[论文解读] Computational Interpretations of the Gricean Maxims in the Generation of Referring Expressions

Robert Dale, Ehud Reiter|arXiv (Cornell University)|Apr 26, 1995

Natural Language Processing Techniques被引用 25

一句话总结

本文提出了一种计算高效的算法，用于生成符合格里森会话准则的指代表达——具体而言，避免错误的隐含意义，同时确保指代清晰。该文认为，对格里森准则的简单、非字面解读在计算效率与人类自然性之间实现了最佳平衡，并在IDAS自然语言生成系统中通过领域无关的规则和上下文敏感的属性比较实现该方法。

ABSTRACT

We examine the problem of generating definite noun phrases that are appropriate referring expressions; i.e, noun phrases that (1) successfully identify the intended referent to the hearer whilst (2) not conveying to her any false conversational implicatures (Grice, 1975). We review several possible computational interpretations of the conversational implicature maxims, with different computational costs, and argue that the simplest may be the best, because it seems to be closest to what human speakers do. We describe our recommended algorithm in detail, along with a specification of the resources a host system must provide in order to make use of the algorithm, and an implementation used in the natural language generation component of the IDAS system. This paper will appear in the the April--June 1995 issue of Cognitive Science, and is made available on cmp-lg with the permission of Ablex, the publishers of that journal.

研究动机与目标

• 开发一种指代表达生成算法，确保指代清晰，同时不传达错误的会话隐含意义。
• 从计算成本和与人类说话者行为一致性的角度，评估格里森会话准则的不同计算解释。
• 设计一种领域无关的算法，依赖最少且可重用的领域知识资源，以实现实际部署。

提出的方法

• 该算法采用格里森准则的简单、非字面解读，优先考虑计算效率和人类自然性。
• 通过选择能将目标对象与上下文集中的其他对象区分开来的属性来生成指代表达，尽可能优先使用相对值而非绝对值。
• 系统动态比较上下文集中各成员的属性值，以决定是否使用“小”或“大”等术语，基于相对大小。
• 将导航（位置）信息与区分（辨别）信息在名词短语中分离，例如“机柜中的黑色电源”。
• 该算法需要一个包含绝对属性值的知识库，并应用上下文敏感的转换以生成相对描述。
• 该实现已集成至IDAS自然语言生成系统，展示了该方法在真实世界应用中的有效性。

实验结果

研究问题

• RQ1 如何从计算成本和指代表达生成中的人类自然性两个方面，评估格里森会话准则的计算解释？
• RQ2 在生成指代表达时，计算效率与遵循格里森原则之间存在怎样的权衡？
• RQ3 与更复杂的解释相比，格里森准则的简单、非字面解读在多大程度上更能反映实际人类说话者的行为？
• RQ4 如何设计领域无关的算法，以生成既指代准确又语用恰当的指代表达？
• RQ5 相对值与绝对值在生成自然流畅的指代表达中分别起什么作用？

主要发现

• 格里森准则的简单、非字面解读在计算效率上更优，且与观察到的人类说话者行为更一致，优于更复杂的解释。
• 该算法通过确保描述性属性不会误导听者对指代对象属性的判断，成功避免了错误的会话隐含意义。
• 基于上下文集比较使用相对属性值（如“小”或“大”）可提高表达的自然性，并减少对绝对测量的依赖。
• IDAS系统表明，该算法可在真实世界的自然语言生成系统中有效实现，且对领域特定硬编码的依赖极低。
• 该模型表明，导航信息与区分信息可在名词短语中系统性地分离，从而提升表达的清晰度与焦点。
• 该方法通过依赖知识库中的绝对值并将其上下文化转换为相对术语，实现了广泛的覆盖范围和跨领域的可移植性。