[论文解读] Towards a Heuristic Categorization of Prepositional Phrases in English with WordNet

Frank Rudzicz, Serguei A. Mokhov|arXiv (Cornell University)|Feb 4, 2010

Natural Language Processing Techniques参考文献 11被引用 5

一句话总结

本文提出了一种基于规则的启发式系统，利用 WordNet 和句法解析自动对英语介词短语（PPs）进行分类。该系统在 PP 检测中达到 86.4% 的 F-measure，对方向性 PPs 的 F-measure 最高可达 89.0%，表明仅使用少量词汇和句法资源即可实现 PP 的语义分类，尤其在高频关系（如处所和方向性 PPs）上表现良好。

ABSTRACT

This document discusses an approach and its rudimentary realization towards automatic classification of PPs; the topic, that has not received as much attention in NLP as NPs and VPs. The approach is a rule-based heuristics outlined in several levels of our research. There are 7 semantic categories of PPs considered in this document that we are able to classify from an annotated corpus.

研究动机与目标

• 解决自然语言处理中对介词短语自动语义分类研究不足的问题。
• 开发一种多级启发式系统，逐步为句法检测到的 PPs 添加语义角色标注和依存关系智能分析。
• 评估仅使用 WordNet 和基于规则的启发式方法进行 PPs 语义分类的可行性，而无需大规模标注语料库。
• 通过迭代优化语法规则和预处理步骤，提升 PP 检测和分类的准确性。
• 为未来基于统计和词汇资源的 PP 依存关系分析与更深层次的语义分析奠定基础。

提出的方法

• 使用 Scheme 语言实现的 Earley 解析器，基于上下文无关文法（CFG）解析器，从词性标注的文本中检测最小介词短语。
• 系统应用基于规则的启发式方法，根据介词及其补足名词的特征，为检测到的 PPs 标注语义角色（如处所、时间、方向等）。
• 采用四级架构：第 0 级检测句法上的 PPs；第 1 级分配语义角色标签；第 2 级通过浅层启发式方法解决依存歧义；第 3 级利用 WordNet 和词汇知识进行更深层次的语义分析。
• 通过将介词及其宾语映射到语义关系，WordNet 被用于增强语义角色检测，从而提高分类准确性。
• 系统在每个阶段使用精确率、召回率和 F-measure（β=1）评估性能，并通过迭代规则优化提升结果。
• 应用预处理步骤以修正 WSJ 文本中的标注错误，特别是标题部分和受标点符号影响的句末，以减少误报。

实验结果

研究问题

• RQ1 仅使用 WordNet 和句法解析，基于规则的启发式系统能否有效将介词短语分类为语义角色？
• RQ2 通过语法规则优化和预处理，最小 PPs 的句法检测性能能提升到何种程度？
• RQ3 启发式规则在区分高频语义类别（如处所、时间、方向性 PPs）方面的表现如何？
• RQ4 词汇知识（通过 WordNet 提供）对 PPs 语义分类准确率有何影响？
• RQ5 该系统能否在不依赖大规模标注数据集的情况下，实现 PP 检测和分类的高精确率与高召回率？

主要发现

• 经过迭代优化规则和预处理步骤后，系统在最小介词短语检测中的最终 F-measure 达到 86.4%，精确率为 85.0%，召回率为 87.8%。
• 方向性 PPs 的 F-measure 最高，达到 89.0%，表明该语义类别表现优异。
• 处所 PPs 的 F-measure 为 88.3%，召回率为 87.1%，精确率为 89.5%，显示出极高的分类准确性。
• 方式 PPs 是最富挑战性的类别，F-measure 仅为 63.1%，召回率为 65.4%，精确率为 60.7%，主要由于更高的歧义性和多义性。
• 所有七个语义类别整体分类的 F-measure 为 81.5%，召回率为 79.4%，精确率为 83.5%，表明该启发式系统表现稳健。
• 研究证实，仅使用少量语法规则和极少的词汇资源，即可在 PP 检测中实现高准确率，验证了 PPs 句法结构的简洁性。