Gordana Ili_ Holen Institutt for lingvistiske fag Det historisk-filosofiske fakultet Universitetet i Oslo g.i.holen@hfstud.uio.no

Transkript

1 Binding av anaforer i norsk - et tidlig utkast Gordana Ili_ Holen Institutt for lingvistiske fag Det historisk-filosofiske fakultet Universitetet i Oslo g.i.holen@hfstud.uio.no Oversikt n Formålet med oppgaven: å lage anafor binding for pronomen i bokmål n Et tidlig utkast - det første kvartalet n Implementert i LISP Basert på Tilnærming n Mitkov's anaphora resolution system/ MARS (Mitkov 1996, 1998) og delvis på n Resolution of Anaphora Procedures/ RAP (Leass & Lappin 1994). MARS: Algoritmen 1. POS-tagge teksten 2. Ekstrahere NP-ene 3. Samle NP-er som kommer før pronomen (i et domene av to setninger) 4. Anvende genus- og tallføringer 5. Anvende antesedentindikatorer på antesedentkandidater som samsvarer i kjønn og tall. Tildele 2, 1, 0 eller -1 poeng

2 6. NP-en med høyest poengsum blir foreslått som antesedent Oslo-korpuset "<Førstebetjenten>" "førstebetjent" subst appell ent be "<kikket>" "kikke" verb tr11 "kikke" verb tr11 "kikke" verb i1 tr11 "kikke" verb i1 tr11 "kikk" subst appell ent be "<på>" "på" "<Anna>" "Anna" subst fem &person <person> Implementering - ord n Lese inn ord n Lagre det i et slikt format at vi har lett tilgang til både selve ordformen, lemmaet og de morfosyntaktiske taggene n Ha ekstra plass for ekstra informasjon Word: "<Førstebetjenten>" Features: "førstebetjent" subst appell ent be Extra features: "*profession* Word: "<kikket>" Features: (((( Extra features: NIL Word: "<på>" Features: "på" Extra features: NIL "kikke" verb tr11 "kikke" verb tr11 "kikke" verb i1 tr11 "kikke" verb i1 tr11 "kikk" subst appell ent be ) Word: "<Anna>" Features: "Anna" subst fem &person <person> Extra features: "*person-name*"

3 Implementering -setninger n Et setningsobjekt består av ordobjekt n Fra en setning er det direkte tilgang til to foregående setninger n Ca. 90% av antesedentene befinner seg i dette domenet n Domenestørrelsen kan revurderes MARS: Algoritmen 1. POS-tagge teksten 2. Ekstrahere NP-ene 3. Samle NP-er som kommer før pronomen (i et domene av to setninger) 4. Anvende genus- og tallføringer 5. Anvende antesedentindikatorer på antesedentkandidater som samsvarer i kjønn og tall. Tildele 2, 1, 0 eller -1 poeng 6. NP-en med høyest poengsum blir foreslått som antesedent Den første sil / Baseline n (Sannsynligvis) Alle anaforbindingssystemer n Anvendelse av genus- og tallføringer n Den groveste sil n Det mest produktive enkeltskritt (ca. 30%) n For norsk: Sjekk om det er en menneskelig aktør før vi sjekker genus og tall

4 Menneskelig aktør n Personnavn n Nasjonaliteter (Norsk språkråd), 437 ord n SIMPLE n 4 lister: Agent of persitent acitivity, 83 ord Agent of temporary acitivity, 185 ord Kinship, 50 ord Profession 598 ord n Tilsammen: 916 ord n Trenger forbedring Tall n Entall og flertall n Hovedregelen er at anaforen har samme tall som antesedenten n Unntak - entallsord som betegner grupper (familien, regjering) n Sannsynligvis samme type løsninger som for human-p (SIMPLE?) Genus (Bokmål) n Et sted mellom to- og trekjønnssystemet n Enten n hankjønn, hunkjønn og intetkjønn n eller n felleskjøn og intetkjønn n Må tas høyde for Genus (Nynorsk) n Et gjennomført trekjønnssystem n hankjønn, hunkjønn og intetkjønn n Pronomener han og ho refererer til både grammatisk og naturlig kjønn

5 Eksempler (nynorsk) Hent boka mi. Ho/ *Han ligg på bordet. Hent boka mi. Den ligger på bordet. Hent Anna. Ho ligg i senga. Hent Anna. Hun ligger i senga. Hent pianisten min. Ho/ Han har sovna. Hent pianisten min. Hun/ Han har sovnet. Førstebetjenten kikket på Anna og fortsatte å lese i boka. Hun virket ikke særlig bekymret. Førsttebettjjentten kikket på Anna og fortsatte å lese i boka. Hun virket ikke særlig bekymret. Førstebetjenten kikket på Anna og fortsatte å lese i boka. Hun virket ikke særlig bekymret.

6 Word: "<Førstebetjenten>" Features: "førstebetjent" subst appell ent be Extra features: "*profession* Word: "<kikket>" Features: (((( Extra features: NIL Word: "<på>" Features: "på" Extra features: NIL "kikke" verb tr11 "kikke" verb tr11 "kikke" verb i1 tr11 "kikke" verb i1 tr11 "kikk" subst appell ent be ) Word: "<Anna>" Features: "Anna" subst fem &person <person> Extra features: "*person-name*" Word: "<Førstebetjenten>" Features: "førstebetjent" subst appell ent be Extra features: "*profession* Word: "<Anna>" Features: "Anna" subst fem &person <person> Extra features: "*person-name*" Word: "<Førstebetjenten>" Features: "førstebetjent" subst appell ent be Extra features: "*profession* Word: "<Anna>" Features: "Anna" subst fem &person <person>

7 Extra features: "*person-name*" MARS: Algoritmen 1. POS-tagge teksten 2. Ekstrahere NP-ene 3. Samle NP-er som kommer før pronomen (i et domene av to setninger) 4. Anvende genus- og tallføringer 5. Anvende antesedentindikatorer på antesedentkandidater som samsvarer i kjønn og tall. Tildele 2, 1, 0 eller -1 poeng 6. NP-en med høyest poengsum blir foreslått som antesedent MARS: Antecedent indicators (boosting) n First noun phrases +1 n Indicating verbs +1 n Lexical reiteration +2 / +1 n Section heading preference +1 n Collocation match +2 n Immediate reference +2 n Sequential instructions +2 n Term preference +2 MARS: Antecedent indicators (boosting) n Subject NP +1 n Indicating verbs +1 n Lexical reiteration +2 / +1 n Section heading preference +1 n Collocation match +2 n Immediate reference +2 n Sequential instructions +2 n Term preference +2

8 Førstebetjenten +1 kikket på Anna og fortsatte å lese i boka. Hun virket ikke særlig bekymret. MARS: Antecedent indicators (impeding) n Indefiniteness -1 n Prepositional NPs -1 Førstebetjenten +1 kikket på Anna -1 og fortsatte å lese i boka. Hun virket ikke særlig bekymret. Førstebetjenten kikket på Anna og fortsatte å lese i boka. Hun virket ikke særlig bekymret. Basert på Tilnærming n Mitkov's anaphora resolution system/ MARS (Mitkov 1996, 1998) og delvis på n Resolution of Anaphora Procedures/ RAP (Leass & Lappin 1994).

9 n Saliensfaktorer RAP: Saliensvekting n NP-er i samme setning 100 n Subjekt 80 n NP-er som ikke er del av en annen NP 80 n NP-er introduserte ved setningskløyving 70 n Direkte objekt 50 n Ikke-adverbiale NP-er 50 n NP-er som er indirekte objekt og andre oblike komponenter 40 Veien videre n Anvende antesedent- og saliensfaktorene n Kombinere dem slik at de blir best mulig tilpasset norsk n Utvide antall anaforer systemet kan behandle Anaforene n Han/ ham/ hans og hun/ henne/ hennes n Seg og selv n Den n De n Det SLUTT Åpen for forslag g.i.holen@hfstud.uio.no

10