[论文解读] A Knowledge-poor Pronoun Resolution System for Turkish

Dilek Küçük, Meltem Turhan Yöndem|arXiv (Cornell University)|Apr 18, 2015

Natural Language Processing Techniques被引用 6

一句话总结

本文提出了首个针对土耳其语的完全规范的知识贫乏代词消解系统，利用经验推导出的约束条件和偏好得分来解析第三人称代词与反身代词。在测试语料库上，该系统实现了85.3%的召回率和88%的精确率，显著优于仅偏好最近候选者的基线算法。

ABSTRACT

A pronoun resolution system which requires limited syntactic knowledge to identify the antecedents of personal and reflexive pronouns in Turkish is presented. As in its counterparts for languages like English, Spanish and French, the core of the system is the constraints and preferences determined empirically. In the evaluation phase, it performed considerably better than the baseline algorithm used for comparison. The system is significant for its being the first fully specified knowledge-poor computational framework for pronoun resolution in Turkish where Turkish possesses different structural properties from the languages for which knowledge-poor systems had been developed.

研究动机与目标

• 开发一种实用的、知识贫乏的计算框架，用于解决土耳其语中的代词消解问题，该语言为非配列语序、省略主语的语言，且自然语言处理工具较少。
• 解决尽管已有针对该语言回指现象的研究，但缺乏现有知识贫乏系统的现状。
• 创建一种仅需极少句法与语义知识的系统，使其适用于低资源环境。
• 将系统性能与仅偏好最近先行词的基线算法进行对比评估。

提出的方法

• 系统采用代词所在句子及其前最多三句话作为搜索范围，基于实证分析显示81%的代词其先行词位于此窗口内。
• 应用语言特定约束条件——如人称代词、最近性、与格形式、首个名词短语、名词谓语、重复、标点符号以及零代词先行词偏好——以筛选候选先行词。
• 偏好得分通过感知器模型使用增量规则在混合语料（母语者问卷与标注文本）上进行训练以实现优化。
• 系统手动标注显性代词与零代词，因为目前尚无可靠解析器可用于检测土耳其语中的零代词。
• 约束条件用于排除不合理的候选者，而排序后的偏好得分则从剩余选项中选出最可能的先行词。
• 评估采用召回率与精确率指标，针对两组不同文本样本进行：一份来自METU土耳其语语料库的摘录，以及一份土耳其儿童叙事文本。

实验结果

研究问题

• RQ1 尽管土耳其语具有省略主语和非配列语序的特性，是否仍可有效应用知识贫乏方法进行代词消解？
• RQ2 在土耳其语中，解析人称代词与反身代词时，哪些约束与偏好具有实证有效性？
• RQ3 基于语言直觉与统计学习的知识贫乏系统，与仅偏好最近先行词的简单基线算法相比表现如何？
• RQ4 零代词与非专有名称候选者在多大程度上影响系统性能？

主要发现

• 在METU土耳其语语料库样本中，知识贫乏系统实现了85.3%的召回率与88%的精确率，显著优于基线算法的68.4%召回率与70.6%精确率。
• 在土耳其儿童叙事样本中，系统实现73.7%的召回率与91%的精确率，而基线算法为65.8%召回率与81.3%精确率。
• 失败的主要原因是搜索范围内缺少正确先行词，占第二组实验中54次失败中的39次。
• 在15起案例中，人称代词与最近性等约束条件被证明不足，表明其在处理复杂或模糊情况时存在局限。
• 偏好得分通过感知器成功优化，其中最近性与与格形式得分最高（分别为+2.15与+1.85）。
• 研究结果表明，尽管土耳其语具有省略主语的特性且缺乏成熟的自然语言处理工具，知识贫乏框架在该语言中仍具可行性。