Ekstrakcja relacji semantycznych

W dotychczas przedstawionej historii ekstrakcji informacji dla jezyka angielskiego nie koncentrowali-_, ´smy sie na relacjach semantycznych. W praktyce wi_, ekszo´_, s´c opisywanych system´ow stworzona zosta la albo po to by wype lnia´c szablony ekstrakcyjne, w kt´orych spo´sr´od relacji semantycznych najcze´_,sciej pojawia

4.1. Ekstrakcja informacji w jezyku angielskim_, 53

sie meronimia, albo po to by ekstrahowa´_, c specyficzne relacje ontologiczne (jak np. autor – ksia˙zka, przed-_, siebiorstwo – g l´_, owna siedziba, itp.). Istnieje jednak kilka interesujacych prac po´_, swieconych ekstrahowaniu_, specyficznych relacji semantycznych, w szczeg´olno´sci hiponimii oraz meronimii.

Jedna z najlepiej znanych i najcz_, e´_,sciej cytowanych prac na ten temat jest artyku l Hearst [52]. Autorka przedstawi la w nim metode rozpoznawania hiponimii z wykorzystaniem prostych wzorc´_, ow gramatyczny-tekstowych. Przyk ladowo wzorzec

N P₀, such as {N P₁, N P₂. . . (and | or) N P_n } , (4.2) kt´ory mo˙ze by´c dopasowany do zdania

The bow lute, such as Bambara ndang is plucked and has an individual curved neck for each string6,

pozwala wyekstrahowa´c nastepuj_, acy przyk lad hiponimii: (Bambara ndang, bow lute)._,

W swojej pracy Hearst wskaza la 6 wzorc´ow tego rodzaju, kt´ore zdolne by ly do rozpoznawania relacji hiponimii z wysoka precyzj_, a [52, s. 541]_, 7:

– such N P as {N P, } ∗ { (and | or ) }N P ,

np. works by such authors as Herrick, Goldsmith, and Shakespeare, – N P {N P, } ∗ {, } or other N P ,

np. Bruises, wounds, broken bones or other injuries ..., – N P {N P, } ∗ {, } and other N P ,

np. templates, treasuries, and other important civic buildings, – N P including {N P, } ∗ { (and | or ) }N P ,

np. All common-law countries, including Canada, England, ..., – N P {, } especially {N P, } ∗ { (and | or ) }N P ,

np. most European countries, especially France, England, and Spain.

Metoda pozwalajaca na znalezienie tych wzorc´_, ow by la podobna jak w przypadku algorytm´ow opi-sanych w punkcie 4.1.4, z tym zastrze˙zeniem, ˙ze wzorce ekstrakcyjne by lyby tworzone recznie przez_, eksperymentatora na podstawie zda´n, w kt´orych znaleziono wystapienia danych zarodkowych. Hearst_, pr´obowa la r´ownie˙z u˙zy´c powy˙zszej metody do ekstrahowania meronimii. Okaza lo sie jednak, ˙ze uzyskane_, wzorce by ly wieloznaczne (dominowa ly w nich wzorce postaci X of Y oraz X’s Y, wskazujace na pewien_, typ relacji posesywnej) i autorka nie rozwija la tej metody.

Kolejne wa˙zne osiagni_, ecia w zakresie rozpoznawania meronimii by ly opisane w pracy Berlanda i Char-_, niaka [13]. W pierwszej kolejno´sci autorzy okre´slili na zasadzie analogicznej do metody Hearst, 5 wzorc´ow charakteryzujacych meronimi_, e w j_, ezyku angielskim [13, s. 58]:_,

– N N [−P L]_w’s N N [−P L]_p, np. building’s basement,

– N N [−P L]p of { (the | a ) }[J J |N N ] ∗ N Nw, np. basement of a building,

6Lutnia lukowa, taka jak Bambara ndang jest instrumentem szarpanym i posiada osobny, wygiety zaczep dla ka ˙zdej_, struny – t lum. autora.

– N NP in{ (the | a ) }[J J |N N ] ∗ N Nw, np. basement in a building, – N N − P Lp of N N − P Lw, np. basements of buildings, – N N − P L_p in N N − P L_w, np. basements in buildings, gdzie indeks: – w – oznacza ca lo´s´c, – p – oznacza cze´_,s´c.

Poniewa˙z jako´s´c wynik´ow produkowanych przez poszczeg´olne wzorce mocno sie r´_, o˙zni la, autorzy wy-korzystali tylko pierwsze dwa, gdy˙z charakteryzowa ly sie najwy˙zsz_, a precyzj_, a. Aby ograniczy´_, c liczbe b l_, e-_, d´ow ekstrakcji, wyniki by ly w pierwszym rzedzie filtrowane ze wzgl_, edu na wyst_, epowanie w rzeczownikach_, ko´nc´owek ing, ness oraz ity, charakterystycznych dla cech obiekt´ow, a nastepnie sortowane wzgl_, edem_, miary asocjacji s l´ow tworzacych relacj_, e meronimii. Autorzy wykorzystali w tym wypadku miar_, e sigdiff,_, kt´ora oparta jest na r´o˙znicy prawdopodobie´nstwa wystapienia okre´_, slonego s lowa oraz tego samego s lowa pod warunkiem wystapienia drugiego s lowa. W ten spos´_, ob dla danego s lowa wyj´sciowego stanowiacego_, ca lo´s´c (np. car lub building), tworzony by l ranking s l´ow odpowiadajacych cz_, e´_,sciom danego obiektu. Lista ta mog la by´c dalej wykorzystywane np. do uzupe lnienia zawarto´sci s lownika takiego jak WordNet.

Najciekawsza z naszego punktu widzenia sa jednak prace Girju i wsp´_, o lpracownik´ow [47, 46]. Za-sadnicza r´o˙znica w stosunku do metody Hearst, a tak˙ze Berlanda i Charniaka dotyczy la okre´slenia ogranicze´n semantycznych dla ekstrahowanej relacji. Girju podobnie jak Hearst, r´ownie˙z zidentyfiko-wa la gramatyczno-tekstowe wzorce relacji (3 w przypadku meronimii), ale dopiero w nastepnym kroku_, jej algorytm okre´sla l, czy dana para symboli jezykowych powi_, azana jest odpowiedni_, a relacj_, a, badaj_, ac czy_, oba symbole spe lniaja ograniczenia semantyczne powi_, azane z danym wzorcem._,

Bardzo istotnym elementem algorytmu opisanego w [47, s. 4-6] by lo automatyczne okre´slanie ograni-cze´n semantycznych na podstawie recznie oznakowanego zbioru danych ucz_, acych, sk ladaj_, acego si_, e z pra-_, wie 35 tys. par symboli (w tym niemal 28 tys. zaczerpnietych z angielskiego WordNetu). Algorytm ten_, nazwany w p´o´zniejszej pracy iterative semantic specialization (ISS) [46] wyglada nast_, epuj_, aco. W pierw-_, szej kolejno´sci fragmenty tekstu pasujace do wzorc´_, ow ekstrakcyjnych sa r_, ecznie oznaczane ze wzgl_, edu_, na wystepowanie w nich meronimii – w wyniku czego powstaj_, a zbiory pozytywnych oraz negatywnych_, przyk lad´ow wystapienia tej relacji. Nast_, epnie napisy wyst_, epuj_, ace na pozycjach odpowiadaj_, acych ca lo´_, sci oraz cze´_,sci ujednoznaczniane sa wzgl_, edem angielskiego WordNetu (ten etap pomijany by l w przypadku_, przyk lad´ow pochodzacych z korpusu SemCor, by ly ujednoznacznione wzgl_, edem WordNetu). Wykorzy-_, stujac przechodnio´_, s´c hiponimii, specyficzne pojecia wyst_, epuj_, ace w przyk ladach odnalezionych w tek´_, scie zastepowane by ly najbardziej og´_, olnymi pojeciami_, 8.

Uog´olnienie ogranicze´n semantycznych mog lo jednak prowadzi´c ponownie do problemu wieloznaczno-´sci – tzn. dla tych samych uog´olnionych par ogranicze´n wystepowa ly zar´_, owno pozytywne jak i negatywne przyk lady meronimii. Dlatego te˙z og´olne ograniczenia posiadajace niejednoznaczne przyk lady tekstowe,_, by ly zastepowane swoimi specjalizacjami, tak d lugo, a˙z niejednoznaczno´_, s´c ta zosta la wyeliminowana. Przyk ladowo, je´sli w´sr´od przyk lad´ow pozytywnych wystapi la para (noga,pszczo la), kt´_, ora uog´olniana jest do pary (entity#1,entity#1 ) a w´sr´od negatywnych para (ul,pszczo la), kt´ora uog´olniana jest do tej samej