[论文解读] A generic tool to generate a lexicon for NLP from Lexicon-Grammar tables

Laurence Mathieu, Elsa Tolone|arXiv (Cornell University)|May 31, 2010

Natural Language Processing Techniques参考文献 13被引用 9

一句话总结

本文提出 LGExtract，一种通用工具，可将包含隐式句法信息的词典-语法表格转换为可用于自然语言处理（NLP）的显式句法词典。通过将统一的提取脚本应用于包含未定义条目的全局表格，该工具自动化生成了全面的法语动词和谓词性名词词典，使其可直接用于 NLP 应用。

ABSTRACT

Lexicon-Grammar tables constitute a large-coverage syntactic lexicon but they cannot be directly used in Natural Language Processing (NLP) applications because they sometimes rely on implicit information. In this paper, we introduce LGExtract, a generic tool for generating a syntactic lexicon for NLP from the Lexicon-Grammar tables. It is based on a global table that contains undefined information and on a unique extraction script including all operations to be performed for all tables. We also present an experiment that has been conducted to generate a new lexicon of French verbs and predicative nouns.

研究动机与目标

• 解决词典-语法表格中隐式句法信息的可用性问题，以支持 NLP 应用。
• 开发一种通用且可重用的解决方案，避免为每张表格硬编码提取逻辑。
• 实现从结构化语言学表格中大规模、一致地生成词典。
• 通过在法语动词和谓词性名词上的具体应用，证明该工具的有效性。
• 提供一种标准化的流程，将原始语言学表格转换为可操作的 NLP 词典。

提出的方法

• 设计一个全局表格，整合来自多张词典-语法表格的所有未定义或隐式信息。
• 创建一个单一、可重用的提取脚本，对所有表格条目应用转换规则。
• 定义一个模块化处理流程，用于解析句法特征、屈折范式和语义约束。
• 使用基于规则的推理，从现有表格条目中推断缺失的句法和形态属性。
• 应用归一化和验证步骤，确保生成词典的一致性和正确性。
• 将输出集成到标准 NLP 格式中，以便在下游应用中直接使用。

实验结果

研究问题

• RQ1 如何系统性地解析词典-语法表格中的隐式句法信息，以供 NLP 使用？
• RQ2 是否可以不经过每张表格的定制化处理，将单一通用提取脚本应用于多种词典-语法表格？
• RQ3 从原始语言学表格中生成大覆盖范围句法词典的可行性与可扩展性如何？
• RQ4 该工具在生成一种屈折丰富的语言（如法语）的句法词典时，其有效性如何？
• RQ5 该方法在多大程度上减少了 NLP 系统中词典构建的劳动投入？

主要发现

• LGExtract 成功将词典-语法表格转换为可用于法语的显式句法词典。
• 该工具生成了一个包含完整法语动词和谓词性名词的词典，其句法和形态注释一致且准确。
• 统一的提取脚本实现了无需每张表格重新配置的完全自动化词典生成流程。
• 生成的词典可直接应用于 NLP 任务，证明了该工具的实际效用。
• 该方法在不同词类和语言结构上均表现出良好的可扩展性和可重用性。
• 实验结果证实，词典-语法表格中的隐式信息可通过基于规则的推理可靠提取。