Upload
thalia
View
29
Download
0
Embed Size (px)
DESCRIPTION
Know T2. P rocesadores lingüísticos UPV/EHU. Know.Tarea 2. PROCESADORES LINGÜÍSTICOS. - PowerPoint PPT Presentation
Citation preview
1
KnowT2. Procesadores
lingüísticosUPV/EHU
2
Know.Tarea 2. PROCESADORES LINGÜÍSTICOS
“UB reunirá los procesadores lingüísticos existentes para cada una de las lenguas de KNOW, y abordará el desarrollo del eslabón perdido: analizadores sintácticos de amplia cobertura para el español, catalán y euskera. Además, este subproyecto adquirirá modelos verbales, que son indispensables para dar coherencia a los análisis sintácticos y permiten la interpretación semántica.”
3
Know: Objetivos T2Recursos Lingüísticos básicos. Adaptación,
recopilación y enriquecimiento de las herramientas y recursos lingüísticos básicos disponibles para todas las tareas del proyecto. Esto incluye:
Identificación de las unidades y límites oracionales Análisis morfológico Tratamiento de entidades referenciales Análisis sintáctico parcial Subcategorización y patrones de diátesis Análisis sintáctico profundo automático. Desarrollo de gramáticas para el análisis sintáctico
profundo para las lenguas del proyecto. (UB, EHU/UPV)
4
Know: Objetivos T2En el análisis sintáctico Estandarización de las anotaciones de los
diferentes corpus sintácticos. Estudio de la situación actual de los
analizadores sintácticos de las lenguas implicadas en el proyecto.
Desarrollo de gramáticas sintácticas para las lenguas del proyecto con el objetivo de realizar un análisis sintáctico profundo.
Implementación y evaluación de las versiones de la gramática
5
PROCESADORES LINGÜÍSTICOS UPV/EHU
Recursos lingüísticos básicos (1)
• Chunker (Constraint Grammar, rule-based)
• Sintagmas nominales• Cadenas verbales
• Tratamiento de entidades
6
PROCESADORES LINGÜÍSTICOS UPV/EHU
Recursos lingüísticos básicos (2)
• Corpus etiquetado sintácticamente:
• Basado en dependencias
• 50.000 palabras actualmente (3LB)
• Extensión a otras 250.000
7
PROCESADORES LINGÜÍSTICOS UPV/EHU
Análisis sintáctico (A)
Analizador de dependencias (Constraint Grammar):
• Basado en reglas
• Sintaxis parcial (?)
• Falta evaluación
8
PROCESADORES LINGÜÍSTICOS UPV/EHU
Análisis sintáctico (B)
Statistical parsing, dependency-based. Primer año: estado del arte:
Spanish (Cowan and Collins 2005); English (Bikel/Collins 2004); Charniak (2000); (Briscoe
and Carroll 2006) Turkish (Oflazer 2006) CoNLL 2006/2007 MaltParser (Nivre et al. 2007)
Fin del primer año: primera versión del analizador estadístico para el euskera
9
PROCESADORES LINGÜÍSTICOS UPV/EHU
Análisis sintáctico (B)
Statistical parsing, dependency-based
MaltParser (Nivre et al. 2007). Determinista
Basado en el treebank 3LB
Experimentos: 73% (Labeled Attachment Accuracy)
Tratamiento de ambigüedad morfosintáctica?
10
PROCESADORES LINGÜÍSTICOS UPV/EHU
Análisis sintáctico (B)
Statistical parsing, dependency-based.
CoNLL 2007Team Average Arabic Basque Catalan Chinese Czech English Greek Italian Turkish
Nilsson et al.
80.32 (1)
76.52 (1)
76.94 (1)
88.70 (1)
75.82 (15)
77.98 (3)
88.11 (5)
74.65 (2)
84.40 (1)
79.79 (2)
Nakagawa
80.29 (2)
75.08 (2)
72.56 (7)
87 (3)
83 (2)
80.1 (1)
88.4 (3)
76.3 (1)
83.6 (3)
78.2 (5)
Titov et al.
79.9 (3)
74 (6)
75. (3)
87 (6)
82 (7)
77.9 (4)
88.3 (4)
73.5 (10)
82.2 (6)
79.8 (1)
Sagae 79.9 (4)
74.7 (4)
74.6 (6)
88.1 (2)
84.6 (1)
74.83 (8)
89.01 (2)
73.58 (8)
83.91 (2)
75.91 (10)
Hall, J. et al.
79.8 (5)
74.7 (3)
74.9 (5)
87.7 (4)
83.5 (3)
77.22 (6)
85.81 (12)
74.21 (6)
82.48 (5)
79.24 (3)
Carreras
79.0 (6)
70.2 (11)
75.7 (2)
87.6 (5)
80.8 (10)
78.60 (2)
89.61 (1)
73.56 (9)
83.46 (4)
75.85 (11)
11
PROCESADORES LINGÜÍSTICOS UPV/EHU
Análisis sintáctico (C)
Statistical parsing, dependency-based.
Segundo año: añadir información léxica (subcategorización verbal, etc.; Aitziber Atutxa?)
12
PROCESADORES LINGÜÍSTICOS UPV/EHU
Análisis sintáctico (C)
RASP (rule-based + statistical training):
• Actualmente: ~200 reglas
• Entrenado sobre 100 sentencias anotadas manualmente
• Previsto: ?