Datorlingvistisk grammatik I - Stp

Datorlingvistisk grammatik I
(OH-serie 3)
Mats Dahllöf
Institutionen för lingvistik och filologi
060913
(Med ej visade bilder!)
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Problem med atomära beskrivningar
1
Om vi i en kontextfri grammatik har en kategori för substantiv i
singularis obestämd form neutrum, nson, och en för substantiv
i singularis obestämd form utrum, nsou, s˚a blir nson och nsou
lika olika som nson och VP.
Viktig observation: Grammatisk information är
flerdimensionell: Vi behöver
”molekylära”/dekomponerade/faktoriserade beskrivningar.
Annars kan vi inte uttrycka m˚anga generaliseringar som vi
borde kunna f˚anga.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Problem med CFG (1)
Det finns kopplingar mellan ord- och fraskategorier:
• Substantiv/pronomen ger NP.
• Verb ger VP.
• Preposition ger PP.
• Adjektiv ger AP.
I CFG blir dessa nio kategorier totalt olika. Vi kan inte f˚anga
sambandet mellan huvudords ordklass och frasers kategori,
annat än som en massa orelaterade regler.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Problem med CFG (3)
Kongruens gör att syntaktiskt sett ”samma” ordsekvenser
förekommer i m˚anga olika varianter:
• subjekt (nominalfras) – verb (i engelska, tyska, franska)
I am — you are — she is
• determinerare – adjektiv – substantiv (i svenska)
den gula bilen — ett gult hus
3
5
I CFG s˚a skulle detta tvinga fram m˚anga regler för varje typ av
syntaktisk förbindelse. (Se övning!) Vi missar generaliseringar.
7
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
FÖRELÄSNING 5–6
• Särdragsstrukturer
• Olika slag (DCG, HPSG)
• Särdrag i grammatiken
• Regler – lexikoning˚angar – principer
• Analys av valens (delvis preliminär)
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Exempel, tv˚a ord
hund huset
ordklass subst. subst. (samma)
numerus sing. sing. (samma)
genus utrum neutrum (olika)
species obest. best. (olika)
Orden har en del gemensamt och en del olikheter.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Problem med CFG (2)
Kategoriseringen m˚aste avspegla valens (detta kallas
”subkategorisering”):
• Intransitiv — inga komplement.
• Transitiv — ett NP-objekt.
• Ditransitiv – tv˚a NP-objekt.
I CFG f˚ar vi bara olika kategorier, men inget sätt att f˚anga
strukturen och systematiken i ”valensramarna”. Valensen är
dessutom en faktor utöver ordklass och böjning.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Särdragsstrukturer
Särdrag-värde-strukturer/”feature(-value) structures”
Dessa löser m˚anga problem.
• Ett särdrag är (ett namn p˚a) en ”dimension” av
information.
• Värdet anger vad som gäller för ett beskrivet objekt.
• Ett värde per särdrag.
2
4
6
8

Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Exempel
Särdragsstrukturen för ”flicka” beskrivs av:
⎡
⎤
ORDKLASS substantiv
⎢
⎥
⎢
⎢NUMERUS
singularis ⎥
⎢
⎥
⎢
⎣GENUS
utrum ⎥
⎦
SPECIES obestämd
Fyra dimensioner vars värden delvis är oberoende.
(Särdragsstrukturerna först˚as oftast (t.ex. i SWB) konjunktivt,
d.v.s. vart och ett av särdrag-värde-paren skall stämma. SWB
har t.ex. inte en disjunktiv eller negativ logik.)
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Matriser och särdragsstrukturer
9
• Matriserna är beskrivningar av särdragsstrukturer, enligt
den bakomliggande formella teorin. En särdragsstruktur
satisfierar en beskrivning.
• En matris med lite information (ospecifik) kan korrekt
beskriva en särdragsstruktur med mer information (mer
specifik).
• Särdragsstrukturerna själva är abstrakta objekt.
• P˚a en annan ”niv˚a” är särdragsstrukturerna beskrivningar
av spr˚akliga uttryck. De karaktäriserar uttryck.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Prologtermer/Definite Clause Grammar
11
• Prologtermer är ocks˚a en typ av särdragsstruktur, där
särdragsvärdena identifieras utifr˚an sin position, och inte
med särdragsnamn.
⎡
⎤
ord
⎢
⎥
⎢
⎢ORDKLASS
substantiv ⎥
• Allts˚a: ⎢
⎥
⎢
⎣NUMERUS
singularis⎥
⎦
GENUS utrum
motsvarar n˚agot i stil med:
ord(substantiv,singularis,utrum) i CDG.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Typer och typhierarkier
• Varje särdragsstruktur är av en viss typ (sort).
13
• Typerna inordnas i begreppshierarkier, d.v.s. trädstrukturer
av över-/underordnade begrepp. (Relation: IST =
immediate supertype = omedelbar övertyp).
Strukturen kallas för en ”one-dimensional/single-mother
inheritance hierarchy”.
(I HPSG används annars rikare system där en typ kan vara
undertyp till flera övertyper. Man talar om en ”multiple
inheritance hierarchy”. Se SWB, avsnitt 16.2.)
15
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Ett värde per särdrag
⎡
⎤
SYNONYM tjej
Inte till˚atet: ⎣ ⎦
SYNONYM tös
Synonymi är en m˚anga-till-m˚anga-relation, och passar därför
inte (p˚a detta sätt) som särdrag.
Man kan se särdragsstrukturer som funktioner (fr˚an särdrag till
särdragsstrukturer).
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Underspecifikation
Särdragsstrukturen för ”hus” kan vara:
⎡
⎤
ORDKLASS substantiv
⎢
⎥
⎢
⎣GENUS
neutrum ⎥
⎦ , vilket är förenligt med b˚ade
SPECIES obestämd
⎡
⎤ ⎡
⎤
ORDKLASS substantiv ORDKLASS substantiv
⎢
⎥ ⎢
⎥
⎢
⎢NUMERUS
singularis⎥
⎢
⎥ ⎢NUMERUS
pluralis ⎥
⎢
⎥ och ⎢
⎥
⎢
⎣GENUS
neutrum ⎥ ⎢
⎦ ⎣GENUS
neutrum ⎥
⎦
SPECIES obestämd SPECIES obestämd
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Särdragsstrukturer, formell status
10
12
Man kan även se särdragsstrukturer som riktade acykliska
grafer. (Förutom som funktioner.)
Noderna är särdragsstrukturer. B˚agarna är märkta med särdrag.
• Särdragens värden är särdragsstrukturer.
• Olika särdrag kan ha samma särdragsstruktur som värde.
• Vissa särdragsstrukturer saknar särdrag.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Typer och särdrag
14
• Särdrag hör ihop med (are appropriate for) en viss typ och
— genom ”arv/inheritance” — dess undertyper.
• Vissa typer har inga tillhörande särdrag. Terminologin
till˚ater särdragsstrukturer utan särdrag. T.ex. singularis
(sg) och pluralis (pl) kommer att vara s˚adana.
• Värdet p˚a varje särdrag skall vara av en viss typ.
• Dessa begränsningar deklararas t.ex. i tabellform (SWB, s.
55 och 156).
16

Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Notation
⎡
⎤
•
ord [särdragsstrukturens typ]
⎢
⎥
⎢
⎢ORDKLASS
[ETT SÄRDRAG] substantiv [en typ] ⎥
⎢
⎥
⎢
⎣NUMERUS
[ETT SÄRDRAG] singularis [en typ] ⎥
⎦
GENUS [ETT SÄRDRAG] utrum [en typ]
• Ett särdrag är allts˚a knutet till tv˚a typer, dels den som den
hör ihop med, dels värdets typ.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Villkorliga begränsningar (constraints), forts.
⎡
• T.ex. department: ⎣ TEL 1
⎤
⎦
CHAIR TEL 1
17
• De numrerade boxarna, tags, är en typ av variabler som
visar att samma särdragsstuktur är värde p˚a tv˚a olika
särdrag.
• Detta kallas strukturdelning = structure sharing =
reentrancy.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Kompatibilitet hos särdragsmatriser
Tv˚a särdragsmatriser S1 och S2 är kompatibla om
• Typerna hos S1 och S2 är kompatibla (Typen hos S1 är
identisk med, under- eller överordnad typen hos S2.)
• För vart och ett av särdragen i S1 och S2 skall gälla att
särdagens värden är kompatibla.
Om S1 och S2 är inkompatibla s˚a innebär det att de logiskt är
motsägande. Extensionen för S1&S2 blir allts˚a tom.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
HEAD-särdraget (1)
19
21
• HEAD-särdraget bär p˚a ordklassrelaterad
kategoriinformation, s˚adan som delas mellan huvuddotter
och modernod (”perkolerar” fr˚an HD till MN) i hövdade
konstruktioner. T.ex.
— ”Nominalitet” fr˚an substantiv och pronomen till NP.
— ”Verbalitet” fr˚an verb till VP och satser (S).
— P.s.s. för ”prepositionalitet”, ”adjektivitet”, etc.
23
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Villkorliga begränsningar (constraints)
• Vi kan säga att varje särdragsstruktur som satisfierar en
viss beskrivning samtidigt skall satisfiera en annan:
Därmed f˚ar vi en villkorlig begränsning (constraint).
⎡
• T.ex. department: ⎣ TEL 1
⎤
⎦
CHAIR TEL 1
• Kolon är implikationstecken.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Särdragsmatriser kan konjungeras
18
• Informationen i tv˚a särdragsmatriser kan konjungeras (be
conjoined), symbol ”&”.
• S1&S2 är allts˚a en beskrivning som passar in p˚a de objekt
som korrekt beskrivs av b˚ade S1 och S2.
• S1&S2 kan uttryckas som en matris utan explicit
konjunktion. Att räkna fram den kallas för unifiering:
Tv˚a fall:
— S1 och S2 är kompatibla: unifieringen lyckas.
— S1 och S2 är inkompatibla: unifieringen misslyckas.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Uttryck (ord och fraser)
SWB’s grammatik gör följande uppdelning:
• expression är typen för spr˚akliga uttryck.
(feat-struc IST till expression.)
Tv˚a olika typer har expression som IST:
• word är typen för ord. (word-entiteter matchar
lexikoning˚angar.)
• phrase är typen för fraser. (phrase-entiteter matchar
grammatikregler.)
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
HEAD-särdraget (2)
20
22
• HEAD-särdraget bär värden av typen pos (part of speech =
ordklass).
• De olika ordklasserna är undertyper till pos. Dessa knyter
till sig lämpliga särdrag (typiskt motsvarande ordklassens
böjningskategorier och liknande).
• pos-entiteter bär p˚a särdrag som perkolerar som ovan och
som passar ordklassen ifr˚aga. T.ex.:
– Pluralt substantiv ger en plural NP.
– Verb i presens ger VP i presens.
24

Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Ordklassystemet, SWB kapitel 3
pos
prep adj conj agr-pos
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
[AGR]
noun verb
25
[AUX]
det
HFP, ”perkolationen” (1), schematiskt ex.
. . .
⎡
⎣ phrase
⎤
⎦
HEAD 1
⎡
⎣ phrase
⎤
⎦
HEAD 1
⎡
. . .
⎣ word
⎤
. . .
⎦
HEAD 1
. . .
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
HFP och grammatikregler
27
• Huvuddottern markeras i ”hövdade” regler (med ett ”H”).
• HFP är sedan en princip som är en generell begränsning
för alla hövdade konstruktioner.
• HFP ”bryts ut” logiskt sett. Grammatiken blir därmed mer
systematisk och mindre redundant.
• Värdedelningen enligt HFP behöver inte uttryckas i de
enskilda reglerna, utan HFP formuleras p˚a ett ställe och
gäller generellt för alla hövdade fraser.
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
SPR och COMPS (detta h˚aller)
• Komplementen är systrar till ett ord (word-entitet).
• En specificerare är syster till en fras (phrase-entitet).
29
• Särdragen SPR och COMPS kopplas ihop som särdrag i
särdragsstrukturer av typen val-cat (vars uppgift just är att
bunta ihop dessa).
• Dessa val-cat-entiteter är värden p˚a särdraget VAL(ence),
som hör ihop med expression-entiteter (allts˚a b˚ade ord och
fraser). (VAL är ett systersärdrag till HEAD.)
31
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
HEAD-Feature Principle
• Head-Feature Principle (HFP): I hövdade konstruktioner
s˚a är huvuddotterns HEAD-värde samma som
modernodens HEAD-värde.
• Den information som ”perkolerar” enligt HFP är allts˚a:
— starkt ordklassberoende
— delad mellan huvud och modernod
• Exempel (plausibla antaganden):
— Verb: tempus, hjälpverbalitet, etc.
— Nominala: kasus (case), räknebarhet. [Och?]
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
HFP, ”perkolationen” (2), mer konkret ex.
26
⎡
⎣ phrase
⎤
⎦
HEAD 1 prep
⎡
⎣ word
⎤
⎦
HEAD 1
in
NP
the house
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
SWB’s preliminära analys av valens
SWB 3.3.4: en ”naiv” analys som överges i nästa kapitel.
28
• Olika specificerarbehov — särdraget SPR: Värdet +:
specificerarbehov uppfyllt (specificerar behövs inte alls
eller är redan p˚a plats). Värdet −: specificerare saknas och
behöver komplettera frasen.
• Olika komplementbehov — särdraget COMPS: Värdet itr:
(intransitiv): inga komplement behövs (inte alls eller finns
redan p˚a plats). Värdet str: (strikt transitiv) ett
NP-komplement behövs. Värdet dtr: (ditransitiv) . . . .
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Kongruens i engelskan (1)
• Handlar om numerus och person.
• Numerus och person ges atomära värden: sg och pl,
respektive 1st, 2nd, och 3rd.
30
• Särdragen PER(son) och NUM(erus) ”buntas ihop” i
särdragsstrukturer av typen agr-cat (som införs för just det
syftet).
32

Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Kongruens i engelskan (2)
TYPE FEATURES/CONSTRAINTS IST
⎡
⎤
agr-cat
PER
⎣
NUM
{1st,2nd,3rd}
⎦
{sg,pl}
feat-struc
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Kongruens i engelskan (4)
TYPE FEATURES/CONSTRAINTS IST
agr-pos
AGR
agr-cat
pos
noun agr-pos
det agr-pos
verb AUX {+,-}
agr-pos
⎡
⎤
agr-cat
PER
⎣
NUM
{1st,2nd,3rd}
⎦
{sg,pl}
feat-struc
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Huvud-specificerar-regel (1), SWB, kap. 3 (54).d.
Subjekt-verb, med kongruens (engelska)
⎡
⎤
phrase
⎢ ⎡ ⎤⎥
⎢
⎥
⎢ COMPS itr ⎥
⎣VAL
⎣ ⎦⎦
SPR +
→
33
35
HEAD
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
37
NP
Valens, kvarvarande problem
AGR 1
⎡
phrase
⎢ ⎡
⎢
H ⎢
HEAD ⎣
⎢
⎣
verb
⎤
⎤ ⎥
⎦ ⎥
AGR 1 ⎥
⎦
VAL SPR -
• Begreppen itr, str och dtr oanalyserade. Vi ”missar” deras
inneh˚allsliga struktur (sekvenser av ett vissa slag av
komplement).
• M˚anga regler, t.ex. för huvudord-komplement. Vill vi inte
kunna säga direkt och p˚a en g˚ang att ett huvudord m˚aste
kompletteras med alla sina komplement?
• M˚anga fler valensbegrepp (utöver itr, str och dtr) kommer
att behövas, och göra ovanst˚aende punkter ännu viktigare.
• Lösning, SWB, kapitel 4/HPSG: Lägg saknade led i listor!
39
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Kongruens i engelskan (3)
• Kongruensinformationen hamnar under särdraget AGR i
den särdragsstruktur som är värde p˚a HEAD-särdraget.
• Särdraget AGR är relevant för det(erminerare), noun och
verb. Därför införs agr-pos som deras omedelbara övertyp.
Särdraget AGR agr-pos deklareras som ihophörande med
agr-pos.
(AGRs värde av typen agr-cat.)
agr-pos
[AGR]
noun verb det
[AUX]
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Kongruens, exempel
⎡
⎤
phrase
⎢ ⎡
⎤⎥
⎢ noun
⎥
⎢ ⎢ ⎡ ⎤⎥⎥
⎢ ⎢
⎥⎥
⎣
HEAD 1 ⎢ PER 3rd ⎥⎥
⎣AGR
2 ⎣ ⎦⎦⎦
NUM plur
⎡
word
⎢ ⎡
⎢
⎣HEAD
⎣ det
⎤⎡
⎤⎥⎣
⎥
⎦⎦
AGR 2
word
⎤
⎦
HEAD 1
houses
the
Datorlingvistisk grammatik I — HT 2006 (Mats Dahllöf)
Huvud-specificerar-regel SWB, kap. 3 (54).e.
Determinerare-substantiv, utan kongruens (engelska)
⎡
⎤
phrase
⎡
⎢ ⎡ ⎤⎥
⎢
⎥
⎢ COMPS itr ⎥ → D H⎣
⎣VAL
⎣ ⎦⎦
SPR +
phrase
⎤
⎦
VAL SPR -
34
36
38