自然语言处理2——语言学基础

自然语言处理2——语言学基础

词性与词法

词性分类：

• 开放类（词汇类）：名词、动词、形容词
• 封闭类（功能类）：介词、限定词等

词法（构词过程）：

• 变形：对词根进行系统的修改，加前后缀来指明语法结构的不同，如：单复数、时态、数目
• 派生：缺乏系统化，通常导致语法类别及含义的根本变化，如：wide widely
• 复合：两个以上的词构成一个新词

短语结构

定义：特定的词语集合的行为，在不同位置表现出相同的语法行为。

语法（如何识别短语）：

• 重写规则：类别->类别；左边的符号序列可以重写为右边的符号序列。
• 树：子节点的顺序为句子中词语的顺序，非终结节点和它的直接子节点/局部树对应重写规则的一个应用，分析树对应句子的派生
• 带标记的括号：括号集合划出了各成分，并通过加标记表示了非终结符的类别.如：$[S[NP[ATThe][NNSchildren]][VP[VBDate][NP[ATthe][NNcake]]]]$

分析：根据句子构建一颗短语结构树

句法分析：给出一个词语序列，重构它的派生或者短语结构树的过程

问题：

• 远距离依存关系；
• 句法分析和短语结构歧义：一个词语序列可以给出多个不同的短语结构树；
• 附着歧义：不同的附着有不同的含义；
• Garden Pathing：进入可疑分析后不得不回溯重新分析

歧义原因：

• 语法歧义
• 找不到对应的句法分析：语法中缺少规则；不合乎语法

语义和语用

语义：研究词语的含义，结构及说话方式：单个词的语义、单个词的含义怎样联合起来组成句子的含义

• 词汇级语义分析：研究如何理解某个词的含义
  • 词义消歧：某个词有多个含义，如何根据上下文确定含义
    • 方法：基于词典；基于机器学习
  • 词表示：如何表示并学习一个词
    • 方法：one-hot模型；词嵌入(word Embedding：根据词常出现的语境构造向量)
• 短语级语义分析：词在不同环境下词义会有差别，研究词语搭配的含义
  • 整体含义：各部分含义+不能从各部分推导出的额外的语义信息
• 句子级语义分析：根据句子的句法结构和其中词的词义等，推导出能够反应这个句子意义的形式化表示
  • 语义角色标注：浅层语义分析方法，任务是找出核心语义角色（人等）和附属语义角色（时间、地点、方式等）
  • 句子嵌入表达：研究句子的向量表示
    • 方法：词袋模型(Bag of word)；卷积神经网络；循环神经网络；BERT等

语用：研究知识和语言习惯是如何与字面含义相互影响的，即指人在一定环境中对语言的运用，在不同环境下如何理解语言

• 篇章分析：阐明文本中句子之间的隐含关系

• 指代消解：把指代的东西明确化

• 对话中的语言行为建模

句法、语义、语用的关系：

	句法结构相同，语义不同	语义相同，句法结构不同	语义相同，语用有别
例子	”吃苹果“ ”吃食堂“	”吃了苹果“ ”苹果吃了“	主席台上摆着鲜花；鲜花摆在主席台上
相同	句法：动宾结构	语义：动作-对象	语义
不同	语义分别是：动作-对象关系；动作地点关系	句法分别是：动宾关系；主谓关系	1：主席台是旧信息，鲜花是新信息；2：主席台是新信息，鲜花是旧信息

往期文章：
自然语言处理1——NLP概述