Università degli Studi di Modena e Reggio Emilia

Presentazione sul tema: "Università degli Studi di Modena e Reggio Emilia"— Transcript della presentazione:

1 Università degli Studi di Modena e Reggio Emilia
Facoltà di Ingegneria - Corso di Laurea in Ingegneria Informatica Risoluzione di ambiguità semantiche per la ricerca di similarità tra frasi Erika Stefanini Correlatori: Dott. Federica Mandreoli Ing. Riccardo Martoglia Relatore: Prof. Paolo Tiberio Anno Accademico 2002/2003

2 Obiettivi della tesi: realizzazione di un modulo indipendente per la risoluzione di ambiguità semantiche (word sense disambiguation) di termini appartenenti a frasi di lingua inglese questo modulo verrà poi utilizzato all’interno del progetto EXTRA

3 Sistema EXTRA: Testo da tradurre Suggerimenti per la traduzione
Ricerca approssimata di frasi (Pre-traduzione) Testo da tradurre Suggerimenti per la traduzione Allineamento Testo tradotto Traduttore professionista Frase originale Frase Tradotta The white cat is hunting the mouse Il gatto bianco sta cacciando il topo. The white feline is catching the rodent. Il felino bianco sta catturando il roditore. The white computer is detecting a mouse. Il computer bianco sta rintracciando un mouse. The white cat is hunting the mouse Sim =1- ed/lung = 0,57 Edit distance = 3 The white feline is catching the rodent The white computer is detecting a mouse

4 La risoluzione di ambiguità semantiche dei termini (word sense disambiguation):
è stata un tema di grande interesse fin dagli anni ’50 è stata studiata ed utilizzata in diversi settori: intelligenza artificiale (comprensione del linguaggio naturale), traduzione automatica, information retrieval consiste nel determinare in modo automatico il significato più appropriato di una parola in base al contesto (frase) in cui si trova 2 tipi di approccio per il wsd

5 WordNet Word Meanings Word Forms apricot apricot tree Asian tree having clusters of usually white blossoms… X Downy yellow to rosy-colored fruit resembling a small peach A shade of pink tinged with yellow È un sistema lessicale basato sulle teorie psicolinguistiche della memoria lessicale umana La caratteristica principale di WordNet è l’organizzazione delle informazioni lessicali delle parole in base al loro significato e non alla loro forma (lemma) Ogni parola è l’associazione tra la sua forma (il modo in cui viene scritta) ed il significato che esprime; questa corrispondenza viene espressa tramite la matrice lessicale WordNet è stato realizzato presso il Cognitive Science Laboratory della Princeton University da un gruppo di psicologi e linguisti coordinati dal prof. George A. Miller.

6 WordNet divide l’insieme delle parole in 4 categorie:
Nomi Aggettivi Avverbi Verbi Ogni categoria è organizzata in insiemi di sinonimi (synset) che rappresentano un concetto. I synset sono collegati tra loro da diversi tipi di relazioni semantiche. Substance, matter Natural object Plant part Reproductive structure Fruit Solid Food Produce,green goods,… Edible fruit Pome, false fruit Apple (significato numero 1) Object, physical object Entity, physical thing IPERONIMIA Un concetto rappresentato dal synset {y, y’,…} è un iperonimo del concetto rappresentato dal synset {x, x’,…} se si può costruire una frase del tipo An x is a (kind of) y. L’iperonimia genera una gerarchia simile alle gerarchie di specializzazione presente nei modelli E/R. Gli algoritmi implementati tengono conto solo dei nomi e dei verbi.

7 TRASFORMAZIONE PRELIMINARE DELLA FRASE
frase originale parsing frase “parserizzata” stemming frase “stemmizzata” lista nomi , lista verbi estrazione di nomi e verbi The white cat is hunting the mouse The/DT white/JJ cat/NN is/VBZ hunting/VBG the/DT mouse/NN white cat be hunt mouse Algoritmo wsd nomi nomi = {cat,mouse} Algoritmo wsd verbi verbi = {be,hunting} nomi = {cat,mouse} nomi = {cat, mouse}, verbi = {be, hunt}

8 ALGORITMO DI WORD SENSE DISAMBIGUATION DEI NOMI
Placental mammal Carnivore Rodent Feline, felid Cat (significato 1) Mouse ALGORITMO DI WORD SENSE DISAMBIGUATION DEI NOMI Osservazione: se un insieme di parole polisemiche sono simili, il loro concetto comune dà informazioni su quale significato di ognuna delle parole sia quello più adatto. 3 4 Dato un insieme di nomi W = { w1, w2,…} considero tutte le possibili coppie (wi, wj) 2 5 Calcolo della SIMILARITÀ SEMANTICA di due nomi: si basa sulla lunghezza del cammino necessario a percorrere la distanza che li separa dal loro concetto minimo comune 1 len(cat#1, mouse#1) = 5 sim(cat#1,mouse#1) = 1,856

9 PASSI ALGORITMO DI WORD SENSE DISAMBIGUATION DEI NOMI Dati:
un insieme di nomi w1, w2, …, wn sim(wi, wj) per ogni coppia di nomi c[i,j] = concetto minimo comune a wi e wj Si vuole determinare: φ(w,k) funzione che indica la confidenza con cui si può dire che la parola w ha il significato k Il significato migliore di un nome è quello che ha il più alto valore di φ. PASSI calcolo della confidenza coppia di nomi wi e wj si determina v[i,j] = sim(wi, wj) * G(di – dj) oppure  + = 1 se c[i,j] è un iperonimo di sense (wi , k) allora support[i,k] += v[i,j] normalization[i] += v[i,j]; normalization[j] += v[i,j];

10 ALGORITMO DI WORD SENSE DISAMBIGUATION DEI VERBI
Per i verbi approccio di tipo diverso: definizioni dei significati di WordNet Sense 2 look, appear, seem -- (give a certain impression or have a certain outward aspect; "She seems to be sleeping"; "This appears to be a very difficult problem"; "This project looks fishy"; "They appeared like people who had not eaten or slept for a long time") Descrizione del significato + frasi di esempio

11 PASSI ALGORITMO DI WORD SENSE DISAMBIGUATION DEI VERBI Dati:
N = insieme nomi presenti nella frase in cui compare verbo v nomi_es(v, k) = insieme nomi nella definizione del significato k del verbo v; sim(nomei, nome_esj) ,  nomei  N e  nome_esj  nomi_es(v,k) Si vuole determinare: φ(v,k) funzione che indica la confidenza con cui si può dire che il verbo v ha il significato k Il significato migliore del verbo v è quello con il valore più alto di φ. PASSI  nomei  N Calcolo della confidenza

12 ALGORITMO DI WORD SENSE DISAMBIGUATION DEI VERBI
Poiché WordNet contiene verbi con oltre 30 significati, si è deciso di sfruttare l’andamento di R(k) per migliore l’efficienza dell’algoritmo. La retta R(k) è decrescente R(k) > R(k+1) Se risulta vera la condizione φ(v,k) > R(k+1) φ(v,k) = R(k)*T(v,k) > R(k+1) > R(k+1)*T(v,k+1) = φ(v,k+1) Si può smettere di calcolare φ(v,k) per k > k+1, visto che in questo intervallo si otterrebbero valori minori di φ(v,k)

13 WordNet assegna ad ogni significato un codice numerico univoco.
GENERAZIONE CODICI WordNet assegna ad ogni significato un codice numerico univoco. Dopo aver eseguito gli algoritmi di word sense disambiguation, ad ogni nome o verbo della frase “stemmizzata” viene sostituito il codice del significato che è risultato essere migliore. The white cat is hunting the mouse white cat be hunt mouse Frase originale: Frase “stemmizzata”: Frase con codici: white The white computer is detecting a mouse white computer be detect mouse Frase originale: Frase “stemmizzata”: Frase con codici: white The white feline is catching the rodent white feline be catch rodent Frase originale: Frase “stemmizzata”: Frase con codici: white

14 RISULTATI ALGORITMO WSD NOMI
Media delle percentuali di successo caso primaedopo = 0 Collezioni dati di tipo tecnico e di tipo generico (da opere letterarie) casi primaedopo = 0 e primaedopo > 0 a confronto 1=DPaint 2=elettrodom. 3=op.letterarie

15 RISULTATI ALGORITMO WSD VERBI
È molto difficile stabilire con certezza il giusto significato di un verbo Esempio: The great musician Mozart composed nine symphonies and many other musical composition. Frase originale: The verb compose has 6 senses (first 5 from tagged texts): (14) compose -- (form the substance of; "Greed and ambition composed his personality") 2. (5) compose, write -- (write music; "Beethoven composed nine symphonies") 3. (4) write, compose, pen, indite -- (produce a literary work; "She composed a poem"; "He wrote four novels") 4. (3) compose, compile -- (put together out of existing material; "compile a list") 5. (1) compose -- (calm (someone, esp. oneself); make quiet; "She had to compose herself before she could reply to this terrible insult") 6. frame, outline, compose, draw up -- (draw up the plans or basic details for; "frame a policy")

16 Obiettivi raggiunti : Sviluppi futuri :
definizione della funzione di similarità semantica: fornisce una misura della somiglianza di significato tra due concetti tramite questa funzione sono stati sviluppati gli algoritmi di word sense disambiguation: per ogni significato si è determinata la confidenza con cui poter giudicare quanto fosse appropriato si è aumentata l’efficacia dell’algoritmo relativo ai nomi valutando anche i nomi delle frasi adiacenti Sviluppi futuri : Per i nomi: considerare anche altri tipi di relazioni oltre l’iperonimia Per i verbi: analizzare le frasi in base all’analisi logica per determinare soggetto ed eventuale complemento oggetto Approccio di tipo statistico