[論文レビュー] Learning Unification-Based Natural Language Grammars

Miles Osborne|arXiv (Cornell University)|Feb 3, 1995

Natural Language Processing Techniques参考文献 89被引用数 3

ひとこと要約

本稿では、データ駆動型とモデルベース型の手法を組み合わせたハイブリッド学習アプローチを提案し、統合型自然言語文法における未生成の是正を目的としている。スプoken English コーパスからのデータと文脈的モデルを統合することで、システムは未生成と過生成の両方を低減し、より広範なカバレッジと整合性を備えた言語的に妥当な解析を生成する文法を生み出す。

ABSTRACT

When parsing unrestricted language, wide-covering grammars often undergenerate. Undergeneration can be tackled either by sentence correction, or by grammar correction. This thesis concentrates upon automatic grammar correction (or machine learning of grammar) as a solution to the problem of undergeneration. Broadly speaking, grammar correction approaches can be classified as being either {\it data-driven}, or {\it model-based}. Data-driven learners use data-intensive methods to acquire grammar. They typically use grammar formalisms unsuited to the needs of practical text processing and cannot guarantee that the resulting grammar is adequate for subsequent semantic interpretation. That is, data-driven learners acquire grammars that generate strings that humans would judge to be grammatically ill-formed (they {\it overgenerate}) and fail to assign linguistically plausible parses. Model-based learners are knowledge-intensive and are reliant for success upon the completeness of a {\it model of grammaticality}. But in practice, the model will be incomplete. Given that in this thesis we deal with undergeneration by learning, we hypothesise that the combined use of data-driven and model-based learning would allow data-driven learning to compensate for model-based learning's incompleteness, whilst model-based learning would compensate for data-driven learning's unsoundness. We describe a system that we have used to test the hypothesis empirically. The system combines data-driven and model-based learning to acquire unification-based grammars that are more suitable for practical text parsing. Using the Spoken English Corpus as data, and by quantitatively measuring undergeneration, overgeneration and parse plausibility, we show that this hypothesis is correct.

研究の動機と目的

• 広範囲カバレッジを持つ文法において、有効な文を正しく解析できない未生成を是正すること。
• 純粋にデータ駆動型の学習手法に起因する欠点を克服し、不適切な文を過剰に生成することを防ぐこと。
• モデルベース型の学習手法における不完全性を、データを用いて言語的知識のギャップを埋めることで是正すること。
• カバレッジを高めるデータ駆動型学習と、整合性を保つモデルベース型学習の両方をバランスさせるシステムを開発すること。
• 信頼できる意味解釈を備えた実用的テキスト処理に適した文法学習フレームワークを構築すること。

提案手法

• スプoken English コーパスを用いたデータ駆動型学習により、欠落している構文的パターンを同定すること。
• 文法的妥当性を定義した事前設定された言語モデルを用いたモデルベース型学習により、文法規則を制約すること。
• 統合型形式を用いて文法的制約と特徴構造を表現すること。
• データがモデルのギャップを補い、モデルがノイズの多いデータをフィルタリングするハイブリッド学習アーキテクチャを統合すること。
• 未生成、過生成、解析の妥当性を評価する定量的指標を用いること。
• 解析結果と言語的妥当性の判断からのフィードバックを用いて、反復的に文法を精緻化すること。

実験結果

リサーチクエスチョン

• RQ1 データ駆動型とモデルベース型の学習を組み合わせることで、統合型文法における未生成を低減できるか？
• RQ2 純粋にデータ駆動型の手法と比較して、ハイブリッドアプローチは過生成を防げるか？
• RQ3 モデルベース型のコンponentが解析の言語的妥当性をどの程度向上させるか？
• RQ4 このシステムは、広範なカバレッジと文法的整合性の両方を達成するのにどの程度有効か？
• RQ5 実世界のコーパスデータと定量的指標を用いて、このシステムは実証的に検証可能か？

主な発見

• ハイブリッドシステムは、モデルベース型学習単独と比較して、未生成を顕著に低減した。
• モデルベース型コンponentのおかげで、データ駆動型学習が同定した不適切な構造がフィルタリングされ、過生成が最小限に抑えられた。
• 解析の妥当性が向上し、得られた文法はより広範な文の系列に対して言語的に受け入れ可能な解析を生成した。
• データ駆動型またはモデルベース型の手法を単独で用いた場合と比較して、カバレッジと整合性の両立がより良好に達成された。
• スプoken English コーパスを用いた定量的評価により、ハイブリッドアプローチがすべての主要指標でベースライン手法を上回ることが確認された。
• 広範なカバレッジと言語的正確性を要件とする実用的テキスト解析システムにおいて、本手法の実現可能性が示された。