[论文解读] Computational Analyses of Arabic Morphology

George Kiraz|ArXiv.org|Aug 1, 1994

Natural Language Processing Techniques参考文献 1被引用 5

一句话总结

本文提出一种基于多带自动机的两级形式化方法，用于建模阿拉伯语词形变化，证明音节分析最能捕捉词干模式，而词缀分析则更适合无模式词干。本文提出一种新颖的隐式单数推导方法来生成破碎复数，为阿拉伯语计算语言学中长期存在的难题提供计算上可行的解决方案。

ABSTRACT

This paper demonstrates how a (multi-tape) two-level formalism can be used to write two-level grammars for Arabic non-linear morphology using a high level, but computationally tractable, notation. Three illustrative grammars are provided based on CV-, moraic- and affixational analyses. These are complemented by a proposal for handling the hitherto computationally untreated problem of the broken plural. It will be shown that the best grammars for describing Arabic non-linear morphology are moraic in the case of templatic stems, and affixational in the case of a-templatic stems. The paper will demonstrate how the broken plural can be derived under two-level theory via the `implicit' derivation of the singular.

研究动机与目标

• 开发一种计算上高效的阿拉伯语非线性词形变化建模方法，采用两级形式化。
• 解决阿拉伯语词形变化中长期存在的破碎复数推导计算难题。
• 比较基于CV、音节和词缀的分析方法在捕捉阿拉伯语词形构成方面的有效性。
• 证明可通过从单数形式隐式推导来解决破碎复数生成问题。
• 为两级语法提供一种高层次、计算上可行的记法，适用于阿拉伯语复杂的词形变化。

提出的方法

• 采用多带两级自动机形式化方法，表示阿拉伯语的词形规则。
• 基于CV结构、音节结构和词缀形态学设计三种不同的语法。
• 通过先推导单数形式，再应用词形规则，利用隐式推导生成破碎复数。
• 应用两级理论处理阿拉伯语词形构成中的非线性依赖关系。
• 采用一种高层次记法，在保持计算可行性的同时捕捉词形复杂性。
• 通过与单数生成相同的规则，将破碎复数形式形式化为派生形式，避免引入临时性扩展。

实验结果

研究问题

• RQ1 如何有效利用两级形式化方法建模阿拉伯语的非线性词形变化？
• RQ2 在阿拉伯语中，CV结构、音节结构或词缀分析中，哪种词形分析方法最能捕捉词干模式？
• RQ3 在两级框架内，能否系统性地推导破碎复数，而无需特殊规则？
• RQ4 使用多带自动机进行阿拉伯语词形分析在计算上是否可行？
• RQ5 如何通过单数形式的隐式使用来生成其对应的破碎复数形式？

主要发现

• 音节分析能最准确且稳健地描述阿拉伯语词形变化中的词干模式。
• 词缀分析是建模阿拉伯语无模式词干的最合适方法。
• 通过基于单数形式的隐式推导机制，可成功生成破碎复数。
• 所提出的基于多带自动机的两级形式化在计算上是可行的，且足以表达阿拉伯语复杂词形变化。
• 该方法避免了为破碎复数引入单独的临时规则，使其自然地融入语法规则中。
• 高层次记法使得阿拉伯语词形模式的描述更加清晰、可维护且形式化。