La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Semantica approcci computazionali Maria Teresa PAZIENZA a.a. 2005-06.

Presentazioni simili


Presentazione sul tema: "Semantica approcci computazionali Maria Teresa PAZIENZA a.a. 2005-06."— Transcript della presentazione:

1 Semantica approcci computazionali Maria Teresa PAZIENZA a.a

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 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

3 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

4 Esempio -distribuzione di elementi con significato all’interno dell’albero -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->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 cibo preparato in un modo particolare e speciale

6 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

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 -> 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 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

10 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, …

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 dell’elaborazione 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 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

21 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

22 Demo del sistema di IE CROSSMARC

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


Scaricare ppt "Semantica approcci computazionali Maria Teresa PAZIENZA a.a. 2005-06."

Presentazioni simili


Annunci Google