[论文解读] Synonymy = Translational Equivalence

Bradley Hauer, Grzegorz Kondrak|arXiv (Cornell University)|Apr 28, 2020

Natural Language Processing Techniques参考文献 25被引用 9

一句话总结

本文提出一个统一的理论框架，将同义性和翻译等价性视为语义同一性的形式，其基础是形式公理。该框架证明，同义性和翻译等价性意味着不同语言之间的同义词集（synsets）之间存在一一映射，从而引出概念普遍性原则——即所有语言中的词汇化概念必须以不同的、普遍对应的同义词集形式表示，以保持WordNet的完整性，对多语言资源构建和错误检测具有重要意义。

ABSTRACT

Synonymy and translational equivalence are the relations of sameness of meaning within and across languages. As the principal relations in wordnets and multi-wordnets, they are vital to computational lexical semantics, yet the field suffers from the absence of a common formal framework to define their properties and relationship. This paper proposes a unifying treatment of these two relations, which is validated by experiments on existing resources. In our view, synonymy and translational equivalence are simply different types of semantic identity. The theory establishes a solid foundation for critically re-evaluating prior work in cross-lingual semantics, and facilitating the creation, verification, and amelioration of lexical resources.

研究动机与目标

• 解决计算词汇语义学中同义性与翻译等价性缺乏正式框架的问题。
• 阐明WordNet及多WordNet中同义性（语言内）与翻译等价性（跨语言）之间的关系。
• 为多语言词汇资源的创建、验证与改进提供理论坚实的基础。
• 解决多WordNet构建中的开放问题，包括扩展模型与合并模型的争议以及词义粒度问题。
• 基于理论原则，开发一种错误检测与纠正算法，用于自动构建的词汇资源。

提出的方法

• 使用替换测试和等价关系形式化同义性与翻译等价性，将绝对同义性定义为等价关系。
• 将词义定义为基于意义的词项（word tokens）的划分，并确立同义或翻译等价的词义属于同一个多词义集（multi-synset）。
• 证明定理与推论，刻画同义词集及其跨语言映射的结构特性。
• 提出WordNet的二分图模型，其中节点为非空同义词集，边表示翻译等价性，确保每个节点的度数至多为一。
• 从公理推导出概念普遍性原则：一种语言中的每个词汇化概念必须精确对应另一种语言中的一个概念，要求对非重叠区分使用不同的同义词集。
• 设计一种错误检测与纠正算法，通过识别对理论框架的违反（尤其是版本管理问题）来标记词汇资源中的不一致。

实验结果

研究问题

• RQ1 在构建多WordNet时，应采用哪种模型——扩展模型还是合并模型——以保持同义词集的基本属性？
• RQ2 在不破坏WordNet中同义词集结构完整性的前提下，能否对细粒度词义进行聚类？
• RQ3 在多语言环境中扩展同义词集时，如何保持同义性？
• RQ4 能否从坚实的理论基础出发，推导出有效的错误检测算法，用于自动构建的词汇资源？
• RQ5 在不同WordNet之间存在精确同义词集匹配的情况下，这种现象在多大程度上能说明不同语言间词汇化概念的普遍性？

主要发现

• 同义性与翻译等价性被统一为语义同一性的类型，绝对同义性构成等价关系，将词语划分为语义等价类。
• 概念普遍性原则可从公理由逻辑推出：一种语言中的每个词汇化概念必须精确对应另一种语言中的一个概念，要求对非重叠区分使用不同的同义词集。
• 多WordNet构建的扩展模型保持了同义词集的基本属性，并在不同语言间支持一致的粒度水平，而合并模型则不具备此特性。
• 通过聚类产生的粗粒度词义清单违反了同义词集属性#2，该属性要求对非绝对同义对必须存在多个词义。
• 大多数看似违反理论定理的情况，实际上是由于词汇资源中的错误，尤其是版本管理问题，这些错误可通过所提出的算法检测并纠正。
• 该理论表明，若不违反WordNet的核心属性，词义粒度无法显著降低；多语言资源必须表示所有不同的词汇化概念，以维持正确性。