[論文レビュー] Taking Primitive Optimality Theory Beyond the Finite State

Daniel Albro|ArXiv.org|Feb 22, 2001

Natural Language Processing Techniques参考文献 7被引用数 6

ひとこと要約

この論文は、非正則な現象（例：リドゥプリケーション）をモデル化できるように、Primitive Optimality Theory (OTP) を拡張する。MCFG（複数の文脈自由文法）を統合し、制約には重み付き有限状態機械を保持する。最適な候補を計算するために、MCFGが生成する候補集合と制約オートマトンの積集合を用いる拡張版Earleyアルゴリズムを導入。対応理論に基づき、原理的かつスケーラブルな評価でリドゥプリケーションを成功裏にモデル化した。

ABSTRACT

Primitive Optimality Theory (OTP) (Eisner, 1997a; Albro, 1998), a computational model of Optimality Theory (Prince and Smolensky, 1993), employs a finite state machine to represent the set of active candidates at each stage of an Optimality Theoretic derivation, as well as weighted finite state machines to represent the constraints themselves. For some purposes, however, it would be convenient if the set of candidates were limited by some set of criteria capable of being described only in a higher-level grammar formalism, such as a Context Free Grammar, a Context Sensitive Grammar, or a Multiple Context Free Grammar (Seki et al., 1991). Examples include reduplication and phrasal stress models. Here we introduce a mechanism for OTP-like Optimality Theory in which the constraints remain weighted finite state machines, but sets of candidates are represented by higher-level grammars. In particular, we use multiple context-free grammars to model reduplication in the manner of Correspondence Theory (McCarthy and Prince, 1995), and develop an extended version of the Earley Algorithm (Earley, 1970) to apply the constraints to a reduplicating candidate set.

研究の動機と目的

• 有限状態ベースの最適性理論（OTP）を、リドゥプリケーションやフレーズ的ストレスといった非有限状態現象に対応できるように拡張すること。
• 対応理論とMCFGを用いて、リドゥプリケーションを原理的かつOTP的に扱うこと。
• 複数の文脈自由文法を扱えるように拡張されたEarleyパーサーのアルゴリズムを開発し、重み付き制約の積集合の文脈で使用可能にすること。
• 非有限状態の候補集合をモデル化しつつも、有限状態手法の効率性とモularityを維持すること。

提案手法

• リドゥプリケーションや他の非有限状態現象のモデル化を可能にするために、複数の文脈自由文法（MCFGs）を用いて候補集合を表現する。
• 制約を重み付き決定的有限オートマトン（WDFAs）としてモデル化し、制約評価のための有限状態形式を保持する。
• MCFGが生成する候補集合と制約オートマトンとの間で重み付き積集合を計算するために、変更を加えたEarleyアルゴリズムを適用する。
• 順位付けられた制約との積集合を繰り返し適用することで、非最適な候補を段階的に除外し、OT評価をエミュレートする。
• 非終端記号の導出と部分導出を適切に管理するため、状態追跡と履歴伝搬を伴うチャートベースのパーサー機構を採用する。
• すべての制約積集合処理が終了した後、最終的なプリーニングステップを実行し、重みが最小（最適）な経路のみを保持する。

実験結果

リサーチクエスチョン

• RQ1 最適性理論は、有限状態制約を超えて、リドゥプリケーションのような現象をどのように拡張できるか？
• RQ2 MCFGは、正則でない（例：リドゥプリケーション形）ような候補集合を効果的に表現できるか？
• RQ3 重み付き制約ベースの評価の文脈で、Earleyアルゴリズムは複数の文脈自由文法をどのように適応できるか？
• RQ4 非有限状態の候補集合をモデル化しつつも、有限状態手法の効率性とモularityを維持することは可能か？

主な発見

• 拡張されたEarleyアルゴリズムは、MCFGが生成する候補集合を重み付き有限状態制約と照合し、最適な出力を正しく生成した。
• 対応理論に基づき、リドゥプリケーションを正しくモデル化し、'1'で終わる最適なリドゥプリケーション形のみを生成した。
• 非終端記号の導出を適切に状態と履歴の追跡で処理でき、複雑なリドゥプリケーション構造の正しく解析できた。
• 高レベルの文法（MCFG）と有限状態制約モデルの間で、原理的な統合を達成し、臨時の拡張を回避した。
• すべての最適なリドゥプリケーション形を捉える、コン act な同等の文法を出力し、正しさと完全性を示した。