[论文解读] The Grammar of Sense: Is word-sense tagging much more than part-of-speech tagging?

Yorick Wilks, Mark Stevenson|ArXiv.org|Jul 26, 1996

Natural Language Processing Techniques参考文献 15被引用 57

一句话总结

本文提出了一种高精度、低复杂度的大规模词义标注（LAST）方法，仅使用朗文当代英语词典（LDOCE）中的词性（POS）标签，对开放类词实现了92%的成功率。结果表明，仅靠词性信息即可捕捉到大量词义差异，尤其是在同形异义词层面，为无需大量世界知识或复杂模型的词义消歧提供了计算高效的基线方法。

ABSTRACT

This squib claims that Large-scale Automatic Sense Tagging of text (LAST) can be done at a high-level of accuracy and with far less complexity and computational effort than has been believed until now. Moreover, it can be done for all open class words, and not just carefully selected opposed pairs as in some recent work. We describe two experiments: one exploring the amount of information relevant to sense disambiguation which is contained in the part-of-speech field of entries in Longman Dictionary of Contemporary English (LDOCE). Another, more practical, experiment attempts sense disambiguation of all open class words in a text assigning LDOCE homographs as sense tags using only part-of-speech information. We report that 92% of open class words can be successfully tagged in this way. We plan to extend this work and to implement an improved large-scale tagger, a description of which is included here.

研究动机与目标

• 探究仅靠词性标注是否能实现高精度的大规模词义标注（LAST），挑战认为词义消歧需要复杂世界知识或丰富上下文的假设。
• 评估LDOCE中词义差异在词目条目词性字段中的编码程度，特别是针对同形异义词。
• 证明基于词性的简单、计算高效的词义标注方法可在所有开放类词上实现高覆盖率和高准确率，而不仅限于特定词对。
• 为多源、基于流水线的词义消歧系统奠定基础，整合词性、语用编码、例句及优化技术。

提出的方法

• 该方法仅以朗文当代英语词典（LDOCE）条目中的词性（POS）标签作为为文本中词语分配词义标签的唯一信息来源。
• 将LDOCE中的同形异义词——即具有多个独立条目的词语——视为词义标签，假设每个词性标签对应一个独立的词义。
• 该方法对文本中所有开放类词进行词性标注，并将每个词语的词性映射到其对应的LDOCE词义条目，从而通过词性实现词义标注。
• 该方法在语料库上进行了评估，仅使用词性信息即成功标注了92%的开放类词，表明LDOCE中词性与词义差异之间存在强对应关系。
• 作者提出一种流水线扩展，整合额外信息源：LDOCE语用编码、例句作为搭配相关特征，以及模拟退火算法以优化Lesk启发式方法。
• 该系统设计用于集成至GATE（通用文本工程架构）框架中，以支持可扩展的多源词义消歧。

实验结果

研究问题

• RQ1 仅靠词性标注是否能在所有开放类词上实现高精度的大规模词义标注，而无需依赖复杂上下文或世界知识？
• RQ2 LDOCE中的词义差异在词目条目词性字段中编码的程度如何，特别是针对同形异义词？
• RQ3 LDOCE中的同形异义词层面的词义差异是否与词性高度一致，使得词性标注可作为词义消歧的可靠代理？
• RQ4 基于词性的简单方法是否能在覆盖率和准确率上优于或匹配更复杂的方法，同时显著降低计算开销？

主要发现

• 该方法仅使用LDOCE条目中的词性信息，即在文本中所有开放类词的词义标注上实现了92%的准确率。
• 该结果表明，LDOCE中大量词义差异——尤其在同形异义词层面——已由词性标签所捕捉。
• 该方法表明，仅需极低计算开销即可实现高覆盖率、高准确率的词义标注，挑战了词义消歧必须依赖复杂模型或世界知识的假设。
• 作者得出结论：基于词性的标注为词义消歧提供了强大且低层级的基础，通过将粗粒度词义差异与细粒度语义推理分离，有效划清了自然语言处理与人工智能核心领域的界限。
• 该方法支持了词义差异可客观地基于语言结构实现，特别是在与词典构建的同形异义词对齐时。
• 作者计划通过在GATE框架中整合多种信息源——语用编码、例句及优化启发式方法——进一步扩展该方法以提升准确率。