[论文解读] Ambiguity in the Acquisition of Lexical Information

Lucy Vanderwende|ArXiv.org|Jun 14, 1995

Natural Language Processing Techniques参考文献 10被引用 16

一句话总结

本文提出一种多轮次、广度优先的自举方法，用于从在线词典中自动获取词汇信息，通过迭代地利用先前获取的词汇知识来优化句法分析，从而解决句法歧义。该方法通过在多轮次中结合词汇与句法反馈，提升了识别 INSTRUMENT、PART-OF 和 HYPERNYM 等语义关系的准确性，表明增量学习优于单轮次歧义消解，在歧义定义中表现更优。

ABSTRACT

This paper describes an approach to the automatic identification of lexical information in on-line dictionaries. This approach uses bootstrapping techniques, specifically so that ambiguity in the dictionary text can be treated properly. This approach consists of processing an on-line dictionary multiple times, each time refining the lexical information previously acquired and identifying new lexical information. The strength of this approach is that lexical information can be acquired from definitions which are syntactically ambiguous, given that information acquired during the first pass can be used to improve the syntactic analysis of definitions in subsequent passes. In the context of a lexical knowledge base, the types of lexical information that need to be represented cannot be viewed as a fixed set, but rather as a set that will change given the resources of the lexical knowledge base and the requirements of analysis systems which access it.

研究动机与目标

• 解决词典定义中的句法歧义问题，该问题会阻碍词汇信息的可靠自动获取。
• 开发一种系统，通过多次处理定义来逐步构建词汇知识库（LKB），并在每轮处理中提升准确性。
• 证明早期处理轮次中获取的词汇信息可帮助解决后续轮次中的句法歧义，避免无限循环，并实现更准确的关系识别。
• 证明词典处理中使用的定义公式模式可复用于更广泛的自然语言处理任务，包括自由文本中的歧义消解。
• 主张采用灵活且可演化的词汇信息表示模式，因为所需语义关系的集合在初始阶段并非固定不变。

提出的方法

• 系统对词典执行多轮处理，使用广覆盖句法分析器（如 Microsoft English Grammar）分析定义。
• 在第一轮中，仅应用无歧义的定义公式（如 'part of' 用于 PART-OF，'that has' 用于 PART）来识别初始的词汇关系。
• 后续轮次利用前序轮次的词汇信息来改进句法分析，尤其针对歧义结构如介词短语（如 'with a hook'）和关系从句。
• 应用启发式规则将句法结构与语义关系关联：例如，若动词的 'with-PP' 修饰语的补语名词具有 INSTRUMENT 关系，则分析其是否表示 INSTRUMENT 关系。
• 系统采用广度优先策略：在处理复杂或歧义性更高的情况前，先获取所有可靠的语义关系，避免循环依赖。
• 词汇知识库（LKB）在每轮处理后逐步更新，利用早期轮次的结果来消解后续分析中的歧义。

实验结果

研究问题

• RQ1 如何解决词典定义中的句法歧义，以可靠地提取 INSTRUMENT 或 PART-OF 等语义关系？
• RQ2 早期处理轮次中获取的词汇信息是否能提升后续轮次中句法分析与关系识别的准确性？
• RQ3 词典定义中使用的定义公式模式，在多大程度上与自由文本中歧义消解所需模式重叠？
• RQ4 如何在不预先假设所有语义关系均已知的前提下，逐步构建词汇知识库？
• RQ5 迭代优化在减少错误传播和提升词汇获取质量方面发挥何种作用？

主要发现

• 多轮次方法通过利用早期轮次中获取的 'catch' 和 'hook' 的知识，成功识别出 'angling' 使用 'hook and line' 作为 INSTRUMENT 关系。
• 系统通过利用 'hook' 和 'line' 的词汇信息，确认了 'to fish with a hook and line' 中 'with a hook and line' 的修饰关系，解决了其与句法结构的附着歧义。
• 通过在每轮处理后存储结果，该方法避免了循环依赖，防止在递归定义解析中出现无限循环。
• 定义公式模式如 'a unit of' 和 'with' 可表达多种语义关系（如 AMOUNT/CURRENCY 或 SUBDIVISION），可通过句法和词汇上下文进行消歧。
• 用于识别词典定义中关系的同一组启发式规则，同样适用于自由文本中的歧义消解，表明其在自然语言处理任务中具有可复用性。
• 灵活且可演化的表示模式至关重要，因为所需语义关系的集合并非预先固定，而是在获取过程中逐步浮现。