[論文レビュー] An Alternative Conception of Tree-Adjoining Derivation

Yves Schabes, Stuart M. Shieber|ArXiv.org|Apr 4, 1994

Natural Language Processing Techniques参考文献 17被引用数 35

ひとこと要約

本稿は、1つのノードに複数の補助木を隣接させることを許容する、Tree-Adjoining Grammars (TAG) の拡張された導出フレームワークを提案する。これにより、修飾構造の言語的正確性が向上する。導出を順序付き導出木の同値類として形式化し、TAGをLinear Indexed Grammars (LIG) にコンパイルし、O(n⁶) の計算量を有する効率的なEarley風の解析アルゴリズムを提示する。このアルゴリズムは拡張された導出を回復可能であり、段階的・統計的意味解析を可能にする。

ABSTRACT

The precise formulation of derivation for tree-adjoining grammars has important ramifications for a wide variety of uses of the formalism, from syntactic analysis to semantic interpretation and statistical language modeling. We argue that the definition of tree-adjoining derivation must be reformulated in order to manifest the proper linguistic dependencies in derivations. The particular proposal is both precisely characterizable through a definition of TAG derivations as equivalence classes of ordered derivation trees, and computationally operational, by virtue of a compilation to linear indexed grammars together with an efficient algorithm for recognition and parsing according to the compiled grammar.

研究の動機と目的

• 標準のTAG導出における制限（複数の隣接が異なるノードに限定される）を解消し、より言語的に正確な導出モデルを提案すること。
• 拡張導出を順序付き導出木の同値類として形式化し、正確性と構成的明確性を保証すること。
• 拡張導出の計算的操作を可能にするために、TAGをLinear Indexed Grammars (LIGs) にコンパイルすること。
• 段階的に導出構造を回復できる解析アルゴリズムを開発し、NLPシステムにおけるリアルタイムまたは段階的解釈を可能にすること。
• 導出構造を明示することで、意味的解釈、統計的モデリング、特徴ベースの制約といった高度な応用を可能にすること。

提案手法

• 導出を、隣接する兄弟の入れ替えが同一視される順序付き導出木の同値類として再定義し、特定の再順序化に対して構造的不変性を保証する。
• TAGを同等のLinear Indexed Grammars (LIGs) にマップするコンパイル手順を定義し、導出構造を保持するとともに、効率的な解析を可能にする。
• コンパイルされたLIG上で動作する拡張Earley風の解析アルゴリズムを設計し、チャートアイテムに導出情報を保持する。
• 導出木を明示的に追跡する推論規則を用い、解析中に導出構造を段階的に構築可能にする。
• 実時間で明示的な導出木を維持するアルゴリズムの変種を提案し、段階的処理およびオンライン解釈を可能にする。
• 一般用途の推論エンジンを用いてPrologでプロトタイプ実装を行い、透明性と拡張性を示している。

実験結果

リサーチクエスチョン

• RQ1 1つのノードに複数の隣接を許容するようにTAG導出を再定義することで、修飾構造の言語的モデリングをどのように改善できるか？
• RQ2 拡張導出が正確かつ計算的に操作可能であることを保証する形式的特徴は何か？
• RQ3 TAGの導出構造をLinear Indexed Grammar (LIG) にコンパイルする際、言語的および計算的性質をどのように保持できるか？
• RQ4 解析アルゴリズムは、拡張導出を効率的に回復できるか？また、段階的処理に適応可能か？
• RQ5 拡張導出の認識および解析の計算量的複雑性は何か？また、導出情報は探索のガイドや非決定性の低減にどのように利用できるか？

主な発見

• 提案された拡張導出フレームワークにより、1つのノードに複数の補助木を隣接させることができ、副詞的修飾や形容詞の積み重ねといった言語的修飾現象をよりよくモデル化できる。
• 拡張導出は、隣接する兄弟の入れ替えを冗長とみなす順序付き導出木の同値類として形式的に定義され、構造的不変性が保証される。
• TAGをLIGにコンパイルするプロセスは、導出構造を保持し、O(n⁶)の時間計算量で効率的な認識および解析を可能にする。
• 解析アルゴリズムは、明示的な導出木を段階的に維持できるように変更可能であり、NLPパイプラインにおけるリアルタイムまたは段階的解釈を可能にする。
• 導出数が指数的になる可能性はあるが、明示的な導出表現は十分であり、段階的処理において好ましい。これにより、オンラインでの選択肢決定や探索空間の縮小が可能になる。
• Prologを用いたプロトタイプ実装は、本手法の透明性と実現可能性を示しているが、性能最適化は行われていない。今後のインデックスベースの改善の余地がある。