[论文解读] Constraining Lexical Selection Across Languages Using TAGs

Dania Egedi, Martha Palmer|ArXiv.org|Nov 3, 1994

Natural Language Processing Techniques被引用 13

一句话总结

本文提出使用基于框架的词汇功能树邻接语法（FB-LTAGs）结合语言特定本体，通过捕捉跨语言的细粒度句法与语义差异，改进机器翻译中的词汇选择。通过整合句法与词汇语义，该方法在标准词汇映射与小类范畴化之外，进一步实现语义相近词汇的消歧，从而在领域特定的机器翻译系统中实现更精确的词项选择。

ABSTRACT

Lexical selection in Machine Translation consists of several related components. Two that have received a lot of attention are lexical mapping from an underlying concept or lexical item, and choosing the correct subcategorization frame based on argument structure. Because most MT applications are small or relatively domain specific, a third component of lexical selection is generally overlooked - distinguishing between lexical items that are closely related conceptually. While some MT systems have proposed using a 'world knowledge' module to decide which word is more appropriate based on various pragmatic or stylistic constraints, we are interested in seeing how much we can accomplish using a combination of syntax and lexical semantics. By using separate ontologies for each language implemented in FB-LTAGs, we are able to elegantly model the more specific and language dependent syntactic and semantic distinctions necessary to further filter the choice of the lexical item.

研究动机与目标

• 解决在机器翻译中从语义相近词汇中选择最恰当词项的挑战。
• 通过将句法与语义约束直接整合到翻译框架中，减少对外部‘世界知识’模块的依赖。
• 在形式语法框架内，利用独立本体建模语言特定的句法与语义差异。
• 通过形式化的句法与语义约束，提升领域特定机器翻译应用中的词汇选择准确性。
• 证明FB-LTAGs能够通过结构化、语言特异的本体，有效表示并约束跨语言的词汇选择。

提出的方法

• 使用基于框架的词汇功能树邻接语法（FB-LTAGs）表示每种语言的句法与语义结构。
• 在FB-LTAG框架内构建语言特定的本体，以编码词汇与句法差异。
• 利用TAG的形式化机制建模小类范畴化框架与论元结构约束。
• 将词汇语义与句法结构相结合，超越基本概念映射，对词汇选择施加约束。
• 应用语法规则与本体，基于句法与语义兼容性筛选候选词汇项。
• 利用TAG的层次性与递归特性，以形式化、可组合的方式表示复杂的语言差异。

实验结果

研究问题

• RQ1 如何通过引入超越基本词汇映射的句法与语义约束，改进机器翻译中的词汇选择？
• RQ2 在多语言背景下，使用FB-LTAGs与独立本体在多大程度上能够建模语言特定的句法与语义差异？
• RQ3 句法与词汇语义的整合在多大程度上可减少对外部语用或风格知识模块的需求？
• RQ4 FB-LTAGs在多大程度上能有效约束语义相近词汇在不同语言间的词汇选择？
• RQ5 语言特异本体在领域特定翻译任务中对词汇选择的精细化起何种作用？

主要发现

• 在FB-LTAGs中使用语言特定本体，能够精确建模对词汇选择至关重要的句法与语义差异。
• 该方法成功基于句法框架兼容性与语义具体性对词汇候选项进行筛选，提升了选择准确性。
• 通过将句法与语义约束直接嵌入语法体系，系统减少了对外部世界知识模块的依赖。
• FB-LTAGs的形式化结构使得复杂语言差异的优雅表达成为可能，这些差异对于消歧密切相关相关的词汇项至关重要。
• 该方法表明，仅通过句法与词汇语义即可显著优化词汇选择，无需额外的语用或风格推理模块。
• 在需要精细词汇差异的领域特定机器翻译应用中，该方法表现出显著有效性。