Elaborazione del linguaggio naturale automi, trasduttori & morfologia

Presentazione sul tema: "Elaborazione del linguaggio naturale automi, trasduttori & morfologia"— Transcript della presentazione:

1 Elaborazione del linguaggio naturale automi, trasduttori & morfologia
Maria Teresa PAZIENZA a.a 1

2 Programma Info 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 Lexical Semantics Sentence Semantics Info

3 Sommario Strumenti per la Morfologia Automi a stati finiti (FSA)
FSA deterministici FSA non-deterministici (NFSA) Introduzione alla Morfologia FSA e Morfologia: riconoscimento Trasduttori a stati finiti (FST) Cosa sono FST e Morfologia: parsing

4 FSA: semplice esempio FSA
FSA per riconoscere e generare sequenze di simboli appartenenti al linguaggio (regolare) delle caprette, descritto dall’espressione regolare: /baa+!/ SIMBOLO STATO FINALE TRANSIZIONE STATO STATO INIZIALE FSA : il suo comportamento durante la fase di riconoscimento è totalmente determinato dallo stato in cui si trova e dal simbolo in arrivo. FSA 4

5 FSA non-deterministici (NFSA)
Un automa è detto non-deterministico se ha due archi uguali uscenti dallo stesso stato. Quindi: Deterministico vuol dire che ad ogni stato può essere presa una sola decisione Non-Deterministico vuol dire che ad ogni stato si può scegliere tra più decisioni Equivalenza tra FSA e NFSA Un NFSA può essere sempre convertito in un FSA equivalente (che definisce cioè lo stesso linguaggio) NFSA e FSA hanno quindi lo stesso potere di riconoscimento/generazione L’FSA equivalente di un NFSA ha sempre più stati dell’NFSA NFSA

6 FSA non-deterministici (NFSA)
Un tipo particolare di non-determinismo è quello causato dalla presenza di ε-transizioni (o jump arcs) ovvero da archi/transizioni non legati ad alcun simbolo ingresso. ε Una ε-transizione corrisponde ad un passaggio di stato che non influenza la stringa in esame: - in riconoscimento: non viene letto il simbolo corrente della stringa in generazione: non viene prodotto alcun simbolo In questo caso si introduce una forma di non determinismo in quanto non si sa se seguire la transizione ε oppure l’arco ! NFSA

7 FSA non-deterministici (NFSA)
Un tipo particolare di non-determinismo è quello causato dalla presenza di ε-transizioni (o jump arcs) ovvero da archi/transizioni non legati ad alcun simbolo ingresso. Possibili soluzioni: Backup: inserire un marker per indicare un punto su cui siamo già passati Look-ahead: guardare avanti per decidere quale percorso scegliere Parallelismo: in uno stato con più scelte, verificare in parallelo percorsi alternativi NFSA 7

8 FSA non-deterministici (NFSA)
Algoritmo di backup: quando si raggiunge un punto con nessuna possibilità di andare avanti (no input oppure nessuna transizione legale), si ritorna al precedente punto di decisione , si selezione una delle alternative ancora non esplorate, e si continua da quella fase. In questo NFSA, per ciascun punto di scelta, bisogna solo ricordare lo stato in cui ci si trova (nodo) e la posizione corrispondente sul nastro in input. La combinazione di stato e posizione del nastro corrispondente (search-state) nel suo insieme costituisce lo spazio di ricerca

9 FSA non-deterministici: ricerca
Riconoscimento: negli stati non-deterministici l’FSA può seguire strade diverse, ovvero prendere decisioni errate. In tal caso deve essere in grado di: Riconoscere la soluzione errata; Cercare altre soluzioni prendendo strade diverse; Ricordare quali sono le strade diverse L’automa deve quindi effettuare una ricerca nello spazio delle soluzioni (state-space search) Ad ogni bivio (choice point) devono quindi essere memorizzate in una agenda tutte le coppie di stati alternativi e la posizione nella stringa dopo la transizione δ (search-states) SEARCH STATES STATO CORRENTE q3, [b,a,a,a,a] q2, [b,a,a,a,a] q2, [b,a,a,a,a] NFSA

10 Ricerca in NFSA: esempio
b a a a ! \ q0 q1 q2 q2 q3 q4 NFSA

11 Ricerca in Profondità NFSA: esempio

12 Ricerca in Profondità NFSA: esempio

13 Ricerca in Profondità NFSA: esempio

14 Ricerca in Profondità NFSA: esempio

15 Ricerca in Profondità NFSA: esempio

16 Ricerca in Profondità NFSA: esempio

17 Ricerca in Profondità NFSA: esempio

18 Ricerca in Profondità NFSA: esempio

19 Ricerca in Ampiezza NFSA: esempio

20 Ricerca in NFSA: algoritmo di ricerca

21 Ricerca in NFSA: algoritmo di ricerca
L’algoritmo produce in uscita un reject solo quando l’agenda diventa vuota (quindi non alla fine del nastro in uno stato di non-accettazione, nè per affermare che il nastro non può avanzare in un nuovo stato). Essendo in una situazione di non-determinismo, si indica un errore in un dato percorso, non un insuccesso totale. Si rigetta una stringa solo quando tutte le scelte possibili sono state prese in esame e si è arrivati ad un insuccesso. Lo spazio degli stati consiste di tutte le coppie possibili (stato, posizione); la ricerca avverrà navigando attraverso questo spazio cercando una coppia con stato accept e posizione fine nastro. Ruolo dell’ordine con cui avviene la ricerca (si possono esaminare molte situazioni non utili prima di incontrare quella corretta). (profondità verso ampiezza, stack verso coda)

22 Sommario Strumenti per la Morfologia Automi a stati finiti (FSA)
FSA deterministici FSA non-deterministici (NFSA) Introduzione alla Morfologia FSA e Morfologia: riconoscimento Trasduttori a stati finiti (FST) Cosa sono FST e Morfologia: parsing

23 Morfologia: definizioni
La morfologia (morphology) è lo studio di come le parole sono costruite a partire da unità atomiche dette morfemi. I morfemi (morphemes) sono le più piccole unità linguistiche che possiedono un significato. Possono essere divisi in due classi: Radice (stem) il morfema che dà il significato principale alla parola Affisso (affix) particelle apposte alla radice che ne completano il significato e la funzione grammaticale ESEMPIO radice gatt-o gatt-i buy-s buy - er affisso Morfologia

24 Morfologia: definizioni
La morfologia può essere divisa in due parti principali Inflectional Morphology: combinazione di una radice con un affisso che risulta in una parola (forma flessa) della stessa classe (nome, verbo, aggettivo, ecc..) con una funzione grammaticale specifica cat (nome sing) cat-s (nome plur) cut (verbo base) cut-ting (verbo progressivo) Derivational Morphology: combinazione di una radice con un affisso che risulta in una parola di una classe diversa. Il significato della nuova parola non è facilmente prevedibile trasporto (nome)  trasport-abile (aggettivo) computerize (verbo)  computeriz-ation (nome) Morfologia

25 Quante morfologie ? Morfologia
Ogni linguaggio naturale ha una sua morfologia (affissi, regole, ecc.) Due classi principali: Concatenative morphology: una parola è composta da morfemi concatenati insieme Italiano, Inglese: gatt-o, cat-s, buy-er Non-concatenative morphology: le parole sono composte in maniera complessa Ebraico: lamad (radice: lmd; affissi: a-a pass.rem.attivo) Lingue agglutinanti: le parole sono formate da molti affissi Turco: uygarlaştiramadiklarimizdanmişsinizcasina (“comportarsi come se fossi tra quelli che non possono civilizzare”) Morfologia

26 Morfologia inglese Morfologia Caratteristiche:
Concatenative morphology Non-agglutinative (al più 4 o 5 affissi) Una parola può avere più affissi: Prefissi: un-certain Suffissi: eat-s Combinazioni: un-clear-ly Inflectional morphology: semplice, applicata solo a nomi, verbi e aggettivi Derivational Morphology: complessa Morfologia

27 Inflectional Morphology
NOMI: Due solo inflessioni: Plurale: cat  cat-s thrush thrush-es Possessivo: dog  dog’s children  childrens’ VERBI: Quattro forme morfologiche: stem: walk s form: walk walk-s past form: walk walked ing form: walk walking Irregolari: (ca. 250) Parole che non seguono le regole morfologiche (Esempio:mouse mice go goes, going, went). La maggior parte dei nomi e verbi inglesi sono regolari - La classe dei verbi regolari è produttiva : una nuova parola della lingua è automaticamente inclusa nella classe (Esempio: fax  faxes,faxing, faxed ) Morfologia

28 Derivational Morphology
nominalizzazione (verbo, aggettivo nome) -ation computerize computerization -ee appoint appointee -er kill killer -ness fuzzy fuzziness nome, verbo aggettivo -al Computation Computational -able Embrace Embraceable -less Clue Clueless Morfologia

29 A cosa serve l’analisi morfologica automatica?
Stemming in Information Retrieval Data una parola della query, cercare le pagine che contengano anche le sue forme flesse Spell Checking Riconoscere quali forme flesse sono ammissibili in una lingua e quali no (ad esempio gatt-o e gatt-are) Traduzione Automatica Ricondurre parole diverse a una stessa radice e quindi alla stessa traduzione (ad esempio amatore, amare  love) Morfologia & FSA

30 Quali strumenti usare ? Lessico esteso
Un lessico (lista di parole) che contiene tutte le parole della lingua in tutte le forme flesse Spreco di spazio e non è produttivo! Lessico ridotto + Automi La morfologia è generalmente produttiva (gran parte delle parole segue le regole morfologiche per formare le forme flesse) Conviene quindi utilizzare: Lessico contenente solo radici e affissi (ed eventualmente irregolarità) Implementazione delle regole morfologiche in un dispositivo FSA sono semplici dispositivi per implementare tali regole Morfologia & FSA

31 Sommario Strumenti per la Morfologia Automi a stati finiti (FSA)
FSA deterministici FSA non-deterministici (NFSA) Introduzione alla Morfologia FSA e Morfologia: riconoscimento Trasduttori a stati finiti (FST) Cosa sono FST e Morfologia: parsing 31

32 FSA: riconoscimento Morfologia & FSA
Un FSA può essere utilizzato per riconoscere se una parola è ammissibile in una lingua - Cosa serve? Lessico: lista di radici ed affissi della lingua (invece di lista di tutte le parole della lingua – troppo lunga e non esaustiva) Esempio: [cat,dog,cut,go,…,-s,-ed,-ation,-able,…,un-,dis-] Regole Morfologiche (morphotactics): le regole di costruzione dei morfemi che spiegano come classi di morfemi possono seguire altre classi di morfemi in una parola Esempio: Plurale inglese: radice + -s Regole Ortografiche: cambiamenti che occorrono in una parola quando due morfemi si combinano Esempio: city  cities Morfologia & FSA

33 NOMI: regole morfologiche
FSA per modellare l’inflessione plurale per nomi regolari ed irregolari Come modellare i nomi (regolari ed irregolari) nell’FSA? Ovvero: Come si può integrare il lessico? Morfologia & FSA

34 NOMI: regole morfologiche + lessico
Integrazione del lessico dei nomi regolari ed irregolari REGOLARI IRREGOLARI Morfologia & FSA

35 Sommario Strumenti per la Morfologia Automi a stati finiti (FSA)
FSA deterministici FSA non-deterministici (NFSA) Introduzione alla Morfologia FSA e Morfologia: riconoscimento Trasduttori a stati finiti (FST) Cosa sono FST e Morfologia: parsing

36 Dal Riconoscimento al Parsing
RICONOSCIMENTO : indica se una data parola in input è morfologicamente corretta oppure no (ad esempio gatti è corretta, gattare è scorretta) FSA PARSING/GENERAZIONE : - parsing: produce un’analisi morfologica della parola in input: data la parola in input viene restituita la sua struttura cats cat +N +PL - generazione: data una struttura morfologica in input, produce una forma superficiale (parola) cat +N +PL  cats FST FST

37 Trasduttori a Stati Finiti (FST)
I Trasduttori sono automi a stati finiti con due nastri A e B Ad es, può leggere da un nastro (ad es. “cats”) e scrivere sull’altro (“cat + N + PL”) Quattro modalità di utilizzo dell’ FST: riconoscitore: riceve in input una coppia di stringhe su A e B, e restituisce accept se essa appartiene al linguaggio delle coppie (una stringa per nastro) cats, cat+N+PL  accept produttore: restituisce coppie di stringhe appartenenti al linguaggio su A e B Output: tutte le parole del lessico con la loro struttura traduttore: riceve in input una stringa su A (o B) e ne restituisce un’altra su B (o A) cats  cat+N+PL (PARSING) cat+N+PL  cats (GENERAZIONE) correlatore: correla set di stringhe in A e B FST

38 FST: definizione formale
Un FST è definito dai seguenti parametri: Q : un insieme finito di N stati q0….qN Σ : un alfabeto finito di simboli complessi. Ogni simbolo complesso è una coppia (uno per nastro) di simboli i:o appartenenti rispettivamente agli alfabeti I e O (Σ  I x O) q0 : lo stato iniziale F : un insieme di stati finali FQ δ(q,i:o) : funzione di transizione tra stati (relazione da Q x Σ a Q) che restituisce un nuovo stato a partire da un dato stato e un simbolo complesso in input ESEMPIO di utilizzo di un FST riconosce tutte le coppie di stringhe in cui una ha tutte a e l’altra uno stesso numero di b produce stringhe di a su un nastro e stringhe di b sull’altro, con la stessa lunghezza traduce stringhe di a in input in stringhe di b della stessa lunghezza in output, e viceversa : FST

39 Trasduttori a Stati Finiti (FST)
Un FSA definisce un linguaggio formale attraverso la definizione di un insieme di stringhe – un FSA è isomorfo ai linguaggi regolari Un FST definisce una relazione tra insiemi di stringhe – un FST è isomorfo alle relazioni regolari Ovvero l’FST esprime il concetto della relazione tra due entità formalmente definite

40 Trasduttori a Stati Finiti (FST)
Un FST gode delle proprietà di Inversione: l’inversione di un transducer T (T -1) cambia l’input in output - se T correla l’input I all’ouput O, T -1 correla l’input O all’ouput I Composizione: se T1 è un transducer da I1 ad O1 , e T2 è un transducer da I2 ad O2, allora T1 ◦T2 correla I1 ad O2 La proprietà di inversione inverte i ruoli di input ed output, facendo passare il FST da un ruolo ad un altro (da parser a generatore) La proprietà di composizione permette di porre più transducer in serie ed ottenere un transducer più complesso

41 FST: -transizioni ε : : FST
Come gli FSA, anche gli FST possono avere ε-transizioni (o jump arcs) ESEMPIO riconosce tutte le coppie di stringhe in cui quella sul primo nastro ha tutte a e quella sul secondo un numero doppio di b produce le coppie di stringhe … traduce stringhe di a in input in stringhe di b di lunghezza doppia : : ε Σ = {a:b,:b} L = {0,abb,aabbbb,aaabbbbbb…} FST

42 Sommario Strumenti per la Morfologia Automi a stati finiti (FSA)
FSA deterministici FSA non-deterministici (NFSA) Introduzione alla Morfologia FSA e Morfologia: riconoscimento Trasduttori a stati finiti (FST) Cosa sono FST e Morfologia: parsing

43 FST e morfologia: parsing
OBIETTIVO: Livello Superficiale Livello Lessicale Passare da un livello superficiale ad un livello lessicale e viceversa, utilizzando un FST in funzione di traduttore: cats  cat+N+PL (PARSING) cat+N+PL  cats (GENERAZIONE) Morfologia & FST

44 FST e morfologia: parsing
OBIETTIVO: c:c a:a t:t N:ε PL:s Passare da un livello superficiale ad un livello lessicale e viceversa, utilizzando un FST in funzione di traduttore: cats  cat+N+PL (PARSING) cat+N+PL  cats (GENERAZIONE) Morfologia & FST

45 Analisi morfologica a due stadi
Dal livello superficiale al livello lessicale (PARSING) Sono necessari due stadi (  due trasduttori) IDENTIFICAZIONE DEI MORFEMI: Data la parola in input sul nastro A, il trasduttore la divide su B nei morfemi costituenti (radice + affissi) IDENTIFICAZIONE DELLA STRUTTURA: Dati i morfemi costituenti sul nastro A, il trasduttore identifica la categoria della radice e il significato degli affissi PARSING Livello Superficiale Livello Intermedio Livello Lessicale Morfologia & FST

46 Stadio 1: Identificazione dei morfemi
ESEMPIO: nomi singolari/plurali Obiettivo Rappresentare con un FST le regole ortografiche della lingua per i nomi regolari e irregolari Input: cats Output: cat+s Regola e-insertion cats  cat+s foxes fox+s kisses  kiss+s + s:s s:s, z:z, x:x s:s, z:z, x:x + s:s Morfologia & FST

47 Stadio 1: non è così facile …
Problemi Il trasduttore gestisce solo la regola della e-insertion, e non altri casi: Regola y-replacement: berries  berry +s (berrie +s) Regola raddoppio consonanti: beg  begging Ecc. ecc. Bisogna quindi implementare più regole ortografiche, nello stesso trasduttore, o in trasduttori paralleli! Ambiguità locale: foxes produce due forme di cui solo la prima è corretta: fox+s , foxe+s, foxes. Morfologia & FST

48 Stadio 2: Identificazione della struttura
ESEMPIO: nomi singolari/plurali Obiettivo Rappresentare con un FST le regole morfologiche della lingua per i nomi regolari e irregolari Input: cat+s, mouse, mice Output: cat N PL, mouse N SG, mouse N PL reg:reg irr_sing:irr_sing irr_plur:irr_sing Bisogna aggiungere il lessico ! Morfologia & FST

49 Stadio 2: Identificazione della struttura
ESEMPIO: nomi singolari/plurali

50 Stadio 1+2: Combinare lessico e regole
E’ possibile combinare i due stadi mettendo in cascata (serie) i due trasduttori: l’output dell’uno sarà l’input dell’altro (bottom-up parsing, top-down generazione) Livello Lessicale Livello Intermedio in serie o in parallelo Livello Superficiale Oppure, è possibile fondere i due trasduttori, attraverso un’operazione di intersezione Morfologia & FST

51 Vantaggi e problemi Morfologia & FST Vantaggi degli FST
Computazionalmente efficienti Semplici Doppio uso: parsing e riconocimento Qual’è la morfologia di foxes ? foxes fox+N+PL Qual è il plurale di fox ? Fox+N+PL  foxes Problemi Laborioso costruire e codificare un trasduttore per gestire ogni regola ed eccezione: Soluzione: Tool automatici di traduzione regolaFST Ambiguità globale: kisses può essere sia verbo che nome kisses kiss+N+PL kisseskiss+V+3SG Per disambiguare sono necessarie risorse esterne (non morfologiche), ad esempio il contesto sintattico Morfologia & FST

52 Argomenti trattati in questa lezione
DFSA, NFSA ε-transizioni (o jump arcs) state-space search Morfologia (derivazionale/inflezionale, concatenativa/non-concatenativa, FSA e riconoscimento, FST e loro proprietà) 52

53 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, oltre che ad alcune parti del libro: Speech and Language Processing, Prentice Hall, 2000, autori D.Jurafsky, J. H. Martin. 53