[论文解读] Annotating Predicate-Argument Structure for a Parallel Treebank

Lea Cyrus, Hendrik Feddes+1 more|ArXiv.org|Jul 1, 2004

Natural Language Processing Techniques参考文献 4被引用 3

一句话总结

本文提出了一项并行语料库项目（FuSe），对对齐的英语和德语句子中的谓词-论元结构进行标注，以实现跨语言对齐。通过将谓词-论元结构视为一个专用层级，该项目超越句法或功能类别，捕捉翻译等价性，借助具有专门对齐和绑定层级的关联数据库架构，实现单语语料库的稳健对齐。

ABSTRACT

We report on a recently initiated project which aims at building a multi-layered parallel treebank of English and German. Particular attention is devoted to a dedicated predicate-argument layer which is used for aligning translationally equivalent sentences of the two languages. We describe both our conceptual decisions and aspects of their technical realisation. We discuss some selected problems and conclude with a few remarks on how this project relates to similar projects in the field.

研究动机与目标

• 开发一个多语言、多层级的并行语料库，包含英语和德语的句法、功能和谓词-论元标注。
• 通过将谓词-论元结构建模为专用语言层级，实现翻译等价句子的精确对齐。
• 通过提供捕捉跨语言结构对应关系的资源，支持单语和对比语言学研究。
• 通过聚焦谓词-论元结构作为核心对齐机制，而非仅依赖短语成分或功能结构，克服现有标注方案的局限性。
• 建立可扩展的数据库架构，将单语标注与针对语言对的专用对齐层级集成。

提出的方法

• 采用并适配 TIGER 标注方案用于英语和德语的句法和功能结构，辅以语言特定的调整。
• 引入一个专用的谓词-论元结构层级，独立于短语成分或功能结构对谓词及其论元进行标注。
• 使用关系型数据库系统（Annotate）进行单语标注，并通过自定义对齐数据库扩展，融合英语和德语的谓词-论元结构。
• 实现一个绑定层级，连接跨语言的谓词-论元结构，支持跨语言比较与对齐。
• 开发基于文本的谓词-论元与对齐数据导入管道，同时正在开发图形化标注工具以提高一致性和效率。
• 利用并行结构，通过翻译等价性探索谓词和论元的数据驱动聚类，而无需依赖预定义的语义框架。

实验结果

研究问题

• RQ1 谓词-论元结构在并行语料库中如何作为对齐翻译等价句子的可靠基础？
• RQ2 当短语成分或功能结构无法实现时，谓词-论元结构在多大程度上能捕捉翻译等价性？
• RQ3 在捕捉跨语言语义对应关系方面，最小化谓词-论元标注方案存在哪些局限性？
• RQ4 是否可以通过并行语料库中的对齐实现谓词和论元的数据驱动聚类，而无需依赖预定义的语义框架？
• RQ5 可扩展、可扩展的数据库架构如何支持单语标注与多语言语料库专用对齐层级的集成？

主要发现

• 即使短语成分或功能结构不同，谓词-论元结构仍能实现翻译等价成分的对齐，如德语中名词化动词与其英语动词对应形式的示例所示。
• 该项目成功证明，一种简单、非基于框架的谓词-论元标注方案可在不捕捉深层语义差异的情况下，支持可靠的跨语言对齐。
• 在关系型数据库架构中使用专用对齐层级，可将两个单语语料库融合为一个统一、连贯的并行资源。
• 该项目发现，尽管更深层次的方案（如 FrameNet 或 Levin 类）可解决部分不一致性，但会引入复杂性与语言特定挑战，尤其是在跨语言迁移方面。
• 该对齐机制可通过翻译等价性发现语义聚类（如等价谓词，例如 'buy' 和 'purchase'）和论元，表明数据驱动的框架语义具有可行性。
• 当前工作流涉及谓词-论元与对齐数据的基于文本的导入，功能正常，但通过专用图形化标注工具有望提升一致性并减轻标注负担。