[论文解读] Marking-up multiple views of a Text: Discourse and Reference

Dan Cristea, Nancy Ide+1 more|ArXiv.org|Sep 15, 2009

Multi-Agent Systems and Negotiation参考文献 13被引用 3

一句话总结

本文提出了一种基于TEI和CES的编码方案，用于在单个文本中表示多种话语和指代视角，从而实现话语连贯性的结构化分析。该方案整合了一套支持Veins理论的工具架构，展示了多视角标记如何通过标准化、可扩展的标记方式增强话语分析。

ABSTRACT

We describe an encoding scheme for discourse structure and reference, based on the TEI Guidelines and the recommendations of the Corpus Encoding Specification (CES). A central feature of the scheme is a CES-based data architecture enabling the encoding of and access to multiple views of a marked-up document. We describe a tool architecture that supports the encoding scheme, and then show how we have used the encoding scheme and the tools to perform a discourse analytic task in support of a model of global discourse cohesion called Veins Theory (Cristea & Ide, 1998).

研究动机与目标

• 开发一种标准化、可扩展的方法，用于在单个文本中编码多种话语和指代视角。
• 通过支持对文本结构不同视角的结构化访问，促进话语分析任务的开展。
• 将编码方案与工具架构集成，以实现实际的标注与分析。
• 通过在Veins理论（一种全局话语连贯性模型）中的应用，验证该方法的有效性。
• 展示在语言学语料库中，利用TEI和CES指南实现多视角标记的可行性。

提出的方法

• 作者基于语料编码规范（CES）设计了一种数据架构，用于在单个文档中表示话语和指代的多种视角。
• 扩展了文本编码倡议（TEI）指南，以支持话语关系和指代链的结构化标记。
• 实现了一套专用的工具架构，以促进多视角标注的创建、存储和查询。
• 该方法实现了在同一个文档实例中独立但共存的话语结构与指代追踪编码。
• 系统支持版本控制和模块化标注，使不同分析人员可无冲突地处理不同视角。
• 通过将该方法应用于基于Veins理论的话语连贯性分析，对框架进行了评估。

实验结果

研究问题

• RQ1 如何在单一文本表示中编码多种共存的话语和指代视角？
• RQ2 哪些架构原则能够实现跨不同话语维度的可扩展且互操作的标记？
• RQ3 工具架构如何支持多视角话语标注的创建与查询？
• RQ4 该方法在多大程度上能增强对全局话语连贯性的分析？
• RQ5 TEI和CES标准的整合能否在语言学语料库中实现可扩展且可重用的话语标记？

主要发现

• 所提出的编码方案成功支持在单个文本实例中表示多种独立的话语和指代视角。
• 基于CES的数据架构实现了话语元素的结构化、模块化和版本化标注。
• 工具架构促进了协作式和可扩展的标注，支持复杂的话语分析任务。
• 该方法在基于Veins理论的话语连贯性分析中得到有效应用，证明其在理论话语建模中的实用性。
• TEI与CES的整合为多视角语言学标注提供了稳健且符合标准的基础。
• 该系统支持对话语结构和指代关系的细粒度访问，支持高级语言学分析。