[논문 리뷰] Interleaving Syntax and Semantics in an Efficient Bottom-Up Parser

John Dowding, Robert T. Moore외 2명|ArXiv.org|1994. 07. 05.

Speech and dialogue systems인용 수 39

한 줄 요약

이 논문은 국소적 왼쪽 문맥 제약 조건을 사용하여 문법적 모호성을 감소시키고, 연기된 종류 제약 조건 적용을 통해 의미적 모호성을 줄임으로써 문법과 의미를 동시에 처리하는 효율적인 하향식 파서를 제시한다. 이 방법은 차트 엣지 수와 분석 시간을 순서 수준으로 감소시켜 언어적 구조에 기반한 보다 나은 가설 선택을 통해 음성 인식기 정확도를 크게 향상시킨다.

ABSTRACT

We describe an efficient bottom-up parser that interleaves syntactic and semantic structure building. Two techniques are presented for reducing search by reducing local ambiguity: Limited left-context constraints are used to reduce local syntactic ambiguity, and deferred sortal-constraint application is used to reduce local semantic ambiguity. We experimentally evaluate these techniques, and show dramatic reductions in both number of chart-edges and total parsing time. The robust processing capabilities of the parser are demonstrated in its use in improving the accuracy of a speech recognizer.

연구 동기 및 목표

• 동시적으로 문법적 및 의미적 구조를 생성하는 효율적인 하향식 파서를 개발하는 것.
• 강건한 자연어 처리에서 완전성을 유지하면서 局소적 문법적 및 의미적 모호성을 줄이는 것.
• 문법 커버리지가 불완전한 실제의 노이지 음성 입력에서 분석 효율성과 정확도를 향상시키는 것.
• 언어적 구조 분석을 음성 인식에 통합하여 단어 오류율과 문장 오류율을 감소시키는 것.

제안 방법

• 통합 기반 문법을 기반으로 한 차트 기반 하향식 분석을 사용하며, 중복을 방지하기 위해 엣지를 가장 일반적인 형태로 유지한다.
• 제한된 왼쪽 문맥 검사로, 이전에 분석된 왼쪽 구성요소에 의해 예측된 경우에만 문맥 의존적 어구(예: 승인되지 않은 간격을 포함한 어구)의 구축을 제한한다.
• 연기된 종류 제약 조건 적용은 의미적 필터링을 문법 엣지 구축 후로 연기함으로써 의미적 모호성을 줄이고 조기 절단을 방지한다.
• 동일한 부모 비종단 기호를 공유하는 동치의 구문 분석을 압축하여 엣지 과잉 생성을 최소화한다.
• 파서는 음성 인식기와 통합되며, 어구 수, 완전성, 규칙 선호도를 기반으로 한 Gemini 점수와 인식 점수를 조합하여 최적의 가설을 선택한다.
• 문법 완전성, 조각 수, 규칙 선호도의 가중 조합을 사용하여 가설을 순위 매기며, 파rameter는 경험적으로 최적화된다.

실험 결과

연구 질문

• RQ1 제한된 왼쪽 문맥 제약 조건이 완전성을 유지하면서 하향식 파서에서 문법적 모호성을 효과적으로 줄일 수 있는가?
• RQ2 연기된 종류 제약 조건 적용이 분석 효율성을 유지하면서 의미적 모호성을 줄일 수 있는가?
• RQ3 통합된 문법과 의미가 비표준적이거나 오류가 있는 발화의 강건한 분석을 어느 정도 향상시킬 수 있는가?
• RQ4 언어적 구조 분석의 통합이 음성 인식 정확도 향상에 얼마나 효과적인가?

주요 결과

• 파서는 차트 엣지 수와 총 분석 시간 양쪽 모두에서 순서 수준의 감소를 달성했다.
• 기본 하향식 파서의 80% 이상의 엣지가 문법적으로 불완전했으며(예: 승인되지 않은 간격 포함), 제한된 왼쪽 문맥 기법이 이를 성공적으로 제거했다.
• 통합 시스템은 단어 오류율을 12.0%에서 10.7%(1.3% 향상)로, 문장 오류율을 19.6%에서 17.8%(1.8% 향상)로 감소시켰으며, 둘 다 통계적으로 유의미했다.
• 22개의 잘못된 최초 가설 중 16개는 조각 수가 적은 것을 선호함으로써 수정되었고, 3개는 완전한 문장을 선호함으로써 수정되었다.
• 오직 하나의 수정만이 문법 규칙 선호도에 기인했으며, 이는 현재의 규칙 선호도 히ュ리스틱이 거의 도움이 되지 않는다는 것을 시사한다.
• 오류 하나는 잘못된 참조 전사로 인해 발생했고, 다른 하나는 많은 조각을 포함한 올바른 가설에 과도하게 페널티를 주어 발생했으며, 이는 조각 수 히ュ리스틱의 개선 여지가 있음을 시사한다.