[论文解读] Extraction of semantic relations from a Basque monolingual dictionary using Constraint Grammar

Eneko Agirre, Olatz Ansa+7 more|ArXiv.org|Oct 17, 2000

Natural Language Processing Techniques参考文献 8被引用 9

一句话总结

本文提出了一种基于约束语法的方法，用于半自动提取巴斯克语单语词典中的语义关系，如同义、反义、上下位关系和派生关系。通过结合形态分析与表层句法解析，该系统在动词定义上的覆盖率达到92.2%，提取了42,533条关系，错误率仅为2.2%，显著提升了巴斯克词彙数据库的质量。

ABSTRACT

This paper deals with the exploitation of dictionaries for the semi-automatic construction of lexicons and lexical knowledge bases. The final goal of our research is to enrich the Basque Lexical Database with semantic information such as senses, definitions, semantic relations, etc., extracted from a Basque monolingual dictionary. The work here presented focuses on the extraction of the semantic relations that best characterise the headword, that is, those of synonymy, antonymy, hypernymy, and other relations marked by specific relators and derivation. All nominal, verbal and adjectival entries were treated. Basque uses morphological inflection to mark case, and therefore semantic relations have to be inferred from suffixes rather than from prepositions. Our approach combines a morphological analyser and surface syntax parsing (based on Constraint Grammar), and has proven very successful for highly inflected languages such as Basque. Both the effort to write the rules and the actual processing time of the dictionary have been very low. At present we have extracted 42,533 relations, leaving only 2,943 (9%) definitions without any extracted relation. The error rate is extremely low, as only 2.2% of the extracted relations are wrong.

研究动机与目标

• 将词汇意义、定义和语义关系等语义信息丰富至巴斯克词彙数据库（EDBL）。
• 开发一种可扩展、低投入的方法，用于从巴斯克语等高度屈折的语言中提取语义关系。
• 实现从单语词典资源自动构建词彙知识库。
• 通过结构化方式链接相关词汇（如同义词、上下位词、派生形式）来提升词典的可用性。
• 通过增强的词彙资源支持巴斯克语未来的自然语言处理任务。

提出的方法

• 使用限定子句语法解析 Euskal Hiztegia 词典，依据 TEI 指南对词条进行结构化处理。
• 应用 MORFEUS（一种稳健的形态句法分析器）对定义中的形态形式进行分词和词性标注。
• 使用约束语法进行表层句法解析，以识别指示语义关系的句法模式。
• 将关系分类为三种类型：同义、上下位关系（通过“属+差异”模式识别）以及由特定关系标记词标示的关系。
• 通过识别连接词头与词根形式的派生后缀来处理派生关系。
• 通过在名词、动词和形容词定义中进行人工抽样和错误分析来验证结果。

实验结果

研究问题

• RQ1 如何利用表层句法模式可靠地从巴斯克语单语词典中提取语义关系？
• RQ2 约束语法与形态分析在多大程度上能够处理巴斯克语的高屈折复杂性？
• RQ3 该方法在巴斯克语不同词类上的关系提取覆盖率与准确率如何？
• RQ4 该方法在识别词头与词根形式之间派生关系方面的有效性如何？
• RQ5 该方法是否可扩展至以极少人工投入的方式丰富大型词彙数据库？

主要发现

• 系统从巴斯克语单语词典中提取了42,533条语义关系，仅有2.943（9%）条定义未提取到任何关系。
• 整体错误率较低，仅为2.2%，其中动词关系提取的覆盖率达93.6%，错误率仅为0.8%。
• 名词关系的正确率高达95.0%，错误率为0.0%。
• 上下位关系提取的覆盖率为92.3%，错误率为1.4%，表明在“属+差异”模式上的表现强劲。
• 派生关系提取的覆盖率较低，仅在92个抽样派生词头中正确处理了47个，主要原因是词彙数据库中派生后缀的覆盖有限。
• 尽管巴斯克语形态复杂，该方法仍表现出高度效率，规则开发与处理时间均极少。