[论文解读] XTAG system - A Wide Coverage Grammar for English

Christy Doran, Dania Egedi+3 more|ArXiv.org|Oct 20, 1994

Natural Language Processing Techniques参考文献 7被引用 15

一句话总结

本文提出 XTAG 系統，一個基於詞彙化樹-附加語法（LTAG）的廣泛覆蓋英語語法，整合了詞形分析器、詞性標註器以及具備特徵結構的 Earley 式解析器。該系統在 IBM 手動句子語料上達到 84.32% 的召回率與 59.28% 的精確率，透過啟發式法與統計剪枝技術提升性能，展現出在詞彙化形式下的句法解析有效性。

ABSTRACT

This paper presents the XTAG system, a grammar development tool based on the Tree Adjoining Grammar (TAG) formalism that includes a wide-coverage syntactic grammar for English. The various components of the system are discussed and preliminary evaluation results from the parsing of various corpora are given. Results from the comparison of XTAG against the IBM statistical parser and the Alvey Natural Language Tool parser are also given.

研究动机与目标

• 開發一套基於詞彙化樹-附加語法（LTAG）形式化的廣泛覆蓋英語句法語法。
• 設計一個語法開發系統，透過整合詞形分析與詞性標註等模組，實現高效解析。
• 對照既有的解析器（如 IBM 的統計解析器與 Alvey 自然語言工具）評估系統性能。
• 探討啟發式法與統計剪枝方法對減少解析歧義與提升解析速度的影響。

提出的方法

• 系統使用雙階段 Earley 式解析器，首先根據詞彙項目選擇基本語樹，再透過取代與附加運算進行組合。
• 詞形分析器從約 317,000 條目之資料庫中擷取詞幹形式與屈折特徵（例如時態、格），存取時間為 0.6ms。
• 以《華爾街日報》語料訓練的三元語料詞性標註器，擴充為輸出 N 個最佳詞性序列，減少歧義並使解析速度提升 93%。
• 啟發式法依結構偏好對解析結果排序，例如偏好論元位置而非修飾語位置，並偏好形容詞與副詞的右分支結構。
• 統計資料庫（Lex Prob DB）儲存從解析語料中取得的語樹頻率資料，用於優先選擇可能的語樹結構，縮小搜尋空間。
• 衍生樹結構（捕捉依存關係）作為主要表示方式，括號化解析樹則由此衍生。

实验结果

研究问题

• RQ1 XTAG 系統在使用詞彙化樹-附加語法解析廣泛覆蓋英語句子方面有多有效？
• RQ2 啟發式法與統計剪枝在多大程度上提升解析效率與準確率？
• RQ3 XTAG 在標準語料上與 IBM 統計解析器及 Alvey 自然語言工具相比，性能表現如何？
• RQ4 為何標準的交叉括號評估指標對評估 XTAG 的豐富衍生結構而言不夠充分？

主要发现

• XTAG 在 67 個手動標註的 IBM 句子上達成 80% 召回率與 59.28% 精確率，且因詞性標註使解析時間減少 93%。
• 啟發式法與統計剪枝使解析時間減少約 87%，透過過濾不合理的語樹組合實現。
• 與 Alvey 解析器比較 143 個 LDOCE 名詞片語時，XTAG 在未使用詞性標註器的情況下達成 86.71% 成功率（前三名衍生結果），使用後則為 65.03%，顯示性能上的權衡。
• 交叉括號指標低估 XTAG 的表現，因其未能考慮更豐富的衍生樹結構，而此結構能比單純括號化更準確捕捉詞語依存關係。
• XTAG 系統的衍生樹可對相同括號化形式表現不同結構衍生路徑，強調評估方法應優先考量衍生過程而非表面括號化。