[论文解读] Lexical Acquisition via Constraint Solving

Ted Pedersen, Weidong Chen|arXiv (Cornell University)|Feb 22, 1995

Natural Language Processing Techniques参考文献 13被引用 6

一句话总结

本文提出了一种基于约束的自动词汇获取方法，利用未知词的左右上下文对其语法和语义进行分类。通过在链接语法框架内建模上下文约束，该方法有效缩小了搜索空间，实现了无需大量人工标注的高精度分类。

ABSTRACT

This paper describes a method to automatically acquire the syntactic and semantic classifications of unknown words. Our method reduces the search space of the lexical acquisition problem by utilizing both the left and the right context of the unknown word. Link Grammar provides a convenient framework in which to implement our method.

研究动机与目标

• 解决自然语言处理中自动分类未知词的挑战。
• 通过结合未知词的左右上下文，缩小词汇获取的搜索空间。
• 开发一种结合语法和语义约束的方法，以提高分类准确率。
• 证明基于约束的词汇获取在类似链接语法的正式框架下的可行性。
• 提供一种可扩展的、数据驱动的词汇获取方法，无需依赖大规模标注语料。

提出的方法

• 该方法基于未知词左右上下文推导出的约束，建模其语法和语义行为。
• 采用链接语法框架表示语法依赖关系，并在词汇分类中保持结构一致性。
• 约束基于未知词周围观察到的语法关系和搭配模式制定。
• 系统通过求解约束满足问题，识别每个未知词最合理的语法和语义类别。
• 该方法整合分布信息与结构信息，以提高分类的可靠性。
• 算法通过迭代方式基于上下文约束剔除不一致的候选类别，逐步优化可能的词汇类别。

实验结果

研究问题

• RQ1 来自左右邻居的上下文约束是否能有效缩小未知词分类的搜索空间？
• RQ2 语法和语义约束在多大程度上可以结合以提升词汇获取的准确率？
• RQ3 链接语法框架在表示和强制执行词汇分类约束方面有多高效？
• RQ4 约束求解是否能在不依赖大规模标注语料的情况下实现高精度的词汇获取？
• RQ5 与单向上下文相比，双向上下文（左和右）在词汇获取中的影响如何？

主要发现

• 左右上下文的整合显著缩小了词汇分类的搜索空间，提升了效率。
• 基于约束求解的方法仅依赖上下文信息即可实现对未知词的准确分类。
• 链接语法框架为建模词汇获取中的语法约束提供了强大且表达力丰富的形式化体系。
• 该方法证明了语法和语义约束可有效结合，以消除词汇类别的歧义。
• 系统在无需预先存在的词汇资源或人工标注的情况下，实现了对未知词的高精度分类。
• 该方法具有可扩展性，适用于低资源环境下大规模词汇获取任务。