Kelime anlamında belirsizlik giderme - Word-sense disambiguation

Bu makale gibi yazılmıştır kişisel düşünme, kişisel deneme veya tartışmaya dayalı deneme bir Wikipedia editörünün kişisel duygularını ifade eden veya bir konu hakkında orijinal bir argüman sunan. Lütfen geliştirmeye yardım et yeniden yazarak ansiklopedik tarz. (Şubat 2019) (Bu şablon mesajını nasıl ve ne zaman kaldıracağınızı öğrenin)

İçinde hesaplamalı dilbilimleri, kelime anlamında belirsizlik giderme (WSD) bir açık problem hangisinin belirlenmesi ile ilgileniyor duyu bir kelime bir cümle. Bu sorunun çözümü, bilgisayarla ilgili diğer yazıları etkiler. Örneğin: söylem alaka düzeyini artırmak arama motorları, anafora çözünürlüğü, tutarlılık, ve çıkarım.

İnsan beyni kelime anlamında belirsizliği gidermede oldukça uzmandır. Bu Doğal lisan o kadar fazlasını gerektiren bir şekilde oluşur ki bu nörolojik gerçekliğin bir yansımasıdır. Başka bir deyişle, insan dili beynin sağladığı doğuştan gelen yeteneği yansıtan (ve aynı zamanda şekillendirmeye yardımcı olacak) bir şekilde gelişmiştir. nöral ağlar. İçinde bilgisayar Bilimi ve Bilişim teknolojisi bilgisayarlarda bunu yapma becerisini geliştirmek uzun vadeli bir zorluk olmuştur. doğal dil işleme ve makine öğrenme.

Sözcük kaynaklarında kodlanmış bilgileri kullanan sözlük tabanlı yöntemlerden, zengin bir teknik yelpazesi araştırılmıştır. denetimli makine öğrenimi hangi yöntemler sınıflandırıcı manuel olarak anlam açıklamalı örneklerden oluşan bir külliyat üzerindeki her bir farklı kelime için, kelimelerin oluşumlarını kümeleyen ve böylece kelime duyularını uyandıran tamamen denetimsiz yöntemlere yönelik olarak eğitilmiştir. Bunlar arasında, denetimli öğrenme yaklaşımları en başarılı olanlar olmuştur. algoritmalar bugüne kadar.

Mevcut algoritmaların doğruluğunu bir dizi uyarı olmadan belirtmek zordur. İngilizcede, kaba taneli doğruluk (homograf ) seviyesi rutin olarak% 90'ın üzerindedir ve belirli homograflar üzerindeki bazı yöntemler% 96'nın üzerindedir. Daha ince duyu ayrımlarında, her zaman en sık duyuyu seçen olası en basit algoritmanın temel doğruluğunun% 51,4 olduğu değerlendirme egzersizlerinde (SemEval-2007, Senseval-2)% 59.1'den% 69.0'a kadar en yüksek doğruluklar bildirilmiştir. ve sırasıyla% 57.

hakkında

Netleştirme, iki katı girdi gerektirir: a sözlük belirsizliği giderilecek duyuları belirlemek ve külliyat nın-nin dil belirsizliği giderilecek veriler (bazı yöntemlerde, eğitim külliyat dil örnekleri de gereklidir). WSD görevinin iki çeşidi vardır: "sözcük örneği " ve "Tüm kelimeler "görev. Birincisi, daha önce seçilmiş olan hedef kelimelerin küçük bir örneğinin belirsizliğini gidermeyi içerirken, ikincisinde, akan metnin bir parçasındaki tüm kelimelerin belirsizliğinin giderilmesi gerekir. İkincisi, daha gerçekçi bir değerlendirme şekli olarak kabul edilir, ancak külliyatın üretilmesi daha pahalıdır çünkü insan açıklayıcılar, aynı hedef kelime için bir örnek bloğu için bir kez yerine, bir etiketleme yargısına her ihtiyaç duyduklarında dizideki her kelime için tanımları okumak zorundadır.

Tüm bunların nasıl çalıştığına dair bir ipucu vermek için, (yazılı) kelime için var olan üç farklı duyu örneğini düşünün "bas ":

1. bir tür balık
2. düşük frekansın tonları
3. bir tür enstrüman

ve cümleler:

1. Levrek yemeye gittim.
2. Şarkının bas çizgisi çok zayıf.

İngilizceyi anlayanlar için ilk cümle "levrek (balık) " /bæs/, yukarıdaki önceki anlamında ve ikinci cümlede olduğu gibi, "bas (enstrüman) " /ˈbeɪs/ aşağıdaki ikinci anlamda kullanıldığı gibi kullanılmaktadır. Gelişen algoritmalar Bu insan yeteneğini tekrarlamak, genellikle zor bir görev olabilir, ayrıca "bas (ses) " ve "bas (enstrüman) ".

Tarih

WSD ilk olarak 1940'larda makine çevirisinin ilk günlerinde ayrı bir hesaplama görevi olarak formüle edildi ve bu da onu hesaplamalı dilbilimdeki en eski sorunlardan biri haline getirdi. Warren Weaver 1949'daki ünlü çeviri notunda,^[1] problemi ilk olarak hesaplama bağlamında tanıttı. İlk araştırmacılar, WSD'nin önemini ve zorluğunu iyi anladılar. Aslında, Bar-Hillel (1960) yukarıdaki örneği tartışmak için kullandı^[2] WSD'nin genel olarak tüm dünya bilgisini modelleme ihtiyacı nedeniyle "elektronik bilgisayar" ile çözülemediği.

1970'lerde WSD, yapay zeka alanında geliştirilen anlamsal yorumlama sistemlerinin bir alt göreviydi. Wilks 'tercih semantiği. Bununla birlikte, WSD sistemleri o zamanlar büyük ölçüde kural temelli olduğundan ve elle kodlandığından, bilgi edinme darboğazına eğilimliydi.

1980'lerde büyük ölçekli sözcük kaynakları, örneğin Oxford Advanced Learner'ın Güncel İngilizce Sözlüğü (OALD), kullanıma sunuldu: elle kodlamanın yerini bu kaynaklardan otomatik olarak alınan bilgi aldı, ancak belirsizliği giderme hala bilgiye dayalı veya sözlüğe dayalıydı.

1990'larda, istatistiksel devrim hesaplamalı dilbilimden geçti ve WSD, denetimli makine öğrenimi tekniklerinin uygulanacağı bir paradigma sorunu haline geldi.

2000'ler, denetimli tekniklerin doğruluk açısından bir düzlüğe ulaştığını gördü ve bu nedenle dikkatler daha kaba duyulara, alan uyarlamasına, yarı denetimli ve denetimsiz topluluk tabanlı sistemlere, farklı yöntemlerin kombinasyonlarına ve grafik aracılığıyla bilgi tabanlı sistemlerin geri dönüşüne doğru kaydı. tabanlı yöntemler. Yine de denetlenen sistemler en iyi performansı göstermeye devam ediyor.

Zorluklar

Sözlükler arasındaki farklar

Sözcük anlamındaki belirsizliği gidermeyle ilgili bir sorun, duyuların ne olduğuna karar vermektir. Kelime gibi durumlarda bas yukarıda, en azından bazı duyular açıkça farklıdır. Ancak diğer durumlarda, farklı duyular yakından ilişkili olabilir (bir anlamı, bir mecazi veya metonimik bir başkasının uzantısı) ve bu gibi durumlarda kelimelerin duyulara bölünmesi çok daha zor hale gelir. Farklı sözlükler ve eş anlamlılar kelimelerin duyulara farklı bölümlerini sağlayacaktır. Bazı araştırmacıların kullandığı çözümlerden biri, belirli bir sözlüğü seçmek ve sadece onun duyularını kullanmaktır. Bununla birlikte, genel olarak, duyulardaki geniş farklılıkları kullanan araştırma sonuçları, dar olanları kullananlardan çok daha iyi olmuştur.^[3][4] Bununla birlikte, tam teşekküllü bir kaba taneli duyu envanteri eksikliği göz önüne alındığında, çoğu araştırmacı üzerinde çalışmaya devam etmektedir. ince taneli WSD.

WSD alanındaki araştırmaların çoğu, WordNet İngilizce için referans duyu envanteri olarak. WordNet bir hesaplamalı sözlük kavramları şu şekilde kodlayan eşanlamlı sözcük kümeler (ör. araba kavramı {araba, otomobil, otomobil, makine, motorlu araba} olarak kodlanmıştır). Netleştirme amacıyla kullanılan diğer kaynaklar şunları içerir: Roget Eş Anlamlılar Sözlüğü^[5] ve Wikipedia.^[6] Son zamanlarda, BabelNet, çok dilli bir ansiklopedik sözlük, çok dilli WSD için kullanılmıştır.^[7]

Konuşma bölümü etiketleme

Herhangi bir gerçek testte, konuşma bölümü etiketleme ve duyu etiketleme, her biri potansiyel olarak diğeriyle kısıtlamalar oluşturmayla çok yakından ilişkilidir. Ve bu görevlerin bir arada tutulması mı yoksa ayrıştırılması mı gerektiği sorusu hala oybirliğiyle çözülmedi, ancak son zamanlarda bilim adamları bunları ayrı ayrı test etme eğilimindeler (örneğin Senseval /SemEval yarışmalarda konuşma bölümleri, metnin belirsizliği gidermek için girdi olarak sağlanır).

Kelime anlamında belirsizlik giderme problemini, konuşma parçası etiketleme problemi ile karşılaştırmak öğreticidir. Her ikisi de, duyularla veya konuşmanın parçalarıyla, belirsizliği ortadan kaldırmayı veya kelimelerle etiketlemeyi içerir. Bununla birlikte, biri için kullanılan algoritmalar diğeri için iyi çalışma eğiliminde değildir, çünkü esas olarak bir kelimenin konuşma kısmı, öncelikle hemen bitişik bir ila üç kelime tarafından belirlenirken, bir kelimenin anlamı daha uzaktaki kelimeler tarafından belirlenebilir. . Konuşma parçası etiketleme algoritmalarının başarı oranı şu anda WSD'den çok daha yüksektir ve son teknoloji ürünü% 95 civarındadır.^{[kaynak belirtilmeli ]} % 75'ten daha azına kıyasla doğruluk veya daha iyi^{[kaynak belirtilmeli ]} ile kelime anlamındaki belirsizliği gidermede doğruluk denetimli öğrenme. Bu rakamlar İngilizce için tipiktir ve diğer diller için olanlardan çok farklı olabilir.

Yargıçlar arası varyans

Başka bir sorun da yargıçlar arası varyans. WSD sistemleri normalde, bir görev üzerindeki sonuçları bir insanınkiyle karşılaştırılarak test edilir. Bununla birlikte, metne konuşma bölümleri atamak nispeten kolay olsa da, insanları duyuları etiketleme konusunda eğitmek çok daha zordur.^[8] Kullanıcılar bir kelimenin alabileceği tüm olası konuşma bölümlerini ezberleyebilirken, bireylerin bir kelimenin alabileceği tüm duyuları ezberlemesi çoğu zaman imkansızdır. Dahası, insanlar eldeki görev üzerinde hemfikir değiller - bir duyu ve cümle listesi verin ve insanlar her zaman hangi kelimenin hangi anlamda ait olduğu konusunda hemfikir olmayacaklar.^[9]

İnsan performansı standart olduğu için bir üst sınır bilgisayar performansı için. Bununla birlikte, insan performansı çok daha iyi iri taneli -den ince taneli farklılıklar, yani yine bu, kaba taneli ayrımlar üzerine yapılan araştırmanın^[10][11] son WSD değerlendirme egzersizlerinde teste tabi tutulmuştur.^[3][4]

Edimbilim

Biraz AI araştırmacılar gibi Douglas Lenat herhangi bir biçim olmadan kelimelerin anlamlarının ayrıştırılamayacağını savunmak sağduyu ontolojisi. Bu dilbilimsel konuya pragmatik Örneğin, şu iki cümleyi karşılaştırmak:

• "Jill ve Mary annelerdir." - (her biri bağımsız olarak bir annedir).
• "Jill ve Mary kardeştir." - (birbirlerinin kız kardeşleridir).

Kelimelerin duyularını doğru bir şekilde tanımlamak için sağduyu gerçeklerini bilmek gerekir.^[12] Dahası, bazen zamir gibi kelimelerin belirsizliğini gidermek için sağduyu gerekir. anaforalar veya kataforlar Metinde.

Envanter ve algoritmaların görev bağımlılığını algılama

Görevden bağımsız bir duyu envanteri tutarlı bir kavram değildir:^[13] her görev, kendi kelime anlamının görevle ilgili duyulara bölünmesini gerektirir. Örneğin, 'fare '(hayvan veya cihaz) İngilizce-Fransızca ile alakalı değil makine çevirisi, ancak alakalı bilgi alma. Bunun tersi, Fransızca'da bir seçim yapılmasını gerektiren 'nehir' için de geçerlidir (Fleuve "denize akar" veya Rivière 'bir nehre akar').

Ayrıca, farklı uygulamalar için tamamen farklı algoritmalar gerekebilir. Makine çevirisinde sorun, hedef kelime seçimi şeklini alır. Burada "duyular", hedef dildeki kelimelerdir ve genellikle kaynak dildeki önemli anlam farklılıklarına karşılık gelir ("banka" Fransızca "banque" e tercüme edilebilir - yani, "finans bankası" veya "rive" - ​​yani 'nehrin kenarı'). Bilgi erişiminde, bir kelimenin sorgu ve alınan bir belgede aynı anlamda kullanıldığını bilmek yeterli olduğundan, bir duyu envanteri gerekli değildir; bunun ne anlamı, önemsizdir.

Duyguların ayrılığı

Son olarak, "kelime anlamı "kaygan ve tartışmalı. Çoğu insan ayrımlarda hemfikir olabilir iri taneli homograf düzey (örneğin, yazı aracı veya muhafaza olarak kalem), ancak bir düzey aşağı inin ince taneli çok anlamlılık ve anlaşmazlıklar ortaya çıkar. Örneğin, ince taneli anlam ayrımları kullanan Senseval-2'de, insan açıklamaları kelime oluşumlarının yalnızca% 85'inde hemfikirdi.^[14] Kelime anlamı prensipte sonsuz değişken ve bağlama duyarlıdır. Kolayca farklı veya ayrık alt anlamlara bölünmez.^[15] Sözlükbilimciler sık sık, dağınık ve örtüşen sözcük anlamlarını ve şaşırtıcı bir şekilde çeşitli şekillerde genişletilen, değiştirilen ve sömürülen standart ya da geleneksel anlamlar cisimde sıklıkla keşfedilir. Sözlükbilim sanatı, külliyattan bir kelimenin tüm anlam aralığını uyandıran ve açıklayan tanımlara doğru genelleme yapmaktır, bu da kelimelerin anlamsal olarak iyi davranmış gibi görünmesini sağlamaktır. Ancak, bu aynı anlam ayrımlarının şu ülkelerde geçerli olup olmadığı hiç de net değildir. hesaplama uygulamaları Sözlükbilimcilerin kararları genellikle başka hususlar tarafından yönlendirildiği için. 2009 yılında, bir görev - adlandırılmış sözcük ikamesi - duyu uyuşmazlığı sorununa olası bir çözüm olarak önerildi.^[16] Görev, bağlam içindeki bir kelimenin orijinal kelimenin anlamını koruyan bir ikame sağlamaktan oluşur (potansiyel olarak, ikameler hedef dilin tam sözlüğünden seçilebilir, böylece anlaşmazlığın üstesinden gelebilir).

Yaklaşımlar ve yöntemler

Her şeyde olduğu gibi doğal dil işleme WSD'ye iki ana yaklaşım vardır - derin yaklaşımlar ve sığ yaklaşımlar.

Derin yaklaşımlar, kapsamlı bir dünya bilgisi. "Bir balık türü için balığa gidebilirsiniz, ancak düşük frekanslı sesler için yapamazsınız" ve "şarkılar, parça olarak düşük frekanslı seslere sahiptir, ancak balık türleri yoktur" gibi bilgiler, daha sonra kelimenin hangi anlamda olduğunu belirlemek için kullanılır. bas kullanıldı. Bu yaklaşımlar pratikte çok başarılı değildir, çünkü böyle bir bilgi birikimi çok sınırlı alanların dışında bilgisayar tarafından okunabilir bir formatta mevcut değildir.^[17] Bununla birlikte, böyle bir bilgi olsaydı, derin yaklaşımlar sığ yaklaşımlardan çok daha doğru olurdu.^{[kaynak belirtilmeli ]} Ayrıca, uzun bir gelenek var hesaplamalı dilbilimleri bu tür yaklaşımları kodlanmış bilgi açısından denemek ve bazı durumlarda, ilgili bilginin dilbilimsel mi yoksa dünya bilgisi mi olduğunu açıkça söylemek zordur. İlk girişim şuydu: Margaret Masterman ve meslektaşları, Cambridge Dil Araştırma Birimi İngiltere'de, 1950'lerde. Bu girişim veri olarak Roget Eş Anlamlılar Sözlüğü'nün delikli kart versiyonunu ve numaralandırılmış "kafaları", konuların bir göstergesi olarak kullandı ve küme kesişim algoritması kullanarak metinde tekrarları aradı. Çok başarılı olmadı^[18] ancak daha sonra çalışmak için güçlü ilişkileri vardı, özellikle 1990'larda Yarowsky'nin eş anlamlılar sözlüğü yönteminin makine öğrenimi optimizasyonu.

Sığ yaklaşımlar metni anlamaya çalışmaz. Yalnızca çevreleyen kelimeleri dikkate alırlar. "Eğer bas kelimeleri var deniz veya Balık tutma yakınlarda muhtemelen balık anlamındadır; Eğer bas kelimeleri var müzik veya şarkı yakında, muhtemelen müzik anlamındadır. "Bu kurallar bilgisayar tarafından otomatik olarak türetilebilir, kelime duyuları ile etiketlenmiş bir eğitim külliyatını kullanarak. Bu yaklaşım, teorik olarak derin yaklaşımlar kadar güçlü olmasa da, pratikte üstün sonuçlar verir. , bilgisayarın sınırlı dünya bilgisi nedeniyle. Ancak, gibi cümlelerle karıştırılabilir. Köpekler ağaca havlıyor kelimeyi içeren bağırmak ikisine de yakın ağaç ve köpekler.

WSD'ye yönelik dört geleneksel yaklaşım vardır:

• Sözlük - ve bilgiye dayalı yöntemler: Bunlar esas olarak sözlüklere, sözlüklere ve sözlüklere dayanır. bilgi tabanları, herhangi bir korpus kanıtı kullanmadan.
• Yarı denetimli veya minimum denetimli yöntemler: Bunlar, bir önyükleme sürecinde çekirdek veriler olarak küçük açıklamalı bir külliyat veya sözcük hizalı iki dilli bir topluluk gibi ikincil bir bilgi kaynağından yararlanır.
• Denetimli yöntemler: Bunlar, eğitim almak için anlam açıklamalı corpora kullanır.
• Denetimsiz yöntemler: Bunlar (neredeyse) tamamen harici bilgilerden kaçınır ve doğrudan ham açıklamasız derlemelerden çalışır. Bu yöntemler aynı zamanda adı altında da bilinmektedir. kelime duyusu ayrımcılığı.

Hemen hemen tüm bu yaklaşımlar normalde bir pencere tanımlayarak çalışır. n külliyatta belirsizliği giderilecek her kelimenin etrafındaki içerik kelimeleri ve bunları istatistiksel olarak analiz etme n çevreleyen kelimeler. Eğitmek ve sonra belirsizliği gidermek için kullanılan iki sığ yaklaşım Naïve Bayes sınıflandırıcılar ve Karar ağaçları. Son araştırmalarda, çekirdek tabanlı yöntemler gibi Vektör makineleri desteklemek üstün performans göstermiştir denetimli öğrenme. Grafik tabanlı yaklaşımlar, araştırma camiasından da büyük ilgi gördü ve şu anda en son teknolojiye yakın performans elde ediyor.

Sözlüğe ve bilgiye dayalı yöntemler

Lesk algoritması^[19] seminal sözlük tabanlı bir yöntemdir. Metinde birlikte kullanılan kelimelerin birbiriyle ilişkili olduğu ve bu ilişkinin kelimelerin tanımlarında ve duyularında gözlemlenebileceği hipotezine dayanmaktadır. İki (veya daha fazla) kelimenin belirsizliği, sözlük tanımlarında en büyük kelime örtüşmesine sahip sözlük anlam çiftini bularak netleştirilir. Örneğin, "çam kozalağı" kelimelerinin belirsizliğini ortadan kaldırırken, uygun duyuların tanımları hem yaprak dökmeyen hem de ağaç (en az bir sözlükte) kelimelerini içerir. Benzer bir yaklaşım^[20] iki kelime arasındaki en kısa yolu arar: ikinci kelime, ilk kelimenin her semantik varyantının tanımları arasında yinelemeli olarak aranır, ardından önceki tanımlarda her kelimenin her semantik varyantının tanımları arasında vb. Son olarak, birinci kelimeden ikinci kelimeye olan mesafeyi en aza indiren semantik varyantı seçerek birinci kelimenin belirsizliği giderilir.

Tanımların kullanımına bir alternatif, genel kelime anlamını dikkate almaktır. akrabalık ve hesaplamak için anlamsal benzerlik verilen bir sözcük bilgisi tabanına dayalı olarak her bir sözcük duyusu çiftinin WordNet. Grafik tabanlı anımsatan yöntemler yayma aktivasyonu AI araştırmasının ilk günlerinin araştırması bir miktar başarıyla uygulandı. Daha karmaşık grafik tabanlı yaklaşımların, neredeyse denetimli yöntemler kadar iyi performans gösterdiği gösterilmiştir.^[21] hatta belirli alanlarda onlardan daha iyi performans gösterir.^[3][22] Son zamanlarda, bu kadar basit olduğu bildirildi grafik bağlantı ölçüleri, gibi derece, yeterince zengin bir sözcük bilgisi tabanı varlığında son teknoloji WSD gerçekleştirin.^[23] Ayrıca, otomatik olarak aktarılıyor bilgi şeklinde anlamsal ilişkiler Wikipedia'dan WordNet'e, basit bilgiye dayalı yöntemleri artırdığı, en iyi denetlenen sistemlere rakip olmalarını ve hatta alana özgü bir ortamda onlardan daha iyi performans göstermelerini sağladığı görülmüştür.^[24]

Seçimsel tercihlerin kullanımı (veya seçim kısıtlamaları ) ayrıca yararlıdır, örneğin, tipik olarak yemek pişirdiğini bilmek, "Ben bas yapıyorum" kelimesinin (yani, bu bir müzik aleti değil) anlamını ortadan kaldırabilir.

Denetimli yöntemler

Denetlenen yöntemler, bağlamın kendi başına kelimeleri belirsizliği gidermek için yeterli kanıt sağlayabileceği varsayımına dayanır (dolayısıyla, sağduyu ve muhakeme gereksiz kabul edilir). Muhtemelen her makine öğrenimi algoritması, aşağıdakiler gibi ilişkili teknikler de dahil olmak üzere WSD'ye uygulanmıştır. Öznitelik Seçimi, parametre optimizasyonu, ve toplu öğrenme. Vektör makineleri desteklemek ve bellek temelli öğrenme Muhtemelen özellik uzayının yüksek boyutluluğuyla başa çıkabildikleri için bugüne kadarki en başarılı yaklaşımlar olduğu gösterilmiştir. Bununla birlikte, bu denetimli yöntemler, eğitim için zahmetli ve yaratılması pahalı olan önemli miktarlarda manüel olarak algılanan şirketlere dayandıklarından, yeni bir bilgi edinme darboğazına tabidir.

Yarı denetimli yöntemler

Eğitim verilerinin eksikliğinden dolayı, birçok kelime anlamındaki belirsizliği giderme algoritması kullanır yarı denetimli öğrenme, hem etiketli hem de etiketlenmemiş verilere izin verir. Yarowsky algoritması böyle bir algoritmanın erken bir örneğiydi.^[25] Kelime anlamındaki belirsizliği gidermek için insan dillerinin "Eşdizim başına bir duyu" ve "Söylem başına bir duyu" özelliklerini kullanır. Gözlemden, kelimeler çoğu verili söylemde ve belirli bir eşdizimde yalnızca tek bir anlam gösterme eğilimindedir.^{[kaynak belirtilmeli ]}

önyükleme yaklaşım küçük bir miktarla başlar tohum verileri her kelime için: ya manuel olarak etiketlenmiş eğitim örnekleri ya da az sayıda kesin karar verme kuralı (örneğin, 'bas' bağlamında 'çal' hemen hemen her zaman müzik aletini belirtir). Tohumlar bir başlangıç ​​eğitmek için kullanılır sınıflandırıcı, herhangi bir denetimli yöntemi kullanarak. Bu sınıflandırıcı daha sonra külliyatın etiketsiz kısmında yalnızca en güvenli sınıflandırmaların dahil edildiği daha büyük bir eğitim seti çıkarmak için kullanılır. Süreç tekrar eder, her yeni sınıflandırıcı ardışık olarak daha büyük bir eğitim külliyatında eğitilir, tüm külliyat tüketilene kadar veya belirli bir maksimum yineleme sayısına ulaşılana kadar.

Diğer yarı denetimli teknikler, aşağıdakileri sağlamak için büyük miktarlarda etiketsiz yapı kullanır birlikte oluşma etiketli külliyatı tamamlayan bilgiler. Bu teknikler, denetlenen modellerin farklı alanlara uyarlanmasına yardımcı olma potansiyeline sahiptir.

Ayrıca, bir dildeki belirsiz bir kelime, kelimenin anlamına bağlı olarak genellikle ikinci bir dilde farklı kelimelere çevrilir. Kelime hizalı iki dilli corpora kullanıldı^{[Kim tarafından? ]} diller arası duyu ayrımlarını ortaya çıkarmak için, bir tür yarı denetimli sistem.

Denetimsiz yöntemler

Denetimsiz öğrenme WSD araştırmacıları için en büyük zorluktur. Altta yatan varsayım, benzer bağlamlarda benzer duyuların ortaya çıkması ve dolayısıyla duyuların metinden uyarılabilmesidir. kümeleme bazılarını kullanan kelime oluşumları benzerlik ölçüsü bağlamın^[26] bir görev olarak anılır kelime duyusu indüksiyonu veya ayrımcılık. Ardından, kelimenin yeni oluşumları, en yakın uyarılmış kümeler / duyular olarak sınıflandırılabilir. Performans, yukarıda açıklanan diğer yöntemlerden daha düşük olmuştur, ancak indüklenen duyular bilinen bir kelime duyuları sözlüğüne eşleştirilmesi gerektiğinden karşılaştırmalar zordur. Eğer bir haritalama bir dizi sözlük duyusu istenmiyorsa, kümelenmeye dayalı değerlendirmeler (entropi ve saflık ölçümleri dahil) gerçekleştirilebilir. Alternatif olarak, kelime duyusu indüksiyon yöntemleri test edilebilir ve bir uygulama içinde karşılaştırılabilir. Örneğin, kelime anlamının indüksiyonunun, sonuç kümelerinin kalitesini ve sonuç listelerinin derece çeşitliliğini artırarak Web arama sonucu kümelemesini iyileştirdiği gösterilmiştir.^[27][28] Denetimsiz öğrenmenin, Bilgi edinme darboğaz çünkü manuel çabaya bağlı değiller.

Sabit boyutlu yoğun vektörler aracılığıyla bağlamları dikkate alınarak kelimelerin temsil edilmesi (kelime düğünleri ) birçok NLP sistemindeki en temel bloklardan biri haline geldi.^[29][30][31] Geleneksel kelime gömme tekniklerinin çoğu, birden çok anlama sahip kelimeleri tek bir vektör temsilinde birleştirse de, bunlar yine de WSD'yi geliştirmek için kullanılabilir.^[32] Kelime yerleştirme tekniklerine ek olarak, sözlü veritabanları (ör. WordNet, ConceptNet, BabelNet ) ayrıca denetimsiz sistemlere sözcükleri ve onların duyularını sözlük olarak eşlemede yardımcı olabilir. Sözcük veritabanlarını ve sözcük yerleştirmelerini birleştiren bazı teknikler Otomatik Uzatma'da sunulmuştur^[33][34] ve En Uygun Anlam Notları (MSSA).^[35] Otomatik Uzatmada,^[34] bir nesne girdi temsilini, sözcükler ve sözcük duyuları gibi özelliklerine ayıran bir yöntem sunarlar. Otomatik Uzatma, kelimeleri (ör. Metin) ve sözcük olmayanları (ör. Metin) eşlemek için bir grafik yapısı kullanır. synsets içinde WordNet ) düğümler olarak nesneler ve kenarlar olarak düğümler arasındaki ilişki. Otomatik Uzatma'daki ilişkiler (kenarlar) düğümleri arasındaki eklemeyi veya benzerliği ifade edebilir. İlki, ofset hesabının arkasındaki sezgiyi yakalar,^[29] ikincisi ise iki düğüm arasındaki benzerliği tanımlar. MSSA'da,^[35] Denetimsiz bir belirsizlik giderme sistemi, önceden eğitilmiş bir kelime gömme modeli kullanarak en uygun kelime anlamını seçmek için sabit bir bağlam penceresindeki kelime duyuları arasındaki benzerliği kullanır ve WordNet. MSSA, her bir bağlam penceresi için, WordNet'teki kelimelerinin kelime vektörlerinin ortalamasını alarak her bir kelime anlamı tanımının merkezini hesaplar. Parlatıcılar (yani, kısa tanımlayıcı parlaklık ve bir veya daha fazla kullanım örneği) önceden eğitilmiş bir kelime yerleştirme modeli kullanarak. Bu centroidler daha sonra, bir hedef kelimenin hemen bitişiğindeki komşularına (yani, selefi ve halefi kelimeler) en yüksek benzerliğe sahip kelime anlamını seçmek için kullanılır. Tüm kelimeler not edildikten ve belirsizliği ortadan kaldırıldıktan sonra, herhangi bir standart kelime gömme tekniğinde bir eğitim külliyatı olarak kullanılabilirler. Geliştirilmiş sürümünde MSSA, belirsizliği giderme sürecini yinelemeli olarak tekrarlamak için kelime anlamında yerleştirmelerden yararlanabilir.

Diğer yaklaşımlar

Diğer yaklaşımlar, yöntemlerinde farklı şekilde değişebilir:

• Operasyonel semantiğe dayalı belirsizlik giderme varsayılan mantık.^[36]
• Etki alanına dayalı belirsizlik giderme;^[37][38]
• Baskın kelime duyularının tanımlanması;^[39][40][41]
• Çapraz Dil Kanıtı Kullanan WSD.^[42][43]
• WSD çözümü John Ball's Patom Teorisini birleştiren dilden bağımsız NLU [1] ve RRG (Rol ve Referans Dilbilgisi)
• Çıkarım türü içinde kısıtlamaya dayalı gramerler^[44]

Diğer diller

• Hintçe : Eksiklik sözcük kaynakları Hintçe, denetimli WSD modellerinin performansını engellerken, denetimsiz modeller geniş morfoloji nedeniyle zarar görür. Bu soruna olası bir çözüm, bir WSD modelinin tasarımıdır. paralel corpora.^[45][46] Yaratılışı Hintçe WordNet isimlerin belirsizliğini gidermede daha yüksek bir doğruluk sağladığı kanıtlanmış birkaç Denetimli yöntem için yol açtı.^[47]

Yerel engeller ve özet

Bilgi edinme darboğazı, WSD probleminin çözülmesinde belki de en büyük engeldir. Denetimsiz yöntemler sözlüklerde ve sözlük veritabanlarında seyrek olarak formüle edilen kelime duyuları hakkındaki bilgiye güvenir. Denetimli yöntemler her kelime anlamı için manuel olarak açıklanmış örneklerin varlığına bağlıdır, şimdiye kadar^{[ne zaman? ]} yalnızca test amaçlı bir avuç kelime için karşılanmalıdır, çünkü Senseval egzersizler.

WSD araştırmalarında en umut verici trendlerden biri, en büyük külliyat her zaman erişilebilir, Dünya çapında Ağ, sözcük bilgisini otomatik olarak elde etmek için.^[48] WSD, geleneksel olarak, aşağıdaki gibi uygulamaları geliştirebilen bir ara dil mühendisliği teknolojisi olarak anlaşılmıştır. bilgi alma (IR). Ancak bu durumda tersi de geçerlidir: web arama motorları WSD'de kullanılacak bilgiler için Web'de başarılı bir şekilde araştırma yapabilen basit ve sağlam IR tekniklerini uygulayın. Eğitim verilerinin tarihsel eksikliği, bazı yeni algoritmaların ve tekniklerin ortaya çıkmasına neden olmuştur. Anlam etiketli külliyatın otomatik edinimi.

Dış bilgi kaynakları

Bilgi, WSD'nin temel bir bileşenidir. Bilgi kaynakları, duyuları kelimelerle ilişkilendirmek için gerekli olan verileri sağlar. Bunlar, etiketlenmemiş veya kelime duyuları ile açıklamalı metinler külliyatından makine tarafından okunabilir sözlüklere, sözlüklere, sözlüklere, ontolojilere vb. Kadar değişebilir.^[49][50] aşağıdaki şekilde sınıflandırılmıştır:

Yapılandırılmış:

1. Makine tarafından okunabilen sözlükler (MRD'ler)
2. Ontolojiler
3. Thesauri

Yapılandırılmamış:

1. Sıralama kaynakları
2. Diğer kaynaklar (örneğin kelime frekans listeleri, durma listeleri, alan etiketleri,^[51] vb.)
3. Corpora: ham külliyat ve anlam açıklamalı külliyat

Değerlendirme

Farklı WSD sistemlerini karşılaştırmak ve değerlendirmek, benimsenen farklı test setleri, algılama envanterleri ve bilgi kaynakları nedeniyle son derece zordur. Spesifik değerlendirme kampanyalarının düzenlenmesinden önce, çoğu sistem kendi bünyesinde, genellikle küçük ölçekli olarak değerlendiriliyordu. veri setleri. Bir kişinin algoritmasını test etmek için, geliştiriciler tüm kelime oluşumlarını açıklama için zaman harcamalıdır. Farklı anlam envanterleri varsa, aynı külliyatta bile yöntemleri karşılaştırmak uygun değildir.

Ortak değerlendirme veri setlerini ve prosedürlerini tanımlamak için, kamu değerlendirme kampanyaları düzenlenmiştir. Senseval (şimdi yeniden adlandırıldı SemEval ) 1998'den beri her üç yılda bir düzenlenen uluslararası bir kelime anlamında belirsizlik giderme yarışmasıdır: Senseval-1 (Senseval-1) (1998), Senseval-2 (2001), Senseval-3 (Senseval-3) (2004) ve halefi, SemEval (2007). Yarışmanın amacı, farklı dersler düzenlemek, sistemleri test etmek için külliyat hazırlamak ve elle not almak, tüm sözcükler ve farklı diller için sözcüksel örnek WSD dahil olmak üzere çeşitli görevlerde WSD sistemlerinin karşılaştırmalı bir değerlendirmesini yapmak ve son zamanlarda gibi yeni görevler anlamsal rol etiketleme, parlak WSD, sözcük ikamesi, vb. Bu yarışmalara değerlendirme için sunulan sistemler genellikle farklı teknikleri entegre eder ve genellikle denetlenen ve bilgiye dayalı yöntemleri birleştirir (özellikle eğitim örnekleri eksikliğinde kötü performanstan kaçınmak için).

Son yıllarda ^2007-2012, WSD değerlendirme görev seçimleri büyümüştür ve WSD'yi değerlendirme kriteri, WSD değerlendirme görevinin varyantına bağlı olarak büyük ölçüde değişmiştir. Aşağıda çeşitli WSD görevleri sıralanmıştır:

Görev tasarım seçenekleri

Teknoloji geliştikçe, Kelime Algılama Netleştirme (WSD) görevleri, çeşitli araştırma yönlerine doğru ve daha fazla dil için farklı şekillerde büyür:

• Klasik tek dilli WSD değerlendirme görevleri duyu envanteri olarak WordNet'i kullanır ve büyük ölçüde aşağıdakilere dayanır: denetimli /yarı denetimli manuel olarak ek açıklamalı corpora ile sınıflandırma:^[52]
  • Klasik İngilizce WSD, Princeton WordNet envanteri algıladığından ve birincil sınıflandırma girdisi normalde SemCor külliyat.
  • Diğer diller için klasik WSD, kendi ilgili WordNet'lerini anlam envanterleri olarak kullanır ve kendi dillerinde etiketlenmiş açıklamalı yapıları anlamlandırır. Çoğu zaman araştırmacılar, SemCor külliyatına da dokunacaklar ve kısa ifadeleri İngilizce ile hizalayacaklardır. kaynak dil
• Çapraz dilli WSD değerlendirme görevi aynı anda 2 veya daha fazla dilde WSD'ye odaklanır. Çok Dilli WSD görevlerinden farklı olarak, çok anlamlı bir ismin her bir anlamı için manüel olarak anlam açıklamalı örnekler sağlamak yerine, duyu envanteri paralel bir yapıya dayalı olarak oluşturulur, örn. Europarl corpus.^[53]
• Çok Dilli WSD aynı anda 2 veya daha fazla dilde WSD'ye odaklanan değerlendirme görevleri, duyu envanterleri olarak ilgili WordNet'lerini kullanarak veya BabelNet çok dilli duyu envanteri olarak.^[54] Senseval-2'de yer alan Translation WSD değerlendirme görevlerinden geliştirilmiştir. Popüler bir yaklaşım, tek dilli WSD gerçekleştirmek ve ardından kaynak dil duyularını karşılık gelen hedef kelime çevirilerine eşlemektir.^[55]
• Kelime Sense İndüksiyon ve Netleştirme görevi duyu envanterinin ilk olduğu birleşik görev değerlendirmesidir indüklenmiş sabitten Eğitim Seti Çok anlamlı sözcüklerden ve bunların geçtiği cümleden oluşan veriler, ardından WSD farklı bir veri setini test etmek.^[56]

Yazılım

• Babelfy,^[57] Çok dilli Kelime Anlamını Netleştirme ve Varlık Bağlama için birleşik son teknoloji bir sistem
• BabelNet API,^[58] BabelNet kullanarak 6 farklı dilde bilgi tabanlı çok dilli Kelime Anlamını Netleştirme için Java API anlamsal ağ
• WordNet :: SenseRelate,^[59] kelime anlamındaki belirsizliği giderme ve kelime örneklem anlamındaki belirsizliği giderme için ücretsiz, açık kaynaklı sistemler içeren bir proje
• UKB: Grafik Tabanı WSD,^[60] Önceden var olan bir Sözcüksel Bilgi Tabanını kullanarak grafik tabanlı Kelime Anlamda Belirsizliği ve sözcüksel benzerliği / ilişkiyi gerçekleştirmek için bir program koleksiyonu^[61]
• pyWSD,^[62] Word Sense Netleştirme (WSD) teknolojilerinin python uygulamaları

Ayrıca bakınız

• Belirsizlik
• Kontrollü doğal dil
• Varlık bağlama
• Lesk algoritması
• Sözcüksel ikame
• Konuşma bölümü etiketleme
• Polysemy
• Semeval
• Anlamsal birleşme
• Yargı yorumu
• Cümle sınırı belirsizliği giderme
• Sözdizimsel belirsizlik
• Kelime anlamı
• Kelime duyusu indüksiyonu

Notlar

Çalışmalar alıntı

• Agirre, E.; Lopez de Lacalle, A.; Soroa, A. (2009). "Knowledge-based WSD on Specific Domains: Performing better than Generic Supervised WSD" (PDF). Proc. of IJCAI.
• Agirre, E.; M. Stevenson. 2006. Knowledge sources for WSD. İçinde Word Sense Disambiguation: Algorithms and Applications, E. Agirre and P. Edmonds, Eds. Springer, New York, NY.
• Bar-Hillel, Y. (1964). Language and information. Okuma, MA: Addison-Wesley.
• Buitelaar, P.; B. Magnini, C. Strapparava and P. Vossen. 2006. Domain-specific WSD. In Word Sense Disambiguation: Algorithms and Applications, E. Agirre and P. Edmonds, Eds. Springer, New York, NY.
• Chan, Y. S.; H. T. Ng. 2005. Scaling up word sense disambiguation via parallel texts. In Proceedings of the 20th National Conference on Artificial Intelligence (AAAI, Pittsburgh, PA).
• Edmonds, P. 2000. Designing a task for SENSEVAL-2. Tech. Not. University of Brighton, Brighton. İngiltere
• Fellbaum, Christiane (1997). "Analysis of a handwriting task". Proc. of ANLP-97 Workshop on Tagging Text with Lexical Semantics: Why, What, and How? Washington D.C., USA.
• Gliozzo, A.; B. Magnini and C. Strapparava. 2004. Unsupervised domain relevance estimation for word sense disambiguation. In Proceedings of the 2004 Conference on Empirical Methods in Natural Language Processing (EMNLP, Barcelona, Spain).
• Ide, N.; T. Erjavec, D. Tufis. 2002. Sense discrimination with parallel corpora. In Proceedings of ACL Workshop on Word Sense Disambiguation: Recent Successes and Future Directions (Philadelphia, PA).
• Kilgarriff, A. 1997. I don't believe in word senses. Bilgisayar. İnsan. 31(2), pp. 91–113.
• Kilgarriff, A.; G. Grefenstette. 2003. Introduction to the special issue on the Web as corpus. Computational Linguistics 29(3), pp. 333–347
• Kilgarriff, Adam; Joseph Rosenzweig, English Senseval: Report and Results May–June, 2000, University of Brighton
• Lapata, M.; and F. Keller. 2007. An information retrieval approach to sense ranking. In Proceedings of the Human Language Technology Conference of the North American Chapter of the Association for Computational Linguistics (HLT-NAACL, Rochester, NY).
• Lenat, D. "Computers versus Common Sense". Alındı 2008-12-10. (GoogleTachTalks on YouTube)
• Lenat, D.; R. V. Guha. 1989. Building Large Knowledge-Based Systems, Addison-Wesley
• Lesk; M. 1986. Automatic sense disambiguation using machine readable dictionaries: How to tell a pine cone from an ice cream cone. Proc. of SIGDOC-86: 5th International Conference on Systems Documentation, Toronto, Canada.
• Litkowski, K. C. 2005. Computational lexicons and dictionaries. In Encyclopaedia of Language and Linguistics (2nd ed.), K. R. Brown, Ed. Elsevier Publishers, Oxford, U.K.
• Magnini, B; G. Cavaglià. 2000. Integrating subject field codes into WordNet. In Proceedings of the 2nd Conference on Language Resources and Evaluation (LREC, Athens, Greece).
• McCarthy, D.; R. Koeling, J. Weeds, J. Carroll. 2007. Unsupervised acquisition of predominant word senses. Computational Linguistics 33(4): 553–590.
• McCarthy, D.; R. Navigli. 2009. The English Lexical Substitution Task, Language Resources and Evaluation, 43(2), Springer.
• Mihalcea, R. 2007. Using Wikipedia for Automatic Word Sense Disambiguation. Proc. of the North American Chapter of the Association for Computational Linguistics (NAACL 2007), Rochester, April 2007.
• Mohammad, S; G. Hirst. 2006. Determining word sense dominance using a thesaurus. In Proceedings of the 11th Conference on European chapter of the Association for Computational Linguistics (EACL, Trento, Italy).
• Navigli, R. 2006. Meaningful Clustering of Senses Helps Boost Word Sense Disambiguation Performance. Proc. of the 44th Annual Meeting of the Association for Computational Linguistics joint with the 21st International Conference on Computational Linguistics (COLING-ACL 2006), Sydney, Australia.
• Navigli, R.; A. Di Marco. Clustering and Diversifying Web Search Results with Graph-Based Word Sense Induction. Computational Linguistics, 39(3), MIT Press, 2013, pp. 709–754.
• Navigli, R.; G. Crisafulli. Inducing Word Senses to Improve Web Search Result Clustering. Proc. of the 2010 Conference on Empirical Methods in Natural Language Processing (EMNLP 2010), MIT Stata Center, Massachusetts, USA.
• Navigli, R.; M. Lapata. An Experimental Study of Graph Connectivity for Unsupervised Word Sense Disambiguation. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 32(4), IEEE Press, 2010.
• Navigli, R.; K. Litkowski, O. Hargraves. 2007. SemEval-2007 Task 07: Coarse-Grained English All-Words Task. Proc. of Semeval-2007 Workshop (SemEval ), in the 45th Annual Meeting of the Association for Computational Linguistics (ACL 2007), Prague, Czech Republic.
• Navigli, R.;P. Velardi. 2005. Structural Semantic Interconnections: a Knowledge-Based Approach to Word Sense Disambiguation. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 27(7).
• Palmer, M .; O. Babko-Malaya and H. T. Dang. 2004. Different sense granularities for different applications. In Proceedings of the 2nd Workshop on Scalable Natural Language Understanding Systems in HLT/NAACL (Boston, MA).
• Ponzetto, S. P.; R. Navigli. Knowledge-rich Word Sense Disambiguation rivaling supervised systems. Proc. of the 48th Annual Meeting of the Association for Computational Linguistics (ACL), 2010.
• Pradhan, S.; E. Loper, D. Dligach, M. Palmer. 2007. SemEval-2007 Task 17: English lexical sample, SRL and all words. Proc. of Semeval-2007 Workshop (SEMEVAL), in the 45th Annual Meeting of the Association for Computational Linguistics (ACL 2007), Prague, Czech Republic.
• Schütze, H. 1998. Automatic word sense discrimination. Computational Linguistics, 24(1): 97–123.
• Snow, R.; S. Prakash, D. Jurafsky, A. Y. Ng. 2007. Learning to Merge Word Senses, Proceedings of the 2007 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning (EMNLP-CoNLL).
• Snyder, B.; M. Palmer. 2004. The English all-words task. Proc. of the 3rd International Workshop on the Evaluation of Systems for the Semantic Analysis of Text (Senseval-3), Barcelona, Spain.
• Weaver, Warren (1949). "Translation" (PDF). In Locke, W.N.; Booth, A.D. (eds.). Machine Translation of Languages: Fourteen Essays. Cambridge, MA: MIT Press.
• Wilks, Y.; B. Slator, L. Guthrie. 1996. Electric Words: dictionaries, computers and meanings. Cambridge, MA: MIT Press.
• Yarowsky, D. Word-sense disambiguation using statistical models of Roget's categories trained on large corpora. Proc. of the 14th conference on Computational linguistics (COLING), 1992.
• Yarowsky, D. 1995. Unsupervised word sense disambiguation rivaling supervised methods. Proc. of the 33rd Annual Meeting of the Association for Computational Linguistics.

External links and suggested reading

• Computational Linguistics Special Issue on Word Sense Disambiguation (1998)
• Evaluation Exercises for Word Sense Disambiguation The de facto standard benchmarks for WSD systems.
• Roberto Navigli. Word Sense Disambiguation: A Survey, ACM Computing Surveys, 41(2), 2009, pp. 1–69. An up-to-date state of the art of the field.
• Word Sense Disambiguation as defined in Scholarpedia
• Word Sense Disambiguation: The State of the Art (PDF) A comprehensive overview By Prof. Nancy Ide & Jean Véronis (1998).
• Word Sense Disambiguation Tutorial, by Rada Mihalcea and Ted Pedersen (2005).
• Well, well, well ... Word Sense Disambiguation with Google n-Grams, by Craig Trim (2013).
• Word Sense Disambiguation: Algorithms and Applications, edited by Eneko Agirre and Philip Edmonds (2006), Springer. Covers the entire field with chapters contributed by leading researchers. www.wsdbook.org site of the book
• Bar-Hillel, Yehoshua. 1964. Language and Information. New York: Addison-Wesley.
• Edmonds, Philip & Adam Kilgarriff. 2002. Introduction to the special issue on evaluating word sense disambiguation systems. Journal of Natural Language Engineering, 8(4):279-291.
• Edmonds, Philip. 2005. Lexical disambiguation. The Elsevier Encyclopedia of Language and Linguistics, 2nd Ed., ed. by Keith Brown, 607-23. Oxford: Elsevier.
• Ide, Nancy & Jean Véronis. 1998. Word sense disambiguation: The state of the art. Computational Linguistics, 24(1):1-40.
• Jurafsky, Daniel & James H. Martin. 2000. Speech and Language Processing. New Jersey, USA: Prentice Hall.
• Litkowski, K. C. 2005. Computational lexicons and dictionaries. In Encyclopaedia of Language and Linguistics (2nd ed.), K. R. Brown, Ed. Elsevier Publishers, Oxford, U.K., 753–761.
• Manning, Christopher D. & Hinrich Schütze. 1999. Foundations of Statistical Natural Language Processing. Cambridge, MA: MIT Press. İstatistiksel Doğal Dil İşlemenin Temelleri
• Mihalcea, Rada. 2007. Word sense disambiguation. Encyclopedia of Machine Learning. Springer-Verlag.
• Resnik, Philip and David Yarowsky. 2000. Distinguishing systems and distinguishing senses: New evaluation methods for word sense disambiguation, Natural Language Engineering, 5(2):113-133. [2]
• Yarowsky, David. 2001. Word sense disambiguation. Handbook of Natural Language Processing, ed. by Dale et al., 629-654. New York: Marcel Dekker.