза графов совместной встречаемости предполагает, что семантика слова может быть представлена ​​с помощью совместной встречаемости. график, вершины которых являются отношениями совместной встречаемости, а ребра - отношениями совместной встречаемости. Эти подходы связаны с методами кластеризации слов, при которых совпадения слов могут быть получены на основе грамматических [8] или коллокационные отношения.[9] HyperLex - это успешные подходы графического алгоритма, основанные на идентификации узлов в графах совместной встречаемости, которые должны справляться с необходимостью настройки большого количества параметров.[10] Для решения этой проблемы было предложено несколько алгоритмов на основе графов, основанных на простых графических шаблонах, а именно кластеризация кривизны, квадраты, треугольники и ромбы (SquaT ++) и сбалансированная кластеризация максимального связующего дерева (B-MST).[11] Паттерны нацелены на определение значений с использованием локальных структурных свойств графа совместной встречаемости. Рандомизированный алгоритм, который разделяет вершины графа путем итеративной передачи основного сообщения (т.е. смысла слова) соседним вершинам.[12] это китайский шепот. Было показано, что применение подходов к графам совместной встречаемости позволяет достичь высочайшего уровня производительности в стандартных задачах оценки.

Приложения

  • Показано, что словесная индукция способствует поиску веб-информации, когда используются очень неоднозначные запросы.[9]
  • Повышение простых алгоритмов индукции смысла слова Кластеризация результатов веб-поиска значительно и улучшить диверсификацию результатов поиска, возвращаемых такими поисковыми системами, как Yahoo![13]
  • Словесная индукция применялась для обогащения лексические ресурсы Такие как WordNet.[14]

Программного обеспечения

  • SenseClusters - это свободно доступный программный пакет с открытым исходным кодом, который выполняет как кластеризацию контекста, так и кластеризацию слов.

Смотрите также

Рекомендации

  1. ^ Навильи, Р. (2009). "Устранение смысловой неоднозначности: обзор" (PDF). Опросы ACM Computing. 41 (2): 1–69. Дои:10.1145/1459352.1459355. S2CID 461624.
  2. ^ Насируддин, М. (2013). Современное искусство индукции смысла слов: путь к устранению смысловой неоднозначности для языков с ограниченными ресурсами (PDF). ТАЛН-РЕСИТАЛЬ 2013. Ле-Сабль-д'Олон, Франция. С. 192–205.
  3. ^ Ван де Круис, Т. (2010). «Поиск смысла. Извлечение лексико-семантических знаний из текста» (PDF). Цитировать журнал требует | журнал = (помощь)
  4. ^ Шютце, Х. (1998). Размеры значения. 1992 Конференция ACM / IEEE по суперкомпьютерам. Лос-Аламитос, Калифорния: Пресса компьютерного общества IEEE. С. 787–796. Дои:10.1109 / SUPERC.1992.236684.
  5. ^ Лин, Д. (1998). Автоматический поиск и кластеризация похожих слов (PDF). 17-я Международная конференция по компьютерной лингвистике (COLING). Монреаль, Канада. С. 768–774.
  6. ^ Ван де Круис, Тим; Апидианаки, Марианна (2011). «Скрытая семантическая индукция смысла слов и устранение неоднозначности» (PDF). Цитировать журнал требует | журнал = (помощь)
  7. ^ Lin, D .; Пантель, П. (2002). Обнаружение смысла слова из текста. 8-я Международная конференция по открытию знаний и интеллектуальному анализу данных (KDD). Эдмонтон, Канада. С. 613–619. CiteSeerX 10.1.1.12.6771.
  8. ^ Widdows, D .; Доров Б. (2002). Графическая модель для неконтролируемого лексического усвоения (PDF). 19-я Международная конференция по компьютерной лингвистике (COLING). Тайбэй, Тайвань. С. 1–7.
  9. ^ а б Веронис, Дж. (2004). «Hyperlex: лексическая картография для поиска информации» (PDF). Компьютерная речь и язык. 18 (3): 223–252. CiteSeerX 10.1.1.66.6499. Дои:10.1016 / j.csl.2004.05.002.
  10. ^ Agirre, E .; Мартинес, Д .; Де Лакаль, О. Лопес; Сороа, А. Два алгоритма на основе графов для современного WSD (PDF). 2006 Конференция по эмпирическим методам обработки естественного языка (EMNLP). Сидней, Австралия. С. 585–593.
  11. ^ Ди Марко, А .; Навильи, Р. (2013). «Кластеризация и диверсификация результатов веб-поиска с помощью графической индукции смысла слов» (PDF). Компьютерная лингвистика. 39 (3): 709–754. Дои:10.1162 / coli_a_00148. S2CID 1775181.
  12. ^ Биманн, К. (2006). "Chinese Whispers - эффективный алгоритм кластеризации графов и его применение к проблемам обработки естественного языка" (PDF). Цитировать журнал требует | журнал = (помощь)
  13. ^ Navigli, R .; Крисафулли, Г. Усиление чувства слова для улучшения кластеризации результатов веб-поиска (PDF). Конференция 2010 г. по эмпирическим методам обработки естественного языка (EMNLP 2010). Массачусетс, США: MIT Stata Center. С. 116–126.
  14. ^ Насируддин, М .; Schwab, D .; Чечмеджиев, А .; Sérasset, G .; Бланшон, Х. Induction de sens pour enrichir des ressources lexicales (Индукция смысла слов для обогащения лексических ресурсов) (PDF). 21 конференция по автоматическим традициям естественных языков (TALN, 2014). Марсель, Франция. С. 598–603.