UCAS - AI学院 - 自然语言处理专项课 - 第10讲 - 课程笔记

篇章分析

概述

• NLP处理单位
  • 字——编码、输入法
  • 词、短语——形态分析、汉语分词、词性标注、词义消歧、NER
  • 句子——句法分析、语块分析、语义角色标注
  • 篇章——机器翻译、篇章推理、问答系统、自动摘要、情感分类
• 现有有关篇章的分析任务都是基于句子的，因此性能很差

篇章表示理论

• 词汇链：一组由类似含义的相同词汇连接起来的句子
• 事件链：一组由动词即相关实体连接起来的句子——三元组
  • 抽取实体词汇链
  • 抽取词汇链上最近的谓词——论元，构成事件链
  • 判断相邻事件之间的关系
• 话题链：一组以名词回指、代词回指、零型回指形式的话题连接起来的句子
  • 回指：一个词或短语在语篇中用于指代同一语篇中的另一词或短语的概念
  • 关联词可以用于描述逻辑关系
• 修辞结构理论RST
  • 语篇由各个具有重要功能的部分构成，较小的部分按照一定的关系模式组成更大的部分，直至成篇
  • 一段文字要被确认为语篇，各部分要有机地结合，形成整体性和连贯性——内在功能——中心目的
  • 语篇构成：两个基本部分组成一个较大的部分，不但组成，直到称为语篇——层次化结构
  • 语篇结构
    • 类型结构：语篇的题材或类型特征，相对固定
    • 句法结构
    • 关系结构：同一性，不因结构层级改变而不同——主要结构
      • 不对称性在关系结构中占主导地位——核心-辅助关系
      • 各种关系：P15
• 汉英篇章树库 CDTB vs. PDTB
  • 汉语隐式关系更多
• 其他理论：P20

篇章关系分析

• 基本任务：篇章——一组关系
  • 显式关系或者隐式关系
  • 两个篇章论元机器之间的关系
  • 三大任务
    • 关联词识别
    • Arg抽取
    • Arg1和Arg2之间的篇章功能类型判断
  • 有时arg称为基本篇章单元
• 基本分析流程
  • 锚词识别——列出候选（标签、词典），识别
  • 论元抽取——抽取锚词对应的论元对
  • 论元关系分类——预测两个抡元之间的关系
  • 论元标注——最终确定并标注论元关系
• 锚词识别
  • 显式关系：关联词表
  • 隐式关系：标点符号
    • 句中MOS
    • 句末EOS
  • 识别特征P27
• 论元抽取
  • 观察
    • Arg1和Arg2通常在一个句子里，或则邻近两句
    • 一个论元由一个或几个连续的句子组成
    • 显式的Arg2与关联锚词在同一个句子中
    • 大多数情况下，Arg1和Arg2的跨度范围是邻近的，之间没有其他子句
  • 扩展种子论元对
    • 确定句子范围
      • 显式：由Arg1位置决定
      • 隐式：由锚点位置决定（MOS / EOS）
    • 生成种子论元对
      • 显式
        • SS（同句论元对），那么Arg2可能在左侧，也可能在右侧，需要一个分类器
        • PS（异句论元对），当前有连接词的子句与前面一个子句构成论元对
      • 隐式：标点左右两个句子
    • 扩展种子
      • 方向：向左 / 向右
      • 逐子句考察
      • 选择最长的边界
      • 通过分类器确定扩展范围
• 关系类型识别：分类
• 论元标注：分类
  • 确定Arg1和Arg2孰前孰后
• 错误分析
  • 组合关联词识别错误
  • 关联词在剧中的情形不好判断

篇章分析应用

• 机器翻译
  • RS-tree-to-String 统计翻译模型
    • 由论元关系考察是否调整句子顺序（不同语言的关系呈现不同）
  • 融合篇章结构的神经机器翻译
    • 位置编码