Semantica
Maria Teresa PAZIENZA
a.a. 2007-08
Programma





Breve introduzione all’NLP

Linguaggi Naturali e Linguaggi Formali

Complessità
Morfologia

Teoria: Morfologia del Linguaggio Naturale

Strumenti: Automi e Trasduttori

Analisi Morfologica: con automi e trasduttori
Part of Speech Tagging

Teoria: Le classi morfologiche

Strumenti a Analisi: modelli a regole e statistici
Sintassi

Teoria: Sintassi del Linguaggio Naturale

Strumenti: CFG

Analisi Sintattica: parsing top-down, bottom-up, Early
Semantica

Introduzione

Distributional Lexical Semantics

Sentence Semantics
Info
NLP - Analisi semantica
Capire il significato di una frase è un’operazione necessaria
per andare al di là della frase stessa, per inserire il suo
significato all’interno di un contesto condiviso nella
comunicazione, per ragionare e per poter rispondere a
domande relative al dominio di conoscenza coinvolto dalla
frase (o domanda) stessa.
Alcune attività che richiedono una analisi semantica:
• Porre domande / rispondere
• Leggere un menù e decidere cosa ordinare
• Leggere un manuale d’uso e capire cosa fa un software
• …..
Ragionare su un task espresso linguisticamente
NLP - Analisi semantica
Capire il significato di una frase
Ragionare su un task espresso
linguisticamente richiede l’attivazione di
processi cognitivi che accedano a qualche
tipo di rappresentazione che colleghi gli
elementi linguistici, coinvolti nel processo
di comprensione, a componenti cognitive
(quindi non linguistiche) necessarie alla
loro realizzazione.
NLP - Analisi semantica
L’analisi semantica è fondamentale in
questa fase a supporto del ragionamento
e si basa sulla rappresentazione formale del
significato della frase.
Per capire il significato di una frase non è
necessario aver realizzato “completamente”
le fasi di analisi morfologica e sintattica della
frase stessa; si può utilizzare anche la
rappresentazione della conoscenza di
dominio
NLP - Analisi semantica
Capire il significato di una frase e
ragionare su
Necessario un approccio sistematico e formale per collegare
la rappresentazione del significato della frase con tutti i fatti e
gli eventi del mondo che esistono (ovvero sono rappresentati
nella base di conoscenza relativa)
Un sistema potrà allora fare inferenza, ovvero:
• ragionare a partire dalla frase
• fare deduzioni valide rispetto sia alla rappresentazione
formale del significato della frase in ingresso sia alla
conoscenza di base del sistema stesso.
NLP - Analisi semantica
La comprensione del significato di una espressione linguistica
richiede conoscenza linguistica e non-linguistica
(conoscenza del mondo e/ del dominio): tale significato è
espresso da strutture formali (rappresentazione del
significato della frase che supporta, facilitando l’analisi
semantica)
La sintassi e la semantica di queste rappresentazioni saranno
fornite da appositi linguaggi per la rappresentazione del
significato.
Espressione linguistica -> analisi semantica
-> comprensione del significato -> supporto al
ragionamento
Rappresentazione del significato
La rappresentazione del significato può avvenire in
linguaggi formali diversi (FOPC calcolo dei
predicati, reti semantiche, diagrammi delle
dipendenze concettuali, frames, etc),
che usano strutture di simboli per esprimere il
significato della frase specifica (così come di un
generico evento dello stesso tipo)
Rappresentazione del significato
Per capire il significato letterale di una frase (es. una
domanda)
• Identificare rappresentazioni legate al significato
convenzionale delle parole senza considerare il contesto
• Usare una rappresentazione per determinare la relazione
tra il significato della frase ed il mondo a noi noto (BdC),
quindi determinare il valore di verità della
rappresentazione
• Effettuare il matching tra la rappresentazione del
significato in input e la base di conoscenza (verificabilità)
• Gestire la vaghezza di una frase che rende difficile
determinare cosa fare a fronte di una frase in input (es.
“io mangio cibi italiani”). Vaghezza non è ambiguità!
Rappresentazione del significato
Capire il significato di una frase (es. una domanda)
significa usare una rappresentazione formale per
determinare la relazione esistente tra il significato
della frase ed il mondo in cui tale frase ha senso.
Implementare un algoritmo di verifica: matching tra la
rappresentazione della specifica frase in ingresso e
le rappresentazioni esistenti nella base di
conoscenza di riferimento, che costituiscono la
conoscenza del mondo
Rappresentazione del significato
A causa della ricchezza espressiva del linguaggio naturale,
si possono avere più espressioni linguistiche (frasi
diverse) che esprimono lo stesso fatto; di conseguenza
si avranno rappresentazioni formali diverse .
I Giapponesi amano la moda italiana
La moda italiana è amata dai Giapponesi
I Giapponesi impazziscono per la moda italiana
Si dice che i Giapponesi amino la moda italiana
E’ a tutti noto che i Giapponesi amino la moda italiana
…..
Rappresentazione del significato
Non sempre tutte le rappresentazioni formali coesistono: in tal
caso non tutte trovano il matching nella base di conoscenza
(mondo di riferimento), si va incontro a situazioni di
indeterminatezza e vaghezza dell’interpretazione del
significato.
Una soluzione a tale problema: assegnare a tutte le
rappresentazioni lo stesso significato.
Forma canonica: stessa rappresentazione associata ad
espressioni linguistiche con uguale significato
Rappresentazione del significato
Non sempre si può rispondere ad una domanda, ad una
richiesta di informazione con un approccio basato sul
pattern matching; in molti casi si deve ricorrere a fasi di
concettualizzazione (un metalivello rispetto a quello
linguistico) che sono possibili se il linguaggio di
rappresentazione del significato supporta l’uso di variabili.
Gli stranieri amano la moda italiana
Domanda: I Giapponesi amano la moda italiana?
Significato e linguaggio
Riconoscere le relazioni che esistono tra i concetti
(associati a diverse parole) e le componenti frasali di
ciascuna espressione linguistica
I verbi (predicati) assumono un ruolo rilevante imponendo
vincoli sulla struttura grammaticale e sulla posizione di
altri elementi (argomenti) che devono accompagnarli
nella struttura sintattica di una frase
Identificare il significato completo di una frase come
risultato della composizione del significato dei singoli
elementi linguistici in ingresso (i costituenti del parser
sintattico).
Significato e linguaggio
I Giapponesi amano la moda italiana
NP V NP
• Il predicato ha due argomenti di tipo nominale NP
• Il primo argomento precede il verbo ed assume il ruolo
di soggetto (colui che compie l’azione espressa dal
verbo)
• Il secondo argomento segue il verbo ed assume il ruolo
di oggetto (che subisce l’azione espressa dal verbo)
Significato e linguaggio
Regolarità nei comportamenti degli elementi associati ai
verbi (classi di verbi) possono assumere un significato
particolare ed indicare un ruolo semantico specifico
Le strutture verbali di sottocategorizzazione evidenziano il
legame tra le strutture superficiali (sintattiche) ed il
ruolo semantico che esse assumono nella
rappresentazione del significato di una frase
Significato e linguaggio
I verbi (classi di) possono imporre delle restrizioni
sulla tipologia degli argomenti retti (frasi nominali,
frasi preposizionali, …);
es. gli elementi delle frasi nominali presenti nella
struttura sintattica possono assumere valore solo in
alcune categorie concettuali (selectional
restriction)
L’ho visto guidare una automobile.
Lui sarà sicuramente un uomo perché solo gli umani possono
guidare un’automobile.
Significato e linguaggio
In una frase non sono solo i verbi a reggere le strutture
argomentali predicative: le preposizioni possono essere
considerate dei predicati con 2 argomenti:
il primo argomento è l’entità che la preposizione pone in
(una qualche) relazione con il secondo argomento
Giovanni comprò un’automobile di prestigio
Significato e linguaggio
Ulteriori strutture possono esprimere legami predicativi tra
argomenti:
Preparare la presentazione-ppt per la lezione di 2 ore di
Intelligenza Artificiale di domani
L’azione non è esplicitata esclusivamente dal verbo
(preparare), ma anche dal sostantivo che esso regge
(nominalizzazione)
Il predicato (presentare) è associato al termine
(presentazione-ppt) e regge 4 argomenti
Significato e linguaggio
I linguaggi per la rappresentazione del significato
devono poter specificare la semantica delle
strutture predicative argomentali (predicateargument structures).
Le strutture argomentali asseriscono che relazioni
specifiche hanno luogo tra i diversi concetti
sottostanti i costituenti (parole e frasi) che
compongono una frase.
Grazie a queste strutture argomentali si realizza
un significato unico (unificante) tra le varie
componenti della frase.
Predicate-argument structure sintesi
Predicati
• soprattutto verbi, frasi verbali, frasi preposizionali,
frasi (V, VP, PP, S)
• talvolta nomi e frasi nominali (N, NP)
Argomenti
• soprattutto nomi, strutture nominali, frasi nominali,
frasi preposizionali (N, NP, PP)
• anche altre forme in relazione al contesto
Calcolo dei predicati FOPC richiami
Fornisce solide basi computazionali per supportare le
operazioni di matching, per fare inferenza, e non pone molti
vincoli su come rappresentare le entità coinvolte.
Il mondo è composto da oggetti, proprietà di oggetti e relazioni
tra oggetti.
Grazie alla nozione di termine si possono rappresentare
oggetti di varia tipologia (funzioni, costanti, variabili) cui
possono essere associati i nomi degli elementi del dominio
in esame.
Le funzioni possono anche essere considerate come predicati
ad un unico argomento. Le variabili permettono di fare
delle affermazioni sia relativamente ad entità non note, sia
relativamente a classi di entità.
I quantificatori (esistenziale ed universale) associati alle
variabili permettono di assegnare significato ad una
generica entità o ad una classe
Calcolo dei predicati FOPC richiami
I predicati permettono di asserire, tramite un nome, la
relazione esistente tra un numero predefinito di elementi di
uno specifico dominio.
I Giapponesi amano la moda italiana
Amare(Giapponesi,ModaItaliana)
Rappresentazioni di frasi complesse possono essere
realizzate introducendo dei connettivi logici.
I Giapponesi amano la moda italiana e fotografano
monumenti
Amare(Giapponesi,ModaItaliana) Λ
Fotografare(Giapponesi,Monumenti)
Calcolo dei predicati FOPC richiami
Le entità espresse grazie al calcolo dei predicati assumono
un significato in base alla corrispondenza con il mondo
che si sta modellando; ciascuna formula logica può
assumere un valore (vero, falso).
Una formula logica è vera
• se è presente nella base di conoscenza,
o
• se può essere dedotta da altre formule della base di
conoscenza.
L’interpretazione delle formule avviene in relazione alle
tavole di verità dei connettivi logici
Analisi semantica
Gli approcci computazionali all’analisi semantica si riferiscono
al processo in base a cui
le diverse rappresentazioni del significato di una frase
vengono composte
per poi essere poste in corrispondenza
dei vari elementi linguistici.
Necessità di usare sorgenti di conoscenza diversificate a
supporto della rappresentazione del significato; tra esse:
1. i significati delle parole
2. i significati associati alle strutture sintattiche
3. la conoscenza della struttura del discorso
4. conoscenza del contesto
5. conoscenza (almeno) di base del dominio
Analisi semantica guidata dalla sintassi
1.Le frasi sono composte da parole ciascuna delle quali
assume un significato (principio di composizionalità).
2.Le parole si organizzano tra loro secondo regole
specifiche e relazionano tra loro per formare una frase
con un determinato significato.
Io vedo ciò che mangio
Io mangio ciò che vedo
3.Il significato di una frase non è basato esclusivamente
sulle parole che la compongono, ma deve tener conto
dell’ordine con cui compaiono, dei raggruppamenti
esistenti, e delle interrelazioni.
Nell’analisi semantica basata sulla sintassi, la composizionalità
dei significati terrà quindi conto delle diverse componenti
sintattiche e delle relazioni esistenti.
Analisi semantica guidata dalla sintassi
L’analizzatore semantico elaborerà il risultato dell’analisi
sintattica nelle diverse (ambigue) risultanze con un
(probabile) incremento dell’ambiguità.
Le ambiguità residue potranno essere risolte grazie sia
alla conoscenza di dominio che di contesto le quali
permetteranno di selezionare la rappresentazione
(più) corretta.
Esempio
AyCaramba serves meat
e Serving (e)^ Server(e, AyCaramba)^ Served (e, Meat )
Viene descritto l’ ”evento” del servire che richiede
l’esistenza di qualcuno che serva e di qualcosa
che venga servito.
Analisi composizionale
Augmented Rules
Ciò può essere realizzato by attaching semantic
formation rules alle regole sintattiche della CFG.
Esempi di augmented rules
A   1...n { f ( 1.sem,...n.sem)}
dove ciascun α è un costituente sintattico della regola.
Ovvero:
La semantica che viene associata ad A può essere
calcolata da qualche funzione applicata alla
semantica delle parti di A.
Augmented Rules
Gli attachment sono costituiti da istruzioni
che specificano come calcolare il
significato della frase A.sem dai significati
dei suoi costituenti, ovvero
dall’attivazione della funzione f su qualche
sottoinsieme degli attachment semantici
dei costituenti di A.
Analisi composizionale
Example
AyCaramba serves meat
Easy parts…
NP -> PropNoun
NP -> MassNoun
PropNoun -> AyCaramba
MassNoun -> meat
• Attachments
{PropNoun.sem}
{MassNoun.sem}
{AyCaramba}
{Meat}
These attachments consist of assigning constants
and copying semantics from children up to parents.
(processo di propagazione della semantica)
Esempio
AyCaramba serves meat
Esempio
AyCaramba serves meat
VP domina sia serves che meat.
E’ necessario “incorporare” il significato della NP nel
significato del verbo e assegnare la “rappresentazione
risultante” alla VP.sem
Ciò consiste nel sostituire la variabile y con il termine logico
meat come secondo argomento del ruolo Served
dell’evento Serves
e, yIsa ( e, Serving )^ Server( e, AyCaramba)^ Served ( e, y )
Esempio
AyCaramba serves meat
Possiamo ora combinare composizionalmente quanto fatto
per i vari costituenti sintattici
E’ necessario “incorporare” il significato sia della NP che
della VP nel significato della frase e assegnare la
“rappresentazione risultante” alla S
Ciò consiste nel sostituire la variabile x con il termine logico
AyCaramba come secondo argomento del ruolo Server
dell’evento Serves
e, x, yIsa ( e, Serving )^ Server ( e, x )^ Served ( e, y )
Esempio
notazione lambda estensione FOPC
• S -> NP VP
• VP -> Verb NP
• Verb -> serves
• {VP.sem(NP.sem)}
• {Verb.sem(NP.sem )}
xy e Serving (e)^ Server(e, x )^ Served (e, y )
Ciò consiste nel prendere la semantica di un
figlio ed applicarla come una funzione alla
semantica dell’altro figlio
Composizionalità forte
La semantica del tutto (la frase) è stata derivata
solamente dalla semantica delle singole
componenti/parti
(i.e. noi ignoriamo cosa ci sia nelle altre parti
dell’albero).
Esempio complesso
• Dov’è la complessità?
• Quale ruolo assume
Harry?
Esempio complesso
La VP per told è VP -> V NP Vpto
Quale dovrebbe essere il suo attachment semantico?
– Associare la funzione semantica collegata a Vpto
con la semantica della NP; ciò fa emergere Harry
come l’attore (goer) dell’azione dell’andare.
– Associare la semantica di V alla semantica della NP;
ciò fa emergere Harry come l’oggetto (tellee)
dell’azione del dire
Quindi il risultato delle associazioni ci fornisce il giusto
valore delle cose dette.
V.Sem(NP.Sem, Vpto.Sem(NP.Sem))
Esempio (a)
Consideriamo gli attachment per VP
VP -> Verb NP NP
VP -> Verb NP PP
(gave Mary a book)
(gave a book to Mary)
Assumiamo che le rappresentazioni del significato di
entrambe siano le stesse.
1-Associando una valenza forte al lessico, i VP
attachments sono:
VP.Sem(NP.Sem, NP.Sem)
VP.Sem(NP.Sem, PP.Sem)
Esempio (b)
Invece
2-Associando una valenza forte alla sintassi noi
potremmo avere qualcosa del genere
• VP -> V NP NP
V.sem ^ Recip(NP1.sem) ^ Object(NP2.sem)
• VP -> V NP PP
V.Sem ^ Recip(PP.Sem) ^ Object(NP1.sem)
Ovvero il verbo contribuisce da solo al
predicato, la grammatica “conosce” i ruoli.
Integrazione
Se si integra l’analisi semantica nel parser mentre è in
funzione …
+ Si possono usare i constraint semantici per eliminare
interpretazioni sintattiche senza senso
- Si assegna una rappresentazione del significato ai
costituenti che non prendono parte nella maniera
corretta alla analisi sintattica
Frasi con quantificazioni
Consideriamo la frase inglese
A restaurant serves meat.
• assumiamo che A restaurant possa essere
rappresentato come
x Isa ( x, Restaurant )
• con la notazione lambda si ha
eServing (e)  Server(e, xIsa( x, Restaurant ))  Served(e,Meat ))
Termini complessi
Permettere al sistema composizionale di utilizzare
rappresentazioni (come oggetti con le parti) del
tipo:
Complex-Term
→
<Quantifier var body>
  x Isa (x, Restaurant ) 
Conversione
Termini complessi vengono racchiusi (embedded)
all’interno di predicati.
Quindi vengono fatti emergere opportunamente per
ridistribuire le componenti della rappresentazione
P(<quantifier, var, body>)
diventa
Quantifier var body connective P(var)
Esempio
Server(e,   x Isa ( x, Restaurant ) )

 x Isa ( x, Restaurant )  Server(e, x)
Quantificatori e connetivi logici
Se si è in presenza del quantificatore
esistenziale, allora il connettivo è ^ (and)
Se si è in presenza del quantificatore
universale, allora il connettivo è ->
(implicazione)
(più) Termini complessi
La tecnica della conversione sposta i
quantificatori fuori e prima dell’inizio della
forma logica …
Ciò causa ambiguità se c’è più di un termine
complesso all’interno della stessa frase.
Ambiguità dei quantificatori
Consideriamo la frase
Every restaurant has a menu
che può avere più di un significato :
ogni ristorante ha un menù
– oppure
esiste qualche (mega) menù e tutti i
ristoranti hanno quel menù
Ambiguità dei quantificatori
Consideriamo la frase
Every restaurant has a menu
eIsa ( e, Having )
 Haver ( e,  xIsa ( x, Re staurant )  )
Had ( e,  yIsa ( y , Menu )  )
Ambiguità dello scopo del quantificatore
xRestaurant ( x ) 
e, yHaving (e)  Haver (e, x )  Had (e, y )  Isa ( y , Menu )
yIsa ( y , Menu )  xIsa( x, Restaurant ) 
eHaving ( e)  Haver (e, x )  Had ( e, y )
Ambiguità
Questo problema è simile al problema dell’
attachment delle frasi preposizionali
(prepositional phrase attachment )
Il numero delle possibili interpretazioni cresce
esponenzialmente con il numero di termini
complessi presenti nella frase
In assenza di soluzioni generali, ciò che possiamo
fare è utilizzare metodi “deboli” (weak methods)
per preferire una interpretazione ad un’altra
Non-composizionalità
Nel linguaggio corrente esistono molti casi in
cui non ha senso applicare il principio della
composizionalità, il significato (mal definito)
del termine non può essere derivato dal
significato delle sue componenti/parti
– Idiomi, giochi di parole, espressioni ironiche o
sarcastiche, metafore, richieste indirette, …
Non-composizionalità
Occhio di bue, prendere al volo l’offerta, di palo in
frasca, due piccioni con una fava, cadere dalle
nuvole, la grande guerra, etc…
In molte di queste… costruzioni il significato
dell’espressione come unico evento è a
seconda dei casi
– totalmente scorrelato dal significato delle singole parti
– correlato in qualche modo oscuro e molto vago
Esempio
La punta dell’iceberg
(inizio di qualcosa enorme di cui non si prevedono le dimensioni)
Di questa frase possiamo dire varie cose; trattasi di
1. Una frase specifica con un significato particolare
2. Una frase flessibile sintatticamente e lessicalmente
con un significato particolare
3. Una frase flessibile sintatticamente e lessicalmente
con un significato parzialmente composizionale
4. …
Esempio
Si consideri la frase:
Enron is the tip of the iceberg.
NP -> “the tip of the iceberg”
Non va proprio bene… per esempio…
– the tip of Mrs. Ford’s iceberg
– the tip of a 1000-page iceberg
– the merest tip of the iceberg
• E cosa dire di
– That’s just the iceberg’s tip.
Esempio
NP -> “the tip of the iceberg”
Ciò che sembra che ci serva è una regola
grammaticale specificamente scritta per gestire il
fenomeno, qualcosa del tipo
NP ->
una NP iniziale con tip come sua head seguita da
una successiva PP con of come sua head e che abbia
iceberg come head della sua NP
e che permetta modificatori del tipo merest, Mrs. Ford, e
1000-page per modificare le forme semantiche rilevanti
Analisi semantica robusta
Le grammatiche tradizionali generalmente non riflettono
i contenuti semantici in maniera diretta ed esplicita; le
strutture sintattiche prodotte spesso non sono utili per
effettuare l’analisi semantica utilizzando il principio
della composizionalità; infatti:
– elementi con un ruolo semantico chiave sono spesso
distribuiti all’interno dell’albero sintattico rendendo molto
complessa la composizionalità
– gli alberi sintattici contengono molti costituenti sintattici che
non hanno alcun ruolo nell’elaborazione semantica
– la generalità informativa di molti costituenti sintattici
produce attchment semantici che possono creare
rappresentazioni semantiche prive o quasi di significato
Analisi semantica robusta
Per risolvere questo problema si può agire in
modi diversi per migliorare l’efficienza delle
operazioni:
• estendendo il ruolo delle grammatiche (con
l’introduzione delle espressioni lambda e dei
termini complessi,)
• riscrivendo la grammatica per riflettere la
semantica
Esempio
-distribuzione di elementi con significato all’interno dell’albero
-molti nodi non rilevanti per il significato della frase
Esempio
-costituenti sintattici ad un giusto livello di generalità per la sintassi, ma
troppo vaghi semanticamente
Si consideri la regola per il termine complesso (some) Italian
food
Nominal->Adj Nominal
{λx Nominal.sem(x)^AM(x,Adj.sem)}
l’applicazione di un tale attachment produce questa
rappresentazione:
x Isa(x,Food)AM(x,Italian)
che non sta ad indicare l’interpretazione sottintesa
cibo preparato in un modo particolare e speciale
Grammatiche semantiche
Le grammatiche semantiche (sviluppate per l’analisi del dialogo in
sistemi di Q/A con un vocabolario ristretto e complessità
grammaticale limitata) vanno nella direzione di supportare
l’analisi composizionale; (regole CFG con un set di terminali).
Le regole (scritte per soddisfare le necessità della semantica
piuttosto che della sintassi) ed i costituenti della grammatica
corrispondono esattamente alle entità ed alle relazioni del
dominio analizzato
Il termine grammatica semantica si riferisce alla motivazione delle
regole della grammatica
+ si generano esattamente le regole semantiche che servono
- è necessario sviluppare una nuova grammatica per ciascun
nuovo dominio
Grammatiche semantiche Esempio
Si consideri una possibile regola per rispondere ad
una richiesta di informazione del tipo
Request → I want to go to eat FoodType TimeExpr
{ some attachment }
Per Italian food potremmo usare la regola
FoodType -> Nationality FoodType
che stabilisce che il tipo di cibo deve essere collegato alla
caratteristica nazionale
Grammatiche semantiche
– Regole difficilmente riusabili in contesti diversi
– Possibile overgenerazione; per esempio il
termine
Canadian restaurant
non viene usato nella stessa accezione di Italian
food, bensì nel senso di ristorante in Canada
La motivazione del significato è al di là delle parole,
è nel dominio culturale dei cibi
Estrazione di informazione da testi IE
Nei sistemi per l’estrazione di informazione da testi
siamo interessati a riconoscere solo informazioni
specifiche: si richiede un approccio diverso
Tali sistemi devono gestire
– Frasi reali (e quindi arbitrariamente lunghe e
complesse)
– Una semantica superficiale
• Liste piatte di coppie attributo-valore
• XML/SGML
Esempi
Analisi di articoli di quotidiani, notizie di agenzia per
l’identificazione di uno specifico insieme di eventi
di interesse
Analisi di siti web alla ricerca di prodotti, prezzi, etc
Questi testi hanno caratteristiche peculiari:
Frasi lunghe, sintassi complessa (e talvolta incorretta)
autori diversi, …
Sistemi di IE
I sistemi di IE sono in genere basati su una cascata
di automi per riconoscere fenomeni specifici e
tralasciare parti non rilevanti del testo anlizzato
Vengono riconosciuti elementi di
sintassi/semantica isolati dal contesto e quindi
usati in una fase successiva di processing fino
ad ottenere il risultato finale
Il risultato finale dell’elaborazione è un insieme di
relazioni e valori che vengono successivamnete
memorizzati in una base di dati
Esempio (MUC)
Bridgestone Sports Co. said Friday it has set
up a joint venture in Taiwan with a local
concern and a Japanese trading house to
produce golf clubs to be shipped to Japan.
The joint venture, Bridgestone Sports Taiwan
Co., capitalized at 20 million new Taiwan
dollars, will start production in January 1990
with production of 20,000 iron and “metal
wood” clubs a month.
Esempio
Bridgestone Sports Co. said Friday it has set
up a joint venture in Taiwan with a local
concern and a Japanese trading house to
produce golf clubs to be shipped to Japan.
The joint venture, Bridgestone Sports Taiwan
Co., capitalized at 20 million new Taiwan
dollars, will start production in January 1990
with production of 20,000 iron and “metal
wood” clubs a month.
Esempio
Bridgestone Sports Co. said Friday it has set
up a joint venture in Taiwan with a local
concern and a Japanese trading house to
produce golf clubs to be shipped to Japan.
The joint venture, Bridgestone Sports Taiwan
Co., capitalized at 20 million new Taiwan
dollars, will start production in January 1990
with production of 20,000 iron and “metal
wood” clubs a month.
Esempio
Bridgestone Sports Co. said Friday it has set
up a joint venture in Taiwan with a local
concern and a Japanese trading house to
produce golf clubs to be shipped to Japan.
The joint venture, Bridgestone Sports Taiwan
Co., capitalized at 20 million new Taiwan
dollars, will start production in January 1990
with production of 20,000 iron and “metal
wood” clubs a month.
FASTUS Output (Hobbs 1997)
Cascata di processi
Punti rilevanti
Il riconoscimento delle named entities di un
testo permette di riconoscere nomi di
persone, organizzazioni, luoghi, etc.
Le named entities vengono riconosciute in
modo robusto con metodi riutilizzabili in
applicazioni diverse
Punti rilevanti
E tutte le altre componenti del testo?
Possono essere ignorate!
– Non servono per le successive fasi di
processing e quindi non è necessario
elaborarle
Punti rilevanti
L’approccio metodologico dei sistemi di IE
funziona in quanto ci si pone in un
contesto applicativo limitato
– Si ricerca solo un insieme limitato di item
che può quindi apparire in un insieme
limitato di regole
Esempio reale
The White House said President Bush has
approved duty-free treatment for imports of
certain types of watches that aren’t
produced in significant quantities in the
U.S., the Virgin Islands and other U.S.
possessions.
WSJ Markup Example
Argomenti trattati in questa lezione
Capire il significato di una frase per fare inferenza
Rappresentazione del significato (metodologie)
An. Sem. guidata dalla sintassi
Predicate-argument structure
Augmented rules
Composizionalità
Termini complessi e gestione dei quantificatori
Analisi semantica robusta
Grammatiche semantiche
Elaborazione del linguaggio naturale
Le presentazioni sugli argomenti di elaborazione del linguaggio
naturale fanno in alcuni passi riferimento ad alcune presentazioni
dei colleghi prof. Fabio Massimo Zanzotto e dottor Marco
Pennacchiotti, del dottor Patrick Pantel (ISI-USC), oltre che ad
alcune parti del libro: Speech and Language Processing, Prentice
Hall, 2000, autori D.Jurafsky, J. H. Martin.