[論文レビュー] PRINCIPAR---An Efficient, Broad-coverage, Principle-based Parser

Dekang Lin|ArXiv.org|Jul 27, 1994

Network Packet Processing and Optimization被引用数 28

ひとこと要約

PRINCIPAR は、すべての X-bar 構造を生成してフィルタリングするのではなく、構造記述に直接政府・結合（GB）原理を適用する、効率的で広範囲カバー性を持つ原則ベースの解析器である。構文的役割と頻度に基づいてリンクと語の意味に重みを割り当てることで、選択的除去を可能にし、最も妥当な解析のみを返す。これにより、高速な処理と小さな解析森（parse forest）サイズを達成している。

ABSTRACT

We present an efficient, broad-coverage, principle-based parser for English. The parser has been implemented in C++ and runs on SUN Sparcstations with X-windows. It contains a lexicon with over 90,000 entries, constructed automatically by applying a set of extraction and conversion rules to entries from machine readable dictionaries.

研究の動機と目的

• すべての可能な X-bar 構造を生成するという組み合わせ的爆発を回避する、効率的で広範囲カバー性を持つ英語用解析器の開発。
• 従来の原則ベースの解析器が多数の候補構造を生成してフィルタリングするという非効率性の是正。
• 完全な構造ではなく構造記述上で動作するメッセージ伝達フレームワークを介して、文法的原理を解析プロセスに直接統合すること。
• 重み付きリンクとレア・センス（稀な意味）インジケータを用いることで、構文的に妥当な構造を優先し、不適切な解析の数を削減すること。
• C++ 実装とグラフィカル・インターフェースを備えた実装により、複雑な文に対しても実用的な解析性能を達成すること。

提案手法

• 解析器は、ノードが句の品詞（例：NP, V:NP）を表し、リンクが包含関係または優先関係を表す文法ネットワークを用いる。
• メッセージはリンクに沿って逆方向に伝達され、各ノードは局所記憶として、区間、属性、およびメッセージ元を含む三つ組（triplet）として部分 X-bar 構造を保持する。
• アイテムは、そのスパンが隣接しており、属性が統合可能であり、メッセージが異なるリンク経由で到着している場合にのみ結合され、新たな複合アイテムが生成される。
• ノードでの局所制約がアイテムの妥当性を検証し、完成判定述語（completion predicates）がメッセージを上位ノードに転送することで、有効な構造記述が伝搬される。
• 原則はノードにおける局所制約およびリンクにおける伝搬制約としてエンコードされ、完全な構造が構築される前に GB 条件を満たす構造記述が保証される。
• 重み付き除去機構は、リンク重み（補語には 1.0、付加的構成要素には bigweight）とレア・センス属性（rare: very → bigweight、very-very → 2×bigweight）を用い、より妥当な解析を優先する。

実験結果

リサーチクエスチョン

• RQ1 構造記述に原則を直接適用することで、すべての X-bar 構造を生成・フィルタリングするという非効率性を回避できるか？
• RQ2 メッセージ伝達アーキテクチャにおいて、文法的原則を効果的にエンコード・実装し、効率的な解析を可能にする方法は何か？
• RQ3 重み付きリンクとレア・センスインジケータを用いることで、解析森のサイズを小さくしつつ、正しい解析を保持できるか？
• RQ4 属性ベースの統合を伴うメッセージ伝達アルゴリズムは、実際の英語文において高速な解析速度と広範囲カバー性を達成できるか？
• RQ5 頻度に基づく重みの統合は、好ましい構文的解析の選択をどのように改善するか？

主な発見

• 26語までの文について、Sparcstation ELC 上で 1 秒未満の解析時間を達成しており、最長の文（26語）も 0.80 秒で処理された。
• 全テスト文において、意図した解析が正しく返され、誤った解析や欠落解析は報告されなかった。
• 1 文あたりの解析数は低く抑えられており、複数の構文的曖昧性を含む複雑な文でも、6 を超えることはめったになかった。
• 重み付き除去機構により、不適切な解析が効果的に排除された。例えば、「John read the story about Kim」において、付加的構成要素解析（b）はリンク重みが高いため（adjunct 用に bigweight）、除外され、正しい補語解析（a）のみが残った。
• レア・センス属性システムにより、低頻度の解釈が効果的に抑制された。例えば、「Who did Kim love?」において、「did」の二項動詞的解釈（rare: very-very）は 2×bigweight のコストにより除外され、正しい助動詞的解釈のみが残った。
• 埋め込み節、複雑な名詞句、構文的曖昧性を含む多様な文型に対しても、解析性能が安定しており、広範囲カバー性と頑健性が示された。