[论文解读] TuLiPA: Towards a Multi-Formalism Parsing Environment for Grammar Engineering

Laura Kallmeyer, Timm Lichte+4 more|ArXiv.org|Jul 23, 2008

Natural Language Processing Techniques参考文献 12被引用 4

一句话总结

TuLiPA 是一个开源的多形式化语法解析环境，采用范围连接语法（RCG）作为中间形式化语言，支持对弱上下文有关形式化语言（如树 adjoining grammar, TAG）和带树组的多组件TAG（TT-MCTAG）进行解析。该系统支持句法与语义解析，集成语义演算与依存关系抽取，并通过基于Eclipse的工具实现可扩展、模块化的架构，用于开发德语语法。

ABSTRACT

In this paper, we present an open-source parsing environment (Tuebingen Linguistic Parsing Architecture, TuLiPA) which uses Range Concatenation Grammar (RCG) as a pivot formalism, thus opening the way to the parsing of several mildly context-sensitive formalisms. This environment currently supports tree-based grammars (namely Tree-Adjoining Grammars, TAG) and Multi-Component Tree-Adjoining Grammars with Tree Tuples (TT-MCTAG)) and allows computation not only of syntactic structures, but also of the corresponding semantic representations. It is used for the development of a tree-based grammar for German.

研究动机与目标

• 为自然语言处理中多种形式化语言之间的语法工程缺乏统一框架的问题提供解决方案。
• 通过模块化、可扩展的架构，实现高效解析与句法及语义资源的开发。
• 在单一解析流水线中支持语义演算与依存关系抽取的集成。
• 通过用户友好的基于Eclipse的界面与可扩展性，促进大规模语法开发。
• 支持未来对语法演进与鲁棒性的离线编译与回归测试。

提出的方法

• 使用现有的转换算法，将基于树的语法（TAG 与 TT-MCTAG）转换为等价的范围连接语法（RCG）。
• 使用扩展的 RCG 解析算法对输入字符串进行解析，该算法具有多项式时间复杂度。
• 解释 RCG 推导结构，以在原始语法形式化语言中重建句法推导与生成的树。
• 扩展内部树对象，以携带语义公式，并在推导解释过程中传播特征统一。
• 通过基于特征的统一实现语义演算，将句法节点与带有同标号变量的语义公式关联。
• 利用 Eclipse 平台构建基于插件的界面，用于语法与词典编辑，支持视图关联与导航。

实验结果

研究问题

• RQ1 如何设计一个统一的解析环境，以支持多种弱上下文有关形式化语言？
• RQ2 范围连接语法（RCG）在多形式化语法工程中作为中间形式化语言的可行性如何？
• RQ3 如何在多形式化解析流水线中一致地计算并集成语义表示？
• RQ4 在线将语法编译为 RCG 与离线编译之间在性能与可扩展性方面存在哪些权衡？
• RQ5 用户友好的可扩展界面如何支持大规模语法开发与调试？

主要发现

• TuLiPA 成功通过 RCG 作为中间形式化语言，支持对树邻接语法（TAG）和带树组的多组件TAG（TT-MCTAG）的解析。
• 该系统通过基于特征的统一实现语义演算，生成与句法树关联的连贯语义公式。
• 对于包含约300组树与约300个词目条目的 TT-MCTAG 语法，10个词的句子可在数秒内完成解析与语义处理。
• 该架构通过模块化设计支持可扩展性，可集成语义处理、依存关系抽取与可视化功能。
• 基于 Eclipse 的插件使用支持语法、词典与解析结果之间的关联编辑与导航，显著提升可用性。
• 未来工作包括对 RCG 进行离线编译以提升可扩展性，并通过测试集快照添加回归测试功能。