[论文解读] Learning Transformation Rules to Find Grammatical Relations

Lisa Ferro, Marc Vilain+1 more|ArXiv.org|Jun 14, 1999

Natural Language Processing Techniques参考文献 17被引用 12

一句话总结

本文提出了一种可训练的、基于错误驱动的方法，通过学习转换规则来识别句子中的语法关系，而无需完整解析。通过应用一系列句法转换，该方法在标准测试集上实现了69.8%的F值（召回率63.6%，精确率77.3%），展示了作为传统解析在语法关系抽取中的一种有效替代方案。

ABSTRACT

Grammatical relationships are an important level of natural language processing. We present a trainable approach to find these relationships through transformation sequences and error-driven learning. Our approach finds grammatical relationships between core syntax groups and bypasses much of the parsing phase. On our training and test set, our procedure achieves 63.6% recall and 77.3% precision (f-score = 69.8).

研究动机与目标

• 开发一种可训练的方法，用于在不依赖完整句法解析的情况下识别句子中的语法关系。
• 通过使用转换序列减少对复杂句法分析的依赖，以推断语法角色。
• 通过基于错误驱动的学习提高语法关系检测的准确性和效率。
• 在标准的CoNLL-99数据集上评估该方法，以实现跨系统的比较。
• 证明基于转换的学习方法在语法关系抽取中可实现具有竞争力的性能。

提出的方法

• 该方法使用一系列句法转换规则来重构句子，以揭示潜在的语法关系。
• 转换规则通过基于错误驱动的学习过程进行学习，根据误分类样例调整规则。
• 系统在核心句法组（如主语、宾语）上操作，而非完整的句法树，从而简化任务。
• 规则被迭代应用，将输入句子转换为语法关系更易识别的形式。
• 学习算法使用类似感知机的更新规则，根据预测误差来优化规则权重。
• 该方法在CoNLL-99数据集上进行训练和测试，使用一组固定的转换模板。

实验结果

研究问题

• RQ1 是否可以有效学习转换规则，在无需完整解析的情况下识别语法关系？
• RQ2 基于错误驱动的学习如何提升句法转换系统中语法关系检测的准确性？
• RQ3 与传统解析相比，基于规则的转换序列可实现何种性能？
• RQ4 在多大程度上可以通过逐步的句法重写推断语法关系？
• RQ5 该方法在不同句子结构和句法变化下的鲁棒性如何？

主要发现

• 该系统在CoNLL-99测试集上实现了69.8%的F值，召回率为63.6%，精确率为77.3%。
• 该方法通过聚焦于转换序列，成功避免了对完整句法解析的需求。
• 基于错误驱动的学习使系统能够改进规则选择，并在迭代过程中减少误分类。
• 尽管简化了句法分析过程，该方法仍表现出色。
• 结果表明，基于转换的学习是传统解析在语法关系抽取中的一种可行替代方案。
• 该方法在标准基准上进行了评估，证实其与当时现有方法具有竞争力。