[论文解读] Extracting a bilingual semantic grammar from FrameNet-annotated corpora

Dana Dannélls, Normunds Grūzītis|arXiv (Cornell University)|Apr 8, 2014

Natural Language Processing Techniques参考文献 9被引用 9

一句话总结

本文提出了一种使用语法框架（GF）从英语和瑞典语FrameNet标注语料中自动提取共享双语语义语法的方法。通过对伯克利FrameNet与瑞典语FrameNet中的语义和句法值结构模式进行对齐，作者推导出一个包含769个框架特异性模式的紧凑抽象语法，覆盖了共享框架集中77.8%的英语和74.9%的瑞典语例句，从而为多语言自然语言处理应用提供统一的语义语法接口。

ABSTRACT

We present the creation of an English-Swedish FrameNet-based grammar in Grammatical Framework. The aim of this research is to make existing framenets computationally accessible for multilingual natural language applications via a common semantic grammar API, and to facilitate the porting of such grammar to other languages. In this paper, we describe the abstract syntax of the semantic grammar while focusing on its automatic extraction possibilities. We have extracted a shared abstract syntax from ~58,500 annotated sentences in Berkeley FrameNet (BFN) and ~3,500 annotated sentences in Swedish FrameNet (SweFN). The abstract syntax defines 769 frame-specific valence patterns that cover 77.8% examples in BFN and 74.9% in SweFN belonging to the shared set of 471 frames. As a side result, we provide a unified method for comparing semantic and syntactic valence patterns across framenets.

研究动机与目标

• 从现有的FrameNet资源中创建一种计算上可访问的多语言语义语法，以支持自然语言生成及其他自然语言处理应用。
• 通过跨语言提取共享抽象语法，实现在语法层面整合多语言FrameNet。
• 开发一种系统且自动的方法，用于比较不同FrameNet之间的语义和句法值结构模式。
• 为将语法扩展至更多语言和句法结构奠定基础。
• 通过跨语言模式比较识别标注不当的例句，提升FrameNet标注的一致性与质量。

提出的方法

• 作者使用语法框架（GF）为英语和瑞典语FrameNet定义一种通用抽象语法，将框架特异性值结构模式建模为包含语义和句法参数的函数。
• 他们从约58,500个句子的伯克利FrameNet和约3,500个句子的瑞典语FrameNet中提取语义-句法值结构模式，重点关注核心框架元素及其句法实现。
• 采用模糊匹配策略比较跨语言模式，支持基于蕴含关系的泛化并减少冗余。
• 该方法计算语义与句法模式的交集，移除被蕴含的模式，从而生成由769个共享值结构模式组成的最小且具代表性的集合。
• 语法设计允许非核心框架元素使用空参数，从而支持改写并覆盖多样的句法实现。
• 该方法可通过逐步对齐模式，支持扩展至更多语言和句法类型（如从句和动名词）。

实验结果

研究问题

• RQ1 能否从双语FrameNet标注语料中自动提取共享抽象语法，以支持多语言自然语言处理应用？
• RQ2 模糊模式匹配在对齐英语与瑞典语FrameNet之间的语义和句法值结构模式方面效果如何？
• RQ3 所提取的语法在两种FrameNet语料中的例句覆盖程度如何？其覆盖上限是多少？
• RQ4 句法变异的引入如何影响覆盖度？精度与完整性的权衡如何？
• RQ5 该方法能否通过跨语言模式比较检测出FrameNet标注中的不一致或错误？

主要发现

• 提取的抽象语法包含769个共享语义-句法值结构模式，覆盖共享框架集中77.8%的英语FrameNet例句和74.9%的瑞典语FrameNet例句。
• 该语法以紧凑表示实现高覆盖度，表明少量模式即可捕捉大多数跨语言值结构模式。
• 模糊匹配使语义类型覆盖度提升10%，语义-句法类型覆盖度提升17%，对框架覆盖度有微小增益。
• 仅使用共享框架时，覆盖度上限为英语93.4%、瑞典语78%，表明大多数例句已由共享语义框架捕获。
• 该方法通过模式不匹配分析成功识别出两个FrameNet中的标注不当例句，提升了语料质量评估能力。
• 该语法具有鲁棒性与可扩展性，即使在增加非核心框架元素时也仅需极少扩展，且支持未来向更多语言和句法结构的扩展。