[论文解读] A Lexicon for Underspecified Semantic Tagging

Paul Buitelaar|ArXiv.org|May 14, 1997

Natural Language Processing Techniques参考文献 10被引用 13

一句话总结

本文提出了CoreLex，一种用于非指定语义标注的语义词典，通过基于类别的知识组织方式捕捉系统性多义性。通过在统一框架中表示一个词的所有语义相关义项，该方法支持话语中的渐进式解释，超越了传统的义项消歧，实现了NLP系统中可扩展、可适应领域的语义处理。

ABSTRACT

The paper defends the notion that semantic tagging should be viewed as more than disambiguation between senses. Instead, semantic tagging should be a first step in the interpretation process by assigning each lexical item a representation of all of its systematically related senses, from which further semantic processing steps can derive discourse dependent interpretations. This leads to a new type of semantic lexicon (CoreLex) that supports underspecified semantic tagging through a design based on systematic polysemous classes and a class-based acquisition of lexical knowledge for specific domains.

研究动机与目标

• 将语义标注重新定义为解释的基础步骤，而非仅仅是义项消歧。
• 开发一种能够系统捕捉词汇项相关义项的语义词典。
• 通过基于类别的非指定表示，支持特定领域的语义知识获取。
• 通过以结构化方式保留语义模糊性，支持依赖话语的解释。
• 为NLP应用中的语义标注提供可扩展、可扩展的框架。

提出的方法

• 基于系统性多义类别设计词典（CoreLex），以整合语义相关的义项。
• 采用基于类别的方法，获取并表示特定领域的词汇知识。
• 为每个词汇项表示单一的非指定语义表示，包含所有系统相关义项。
• 采用分层结构编码语义关系，减少义项间的冗余。
• 通过延迟到话语上下文可用时才进行完整义项解析，支持渐进式解释。
• 通过共享的类结构，实现语义知识在不同领域间的重用与扩展。

实验结果

研究问题

• RQ1 如何将语义标注重新定义为解释的第一步，而非单纯的消歧？
• RQ2 哪些设计原则能够使语义词典高效表示系统相关的义项？
• RQ3 非指定语义表示如何支持依赖话语的解释？
• RQ4 多义类别在减少冗余和提升词汇语义可扩展性方面发挥什么作用？
• RQ5 如何利用共享的基于类别的框架获取并表示特定领域的语义知识？

主要发现

• CoreLex词典通过将相关义项归入共享的语义类别，成功建模了系统性多义性。
• 基于类别的设计减少了冗余，并实现了特定领域高效的知识获取。
• 非指定表示支持渐进式解释，将完整义项解析推迟到话语上下文出现时。
• 该方法通过将词汇表示与依赖上下文的解释解耦，实现了可扩展且可扩展的语义标注。
• 该框架无需重新编码词汇语义即可实现领域适应。
• 该模型在需要强大且灵活语义处理的NLP系统中展示了可行性。