[论文解读] Parsing syllables: modeling OT computationally

Michael Hammond|arXiv (Cornell University)|Oct 14, 1997

Natural Language Processing Techniques参考文献 1被引用 51

一句话总结

本文提出了一种计算高效的音系理论（OT）音部解析方法，通过避免假设性元音插入与删除，采用循环约束评估和局部候选编码，实现了相较于先前方法的指数级速度提升。基于Prolog的实现方案对 *COMPLEX、PARSE、ONSET 和 NOCODA 等关键约束进行了新颖的重新表述，为音部解析提供了一个可运行的模型。

ABSTRACT

In this paper, I propose to implement syllabification in OT as a parser. I propose several innovations that result in a finite and small candidate set. The candidate set problem is handled with several moves: i) MAX and DEP violations are not hypothesized by the parser, ii) candidates are encoded locally, and iii) EVAL is applied constraint by constraint. The parser I propose is implemented in Prolog. It has a number of desirable consequences. First, it runs and thus provides an existence proof that syllabification can be implemented in OT. There are a number of other desirable consequences as well. First, constraints are implemented as finite-state transducers. Second, the parser makes several interesting claims about the phonological properties of so-called nonrecoverable insertions and deletions. Third, the implementation suggests some particular reformulations of some of the benchmark constraints in the OT arsenal, e.g. *COMPLEX, PARSE, ONSET, and NOCODA.

研究动机与目标

• 通过重新思考候选生成与约束评估的核心假设，解决OT解析的计算不可行性问题。
• 将人类类似的音部化过程建模为解析过程，而非基于规则的转换。
• 证明OT可作为有限、高效的解析器，利用Prolog与有限状态转换器实现。
• 以符合计算效率与语言合理性的形式，重新表述ONSET与NOCODA等关键OT约束。
• 提供存在性证明，表明OT可被实现为一种实用的、可运行的音系结构解析系统。

提出的方法

• 解析器避免假设MAX与DEP违规，从而无需评估元音插入与删除候选。
• 候选以局部方式编码，即每个候选由其当前结构状态表示，无需存储完整的候选集合。
• 约束评估（EVAL）采用循环方式，逐个约束进行，显著降低计算开销。
• GEN通过有限状态转换器实现，从而系统且高效地生成音部化候选。
• 解析器采用从左到右的扫描机制，并基于约束等级动态选择候选。
• 系统逐步应用约束层级，在每一步中剔除劣质候选，以保持最小且最优的候选集合。

实验结果

研究问题

• RQ1 能否在不生成所有可能候选的前提下，将音系理论（OT）实现为有限状态、计算高效的音部解析器？
• RQ2 如何放松标准OT中普遍候选集生成的假设，以提升计算性能？
• RQ3 在计算受限的解析框架下，ONSET与NOCODA等核心约束会如何被重新表述？
• RQ4 避免显式建模MAX与DEP违规，是否能产生更具语言合理性和计算可行性的解析模型？
• RQ5 循环约束评估与局部候选编码是否能在实现与完整候选集评估相同最优结果的同时，实现指数级时间节省？

主要发现

• 解析器成功在Prolog中实现了OT音部解析，为计算OT解析提供了可运行的存在性证明。
• 通过在候选生成中排除MAX与DEP违规，解析器避免了候选空间的指数级膨胀，实现了指数级时间节省。
• 与对所有候选进行顺序评估相比，循环约束评估显著减少了处理时间。
• 该模型表明，*COMPLEX、PARSE、ONSET与NOCODA等约束应被重新表述为反映局部、渐进式评估，而非全局比较。
• 实现表明，GEN可被建模为有限状态转换器，从而实现高效且系统的候选生成。
• 解析器无需依赖从左到右的处理方向，表明该算法可被实现为与处理顺序无关的形式。