[论文解读] Presenting Punctuation

Michael White|ArXiv.org|Jun 10, 1995

Discourse Analysis in Language StudiesArts and Humanities参考文献 9被引用 21

一句话总结

本文提出了一种在自然语言生成（NLG）中实现标点符号的分层方法，扩展了Nunberg（1990）在意义-文本框架内对标点符号吸收与转置的理论。该研究引入了一套结构化模型，将标点符号与格式化处理为句法与词法特征，通过特征传播与图形渲染实现稳健的、基于规则的生成，关键结果表明该方法能一致处理复杂情形，如嵌套引号、破折号及逗号吸收。

ABSTRACT

Until recently, punctuation has received very little attention in the linguistics and computational linguistics literature. Since the publication of Nunberg's (1990) monograph on the topic, however, punctuation has seen its stock begin to rise: spurred in part by Nunberg's ground-breaking work, a number of valuable inquiries have been subsequently undertaken, including Hovy and Arens (1991), Dale (1991), Pascual (1993), Jones (1994), and Briscoe (1994). Continuing this line of research, I investigate in this paper how Nunberg's approach to presenting punctuation (and other formatting devices) might be incorporated into NLG systems. Insofar as the present paper focuses on the proper syntactic treatment of punctuation, it differs from these other subsequent works in that it is the first to examine this issue from the generation perspective.

研究动机与目标

• 为解决NLG系统中对标点符号缺乏句法处理的问题，特别是缺乏对标点符号结构性作用的正式机制。
• 从NLG生成的角度，评估并改进Nunberg（1990）关于标点符号吸收与转置的论述。
• 开发一种分层模型，将标点符号与格式化整合进句法与词法实现流程。
• 展示如何通过特征结构与基于规则的传播，系统化地实现标点现象（如逗号吸收、括号吸收与引号转置）。
• 在CoGenTex核心生成器中实现该模型，采用意义-文本框架，确保与现有NLG架构的兼容性。

提出的方法

• 采用五级分层架构：话语句法表征（DSyntR）、表层句法表征（SSyntR）、话语词法表征（DMorphR）、表层词法表征（SMorphR）与话语图形表征（DGraphR）。
• 将标点符号与格式化作为附加至句法节点的特征建模（例如，[btw:comma]、[btw:dash]、[font:ital]），并区分短语与词汇属性。
• 应用基于规则的传播机制：例如，规则在描述性属性周围插入逗号，除非被更强的标点符号（如破折号）覆盖。
• 通过强度层级处理点号吸收：句号 > 破折号 > 分号 > двоеточие > 逗号，相邻点号根据优先级吸收。
• 应用引号转置规则，根据美式排版惯例，将逗号与句号移至引号内或外。
• 使用默认特征插入（如为描述性属性插入逗号），并应用图形渲染规则生成最终的DGraphR，包括括号与格式化。

实验结果

研究问题

• RQ1 如何在生成框架内对吸收与转置等标点现象进行形式化建模？
• RQ2 Nunberg（1990）关于标点的非形式化概括在计算NLG系统中能在多大程度上实现？
• RQ3 如何通过实现流程中的结构设计最小化或避免规则应用顺序？
• RQ4 标点符号与格式化能否统一视为句法与词法特征，而非后期处理惯例？
• RQ5 如何一致实现涉及嵌套括号、引号与多重标点符号的复杂情形？

主要发现

• 所提出的模型通过结构化、基于规则的方式应用吸收与转置规则，成功处理了复杂标点情形，如（5.11）中的嵌套括号与破折号。
• 该模型表明，逗号吸收可通过强度层级（句号 > 破折号 > 冒号 > 分号 > 逗号）建模，且仅取决于相邻关系，与作用域或词序无关。
• 系统正确实现了引号转置，如（5.22）与（5.23）所示，当存在破折号时，引述子句后的逗号被抑制，避免生成不合语法的输出。
• 使用特征结构（如[btw:comma]、[btw:dash]）可精确控制标点符号位置，且默认规则在未被覆盖时会为描述性属性触发逗号。
• 工作示例（9）展示了从DSyntR到DGraphR的完整正确实现路径，包括对嵌套引号、括号、斜体及标点吸收的恰当处理。
• 该模型通过将强度层级直接嵌入特征结构与渲染流程，避免了任意的规则排序，减少了对外部排序机制的依赖。