Download Generación
Document related concepts
no text concepts found
Transcript
Análisis Morfológico • • • • Introducción Morfología Análisis morfológico Uso de técnicas de estados finitos en morfología • Aprendizaje automático de la morfología de una lengua PLN Análisis Morfológico 1 Morfología 1 • Morfología • Funciones • Flexión • Derivación • Composición • Resultado • categorización morfosintáctica • Ej. categorías Parole • Ej. Penn Treebank tagset • rasgos morfológicos ej. VMIP1S0 ej. VBD • Problemas • alteraciones fonológicas • morfotáctica PLN Análisis Morfológico 2 Morfología 2 • Problemas • sufijos flexivos sufijos derivativos • la derivación implica a veces cambio semántico que además no es siempre predecible • ej. extensiones de significado • reglas léxicas • Un sufijo derivativo puede ir seguido de su flexión • amar => amante => amantes • La flexión no cambia la categoría gramatical, la derivación a veces si • La flexión afecta a otras palabras de la oración • concordancia PLN Análisis Morfológico 3 Morfología, Modelos Computacionales • Funciones • Flexión, Derivación, Composición • Morfotáctica • Reglas de formación de palabras • Combinaciones posibles entre morfemas • Encadenamiento simple • modelos complejos raiz/patrón • Regularidad y cercanía dependientes de la lengua • Alteraciones fonológicas (Morfofonología) • • • • cambios al unir los morfemas origen: fonología, morfología, ortografía variables en número y complejidad p.ej. armonía vocálica PLN Análisis Morfológico 4 Morfemas • 1 morfema: • evitar • 2 morfemas: • evitable = evitar + able • 3 morfemas: • inevitable = in + evitar + able • 4 morfemas: • inevitabilidad = in + evitar + able + idad PLN Análisis Morfológico 5 Morfología Flexiva • número • house houses • cheval chevaux • casa casas • tiempo verbal • walk • amo walkes amas walked aman walking ... • género • niño PLN Análisis Morfológico niña 6 Morfología Derivativa • Forma de la derivación • • • • sin cambio prefijación sufijación infijación barcelonés inevitable importantísimo • Origen • • • • • • verbo => adjetivo verbo => nombre nombre => nombre nombre => adjetivo adjetivo => adjetivo adjetivo => adverbio PLN Análisis Morfológico tardar sufrir actor atleta rojo alegre => tardío => sufrimiento => actorazo => atlético => rojizo => alegremente 7 Morfología Derivativa vs Flexiva • sufijos flexivos <> sufijos derivativos • la derivación implica a veces cambio semántico que además no es siempre predecible • ej. extensiones de significado • reglas léxicas • Un sufijo derivativo puede ir seguido de su flexión • amar => amante => amantes • La flexión no cambia la categoría gramatical • La flexión afecta a otras palabras de la oración PLN Análisis Morfológico 8 Análisis morfológico 1 • Tipos de analizadores morfológicos • formarios + + + + – – Maco+ Atserias et al, 1998 eficiencia poca variación (ej. inglés) extensibilidad construcción a partir de un generador morfológico lenguas muy flexivas derivación, composición • técnicas de estados finitos • autómatas • analizadores de un nivel • transductores • analizadores de dos o más niveles PLN Análisis Morfológico Roche,Schabes, 1997 Kornai, 1999 Martí, 1988 Koskenniemi, 1983 Sproat, 1993 9 Modelos de cómputo 1 • • • • Mezcla de conocimiento lingüístico y procedimental Sistemas automáticos. Multilingüismo. Corpus Problema de la eficiencia Problema de la sobregeneración PLN Análisis Morfológico 10 Modelos de cómputo 2 • Criterios de clasificación • Poder descriptivo • Flexión, Derivación, Composición • Análisis y Generación • Enfoque • Basados en léxico • Basados en paradigma (Calder,89) • Tratamiento de la morfotáctica • Estados Finitos • Unificación • Tratamiento de la morfofonología • Estados Finitos • Métodos ad-hoc • Elementos del léxico • Morfemas • Segmentos de palabra PLN Análisis Morfológico 11 Morfología un nivel Sistema AMCAS (Marti,89) RV1 RV RNA1 START RNA F RGN INFIJ PLN Análisis Morfológico 12 SISTEMA AMCAS 1 DICCIONARIO RAICES DICCIONARIO SUFIJOS MODELOS SUFIJO MODELOS RAIZ REGLAS TEXTO ENTRADA ANALIZADOR MORFOLOGICO ESTADOS TEXTO ETIQUETADO PLN Análisis Morfológico AUTOMATA 13 SISTEMA AMCAS 2 DICCIONARIO DE RAICES (FRAGMENTO) RAIZ "d" "de" "del" "deposit" "dese" "dich" "dich" "dich" "diner" "directori" PLN Análisis Morfológico MODELO D PREP PREP AM AM HECH DETN PRON NOM NOM PROPIEDADES (("B1" "DORW")("TVM" "VI") ("SEM" "DECIR-1")) () () (("TGN" "OM") ("BL" "&3")) (("TGN" "OM") ("B1" "OSOJ") ("TVM" "VI")) (("TGN" "OM") ("CONJ" "3")) (("DET" "DEM")) (("PRN" "DEM") ) ("B1" "DAF") ("B2" "ALM") ("SEM" "DINERO-1")) () DIVISIBLE nil nil nil nil nil nil nil nil nil nil 14 SISTEMA AMCAS 3 DICCIONARIO DE SUFIJOS (FRAGMENTO) SUFIJO "a" "a "a" "a" "a" "a" "a" "a" "a" "a" "a" "aba" "lo" "me" "&" "&" MODELO PROPIEDADES AASAM (("NUM" "SG")) AASFEM (("NUM" "SG")) GAF (("GEN" "FEM")("NUM" "SG")) GAM (("NUM" "SG")) GBAJ (("GEN" "FEM")("NUM" "SG")) GBAW (("GEN" "FEM")("NUM" "SG")) nil GN1 (("GEN" "FEM")("NUM" "SG")) GOAJ (("GEN" "FEM")("NUM" "SG")) IMP (("NUM" "SG")("PERS" "2")) IPO (("NUM" "SG")("PERS" "3")) SP2 (("NUM" "SG")("PERS" "1/3")) IMA (("PERS" "1")("NUM" "SG")) PROE (("ENCL" "LO")("BL" "&1")) PROE (("BL" "&1")) GBF&1 (("NUM" "SG")) GBM&1 (("NUM" "SG")) PLN Análisis Morfológico DIVISIBLE nil nil nil nil nil nil nil nil nil nil nil nil nil nil nil 15 SISTEMA AMCAS 4 DICCIONARIO DE MODELOS DE RAIZ (FRAGMENTO) MODELO PROPIEDADES CSS D DETD1 (("CAT" "CONJ") ("TCON" "CSS") ("BL" "SI")) (("CAT" "VERB") ("TV" "D")) (("CAT" "DET") ("PERS" "1") ("TGN" "EAO") ("BL" "SI") ("DET" "DEM")) PLN Análisis Morfológico 16 SISTEMA AMCAS 5 DICCIONARIO DE MODELOS DE SUFIJO (FRAGMENTO) MODELO AASAM AASFEM GAF GAM GBAJ GBAW GN1 GOAJ IMP IPO PROE SP2 & PLN Análisis Morfológico PROPIEDADES (("GEN" "AMBI")) (("GEN" "FEM") ("CAT" "ADJ")) (("CAT" "NOM") ("GEN" "FEM")) (("CAT" "NOM") ("GEN" "MASC")) (("CAT" "ADJ")) (("CAT" "ADJ")) () (("CAT" "ADJ")) (("CAT" "VERB") ("TEMP" "PRES") ("PROE" "SI") ("MODO" "IMP")) (("CAT" "VERB") ("TEMP" "PRES") ("BL" "SI") ("MODO" "IND")) () (("CAT" "VERB") ("TEMP" "PRES") ("MODO" "SUBJ")) () 17 SISTEMA AMCAS 6 DICCIONARIO DE REGLAS (FRAGMENTO) EST_INI EST_FIN RNA1 RV RV RV RV1 RV1 RV1 RV1 RV1 RV1 RGN F F RV INFIJ RGN RGN RGN RGN RV OOSMAS BL & PROE CC AASFEM GAF GAM GOAJ IMP RV1 RV IPO RV1 START RV RV1 SPB D PLN Análisis Morfológico MODELO CONDICIONES (("TGN" "OAJ")) (("BL" "SI")) (("BL" "&1")) (("PROE" "SI")) (("U" "CCVD")) (("T1" "OAJ")) (("T1" "AF")("TGN" "AF")) (("TGN" "AM")) (("B1" "TOJ")) (("TV" "R")("TV" "ACUE) ("TV" "ADC") ("TV" "ADZ")("TV" "D")) (("TV" "PONG")("TV" "R")("TV" "HIZ") ("TV" "PUED")) (("TV" "PONG")("TV" "SEP")("TV" "D")) () 18 Morfología de dos niveles 1 • Modelo general para lenguas con encadenamiento de morfemas • Independencia entre información lingüística y analizador • Válido para análisis y generación • Distinción entre nivel léxico y superficial • Reglas paralelas para expresar la morfofonología • Implementación simple • Elementos: Sistema léxico + Reglas PLN Análisis Morfológico 19 Morfología de dos niveles 2 • Reglas morfológicas • Expresan las relaciones entre caracteres (superficie) y morfemas y permiten la descomposición de una cadena de caracteres en una estructura morfémica de la palabra • Reglas de deletreo (spelling rules) • Trabajan a nivel de las letras que constituyen la palabra • Reglas gramática de la palabra (word grammar rule) • Permiten definir la composición entre morfemas en términos de abstracciones sobre las propiedades de éstos, al margen de su realización léxica • Ritchie,Pulman,Black,Russell,87 PLN Análisis Morfológico 20 reglas gramática de la palabra 1 Caracterizan la morfología abstrayendo de los detalles de las cadenas concretas Secuencias correctas de morfemas Concatenaciones válidas Categoría sintáctica de la palabra resultante Categoría (de una palabra, morfema o fragmento) es un conjunto de pares <atributo, valor> Ej. (GPSG): plural noun == ((N +) (V -) (PLU +) (BAR 0)) PLN Análisis Morfológico 21 reglas gramática de la palabra 2 alias noun = ((N +) (V -) (BAR 0)) alias verb = ((N -) (V +) (BAR 0)) alias adj = ((N +) (V +) (BAR 0)) variable C = {noun, adj} regla del plural: (C (PLU + )) --> (C (PLU - )), ((PLU +)) gatos lexicón: gato ... s ... => (noun (PLU -)) => ((PLU +)) ((N +) (V -) (PLU +) (BAR 0)) PLN Análisis Morfológico 22 reglas gramática de la palabra 3 regla de prefijación: ((BAR 0)) --> ((FIX PRE)), ((BAR 0)). regla de sufijación: ((BAR 0) (N +)) --> ((BAR 0)), ((N +) (FIX SUF)). regla de sufijación verbal: ((N -) (V +) (AUX VAL) (BAR 0)) --> ((AUX VAL) (BAR 0)), ((FIX SUF) (N -) (V +)). PLN Análisis Morfológico 23 Análisis morfológico con FSA • Entrada: • forma • Salida • lema + rasgos morfológicos Input cat cats cities merging caught PLN Análisis Morfológico Output cat + N + sg cat + N + pl city + N + pl merge + V + pres_part (catch + V + past) or (catch + V + past_part) 24 Elementos del analizador • Lexicon de morfemas • raiz (stem) + afijos • Morfotáctica • qué combinaciones de morfemas son válidas • cats = cat + s • Alteraciones fonológicas • Reglas ortográficas (spelling rules): cambios al producirse la combinación • city + s = cities PLN Análisis Morfológico 25 Ejemplo: flexión nominal en inglés reg_noun fox cat dog irreg_pl_noun sheep mice irreg_sg_noun plural sheep -s mouse plural (-s) reg_noun 0 1 2 irreg_pl_noun morfotáctica PLN Análisis Morfológico irreg_sg_noun 26 Integración de lexicón y morfotáctica o f x a c t s o g d fog cat dog donkey mouse mice n m y e e o e s u i c Letter Transducers PLN Análisis Morfológico 27 Morfología de dos niveles upper level lower level c:c PLN Análisis Morfológico léxico superficie cat + N cat a:a +N: t:t cat + N + pl cats +pl:s 28 Utilización de un FST 1 • Como reconocedor • recibe dos cadenas de entrada (una léxica y una superficial) y responde cierto o falso según una sea transducción de la otra • Como generador • genera pares de cadenas • Como traductor • recibe una cadena superficial y genera su transducción léxica PLN Análisis Morfológico 29 Utilización de un FST 2 • Simplificaciones notacionales • default pairs • a:a • morpheme separator ^ • end of word # • default correspondence pairs abc … abc … z ‘^# z ‘ • feasible pairs • default correspondences + explicit correspondences in the rules • any @ PLN Análisis Morfológico 30 Transductor con rasgos morfológicos reg_noun fox cat dog irreg_pl_noun sheep m o:i u: ce g o:e o:e se irreg_sg_noun plural sheep s mouse goose reg_noun +pl:s +N: 0 irreg_sg_noun 1 2 irreg_pl_noun PLN Análisis Morfológico 3 4 +N: +N: 5 6 +sg: 2 +sg: +pl: 31 Integración de morfotáctica y variación fonológica nivel léxico f o x +N +pl nivel intermedio f o x ^ s nivel superficial f o x e s morfotáctica spelling rules PLN Análisis Morfológico 32 Integración de lexicón y morfotáctica o f x a c t o g d n m fog cat dog donkey mouse mice PLN Análisis Morfológico +pl:^s +N: y e o u e +sg: s e o:i +u: +sg: c +pl: +N: e +N: 33 spelling rules name consonant doubling e deletion e insertion y replacement k insertion PLN Análisis Morfológico description single letter consonant doubled before -ing/-ed silent e dropped before -ing/-ed e added after -s,-z,-x,-ch,-sh before -s -y changes to -ie before -s, to i before -ed verbs ending with voyel +c add -k example beg/begging make/making watch/watches try/tries panic/panicked 34 Reglas de dos niveles • a:b Contexto_izquierdo ___ Contexto_derecho • el item léxico a debe corresponder al item superficial b cuando se encuentra en el contexto • a:b Contexto_izquierdo ___ Contexto_derecho • el item léxico a sólo puede corresponder al item superficial b cuando se encuentra en el contexto • a:b Contexto_izquierdo ___ Contexto_derecho • el item léxico a debe corresponder al item superficial b cuando se encuentra en el contexto y sólo entonces • a:b / Contexto_izquierdo ___ Contexto_derecho • el item léxico a no puede corresponder al item superficial b cuando se encuentra en el contexto correspondencia PLN Análisis Morfológico operador contextos 35 ejemplo e-insertion :e [xsz]^: ___ s# descomposición :e [xsz]^: ___ s# PLN Análisis Morfológico / : / [xsz]^: ___ s# 36 Reglas de deletreo (spelling) 1 epenthesis +:e <=> {< {s:s c:c} h:h> s:s x:x z:z} --- s:s contexto ejemplo: PLN Análisis Morfológico <=> => <= context restriction surface coercion box box + e C: {...} V: {a,e,i,o,u,y} C2: {...} =: cualquiera s s 37 Reglas de deletreo 2 e-deletion e:0 <=> or or or or = :C2 <C:C V:V> <c:c g:g> l:0 c:c mov mov e + ed ed agre agre e + ed ed PLN Análisis Morfológico ----------- <+:0 V:= > < +:0 e:e > < +:0 {e:e i:i} > +:0 < +:0 a:0 t:t b:b> 38 Reglas de deletreo 3 a-deletion a:0 redu redu ... c c <=> e + <c:c e:0 +:0> a t t --- t:t ion ion contexto izdo foco contexto ... dcho PLN Análisis Morfológico 39 Transductor :e [xsz]^: ___ s# s:s x:x z:z ^: #: :e @:@ 1 1 1 0 _ 0 0 1 1 1 2 _ 0 0 1 1 1 0 3 0 0 4 _ _ _ _ _ _ _ _ _ _ _ 0 _ estado\input 0 1 2 3 4 ^: @:@ #:# @:@ #:# PLN Análisis Morfológico z:z s:s x:x s:s :s ^: 2 1 0 #:# @:@ #:# z:z s:s x:x 3 4 z:z s:s x:x 40 Transductor :e / [xsz]^: ___ s# estado\input 0 1 2 3 s:s x:x z:z ^: #:# @:@ 1 1 1 0 0 0 1 1 1 2 0 0 3 1 1 0 0 0 1 1 1 0 _ 0 @:@ #:# ^: z:z s:s x:x ^: @:@ #:# s:s ^: @:@ #:# PLN Análisis Morfológico z:z s:s x:x 3 2 1 0 @:@ ^: z:z x:x z:z s:s x:x 41 Integración de morfotáctica y variación fonológica nivel léxico f o x +N +pl x ^ s Lexicon-FST nivel intermedio f FST1 FST2 nivel superficial f spelling rules PLN Análisis Morfológico o FSTn ... o x e s 42 Intersección y composición de FST Lexicon-FST FST1 ... FSTn Lexicon-FST FSTA= FST1 ... FSTn intersección PLN Análisis Morfológico Lexicon-FST • FSTA composición 43 Aprendizaje automático de la morfología 1 • Problema • Paradigma raiz + afijos • Obtención de las raices • Clasificación de las raices en modelos • Dos aproximaciones • Sin utilizar conocimiento morfológico alguno • Goldsmith, 2001 • Brent, 1999 • Snover, Brent, 2001, 2002 • Cuando se dispone de conocimiento morfológico • Oliver at al, 2002 PLN Análisis Morfológico 44 Aprendizaje automático de la morfología 2 • Análisis morfológico automático • Identificación de fronteras entre morfemas • Zellig Harris • {prefix, suffix} conditional entropy • bigrams y trigrams con alta probabilidad de constituir un morfema • descubrimiento de patrones o reglas de correspondencia entre pares de palabras • Aproximación global (top-down) • Golsdmith, Brent, de Marcken PLN Análisis Morfológico 45 Aprendizaje automático de la morfología 3 • Sistema de Goldsmith basado en MDL (Minimum Description Length) • Partición inicial: palabra -> raiz + sufijo • split-all-words • Un buen candidato a {raiz, sufijo} en una palabra lo es también en (muchas) otras palabras • MI (mutual information) strategy • Convergencia más rápida • Obtención de Signatures • Regular {signatures, stem, suffixes} • Más de una raiz, más de un sufijo • MDL PLN Análisis Morfológico 46 Aprendizaje automático de la morfología 4 • Análisis morfológico semi-automático • Oliver, 2004 • Parte de un paquete de reglas morfológicas escritas a mano • TL:TF:Desc • terminación del lema • terminación de la forma • categoría morfológica • Lista de clases no flexivas, clases cerradas y palabras irregulares • Corpus • serbo-croata 9 Mw • ruso 16 Mw PLN Análisis Morfológico 47