Semantica approcci computazionali

1
Semanticaapprocci computazionali

• Maria Teresa PAZIENZA
• a.a. 2005-06

2
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
  lanalisi semantica utilizzando il principio
  della composizionalità infatti
• elementi con un ruolo semantico chiave sono
  spesso distribuiti allinterno dellalbero
  sintattico rendendo molto complessa la
  composizionalità
• gli alberi sintattici contengono molti
  costituenti sintattici che non hanno alcun ruolo
  nellelaborazione semantica
• la generalità informativa di molti costituenti
  sintattici produce attchment semantici che
  possono creare rappresentazioni semantiche prive
  o quasi di significato

3
Analisi semantica robusta

• Per risolvere questo problema si può agire in
  modi diversi per migliorare lefficienza delle
  operazioni
• estendendo il ruolo delle grammatiche (con
  lintroduzione delle espressioni lambda e dei
  termini complessi,)
• riscrivendo la grammatica per riflettere la
  semantica

4
Esempio-distribuzione di elementi con
significato allinterno dellalbero-molti nodi
non rilevanti per il significato della frase
5
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-gtAdj Nominal
• ?x Nominal.sem(x)AM(x,Adj.sem)
• lapplicazione di un tale attachment produce
  questa rappresentazione
• ?x Isa(x,Food)?AM(x,Italian)
• che non sta ad indicare
• cibo preparato in un modo particolare e speciale

6
Grammatiche semantiche

• Le grammatiche semantiche (sviluppate per
  lanalisi del dialogo in sistemi di Q/A con un
  vocabolario ristretto e complessità grammaticale
  limitata) vanno nella direzione di supportare
  lanalisi 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

7
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 -gt Nationality FoodType
• che stabilisce che il tipo di cibo deve essere
  collegato alla caratteristica nazionale

8
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

9
Estrazione di informazione da testi IE

• Nei sistemi per lestrazione 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

10
Esempi

• Analisi di articoli di quotidiani, notizie di
  agenzia per lidentificazione 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,

11
Sistemi di IE

• I sistemi di IE sono in genere basati su una
  cascata di automi per riconoscere fenomeni
  specifici e tralawsciare 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 risultaqto finale
• Il risultato finale dellelaborazione è un
  insieme di relazioni e valori che vengono
  successivamnete memorizzati in una base di dati

12
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.

13
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.

14
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.

15
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.

16
FASTUS Output (Hobbs 1997)
17
Cascata di processi
18
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

19
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

20
Punti rilevanti

• Lapproccio 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

21
Esempio reale

• The White House said President Bush has approved
  duty-free treatment for imports of certain types
  of watches that arent produced in significant
  quantities in the U.S., the Virgin Islands and
  other U.S. possessions.
• WSJ Markup Example

22
Demo del sistema di IECROSSMARC
23
Riferimenti

• La presentazione utilizza alcune informazioni
  esemplificative tratte dal libro
• D.Jurafsky, J. H. Martin
• Speech and Language Processing,
• Prentice Hall, 2000, cap.14,15,16