[论文解读] A framework for lexical representation

José Miguel Goñi-Menoyo, José Carlos González|arXiv (Cornell University)|Jul 6, 1995

Natural Language Processing Techniques参考文献 2被引用 3

一句话总结

本文提出了一种基于统一的词法框架，用于高度屈折语言，采用词基编码自动生成所有omorph索引词典。该框架通过形式化方法和配套软件工具，实现了高效的词形处理，并在第15届国际人工智能与语言工程会议中得到应用验证。

ABSTRACT

In this paper we present a unification-based lexical platform designed for highly inflected languages (like Roman ones). A formalism is proposed for encoding a lemma-based lexical source, well suited for linguistic generalizations. From this source, we automatically generate an allomorph indexed dictionary, adequate for efficient processing. A set of software tools have been implemented around this formalism: access libraries, morphological processors, etc.

研究动机与目标

• 设计一种使用词基表示法编码高度屈折语言词法信息的形式化方法。
• 通过结构化、形式化的词法源实现语言学泛化。
• 从词法源自动生成所有omorph索引词典，以支持高效处理。
• 围绕该形式化方法实现一整套软件工具，包括访问库和词形处理器。
• 支持西班牙语及其他罗曼语族语言的高效且可扩展的词形分析。

提出的方法

• 定义一种基于统一的形式化方法，使用词基和词形特征表示词法条目。
• 通过将屈折形式按共同词基分组并使用特征结构，对词法一般化进行编码。
• 从基于词基的表示自动生成所有omorph索引，以支持快速查找。
• 通过类似编译器的过程，将高层词法源转换为优化的、所有omorph索引的词典结构。
• 在形式化方法之上构建软件工具，包括访问库和词形处理器，以支持运行时使用。
• 在AI95会议背景下对框架进行评估，证明其在语言工程中的实际适用性。

实验结果

研究问题

• RQ1 如何通过统一的形式化方法表示高度屈折语言中的词法条目，同时支持语言学泛化？
• RQ2 使用基于词基的结构，最有效的方式是什么？
• RQ3 能否通过自动生成所有omorph索引词典来提升在词形丰富的语言中的处理效率？
• RQ4 如何围绕一种形式化的词法表示构建软件工具链，以支持现实世界中的NLP应用？
• RQ5 在屈折语言的词法建模中，使用基于统一的特征结构有哪些实际优势？

主要发现

• 该框架成功从基于词基的词法源生成所有omorph索引词典，实现了高效的词形访问。
• 基于统一的形式化方法能够以紧凑且可泛化的方式表示高度屈折语言中的屈折形式。
• 所实现的软件工具，包括访问库和词形处理器，展示了实际的集成性与可用性。
• 该方法在AI95会议中得到验证，作为语言工程任务的可运行解决方案进行展示。
• 通过特征结构而非罗列所有屈折形式，系统支持语言学泛化，编码了词形变化。
• 该形式化方法实现了可扩展且可维护的词法表示，减少了词形数据中的冗余。