Sémantika diskurzu Rozpoznání anafor
PLIN037 Sémantika a počítače
OP VK Mezi bohemistikou a informatikou
www.projekt-inova.cz
Zuzana Nevěřilová
xpopelk@fi.muni.cz
Centrum zpracování přirozeného jazyka, B203
Fakulta informatiky, Masarykova univerzita
19. dubna 2016
Sémantika diskurzu Rozpoznání anafor
Sémantika diskurzu
Rozpoznání anafor
Sémantika diskurzu Rozpoznání anafor
Sémantika diskurzu (discourse semantics)
Honzai ztratil peněženkuj. [On]i Hledal jij v zadním voze
tramvajek nejmíň půl hodiny. Nakonec hoi odtamk vyhodili,
přestože [On]i jij nenašel. [On]i Byl z toho? pěkně naštvaný.
Sémantika diskurzu Rozpoznání anafor
Sémantika diskurzu (discourse semantics)
Honzai ztratil peněženkuj. [On]i Hledal jij v zadním voze
tramvajek nejmíň půl hodiny. Nakonec hoi odtamk vyhodili,
přestože [On]i jij nenašel. [On]i Byl z toho? pěkně naštvaný.
seznam objektů promluvy (promluvový objekt, PO; discourse
entity):
• množina prvků znalostní báze (knowledge base, KB), které
byly zmíněny a mohou být odkazovány pomocí zájmen
• pokud prvek nebyl zmíněn, a přesto může být odkazován, byl
evokován
typický PO: jmenná fráze
Sémantika diskurzu Rozpoznání anafor
Sémantika diskurzu (discourse semantics)
Honzai ztratil peněženkuj. [On]i Hledal jij v zadním voze
tramvajek nejmíň půl hodiny. Nakonec hoi odtamk vyhodili,
přestože [On]i jij nenašel. [On]i Byl z toho? pěkně naštvaný.
seznam objektů promluvy (promluvový objekt, PO; discourse
entity):
• množina prvků znalostní báze (knowledge base, KB), které
byly zmíněny a mohou být odkazovány pomocí zájmen
• pokud prvek nebyl zmíněn, a přesto může být odkazován, byl
evokován
typický PO: jmenná fráze
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: rozpoznání anafor, rezoluce anafor
(anaphora resolution, AR)
exofora (odkaz mimo text)
Co je to?
endofora (odkaz do textu)
v takovém případě
anafora (zpětný odkaz) – antecedent (dříve evokovaný PO)
Anežka na sebe hodila kabát a vyrazila.
katafora (dopředný odkaz)
Protože [on] byl chytrý, vydal se David nejprve za svým šéfem.
koreference (různé výrazy pro tentýž PO): Václav Klaus, Klaus,
bývalý prezident, on
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: rozpoznání anafor, rezoluce anafor
(anaphora resolution, AR)
druhy anafor:
• deixe: Petr si ukrojil chleba a snědl ho. (pronominální anafora)
• synonymum: Petr si ukrojil chleba a pak krajíc snědl.
• hyperonymum: Petr si ukrojil chleba a pak jídlo snědl.
v jazycích s volným slovosledem jsou časté nevyjádřené podměty:
Petr si ukrojil chleba a [Petr] snědl ho[=chleba].
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
1. objekty promluvy (PO): promluvový zásobník (history list)
2. při každé zmínce objektu se PO posune na vrchol zásobníku
3. každý odkaz se nahradí PO, který je nejblíž vrcholu zásobníku
a obsahuje gram. shodu (číslo, příp. rod)
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
1. objekty promluvy (PO): promluvový zásobník (history list)
2. při každé zmínce objektu se PO posune na vrchol zásobníku
3. každý odkaz se nahradí PO, který je nejblíž vrcholu zásobníku
a obsahuje gram. shodu (číslo, příp. rod)
Honza ztratil peněženku. [on] Hledal ji v zadním voze tramvaje
nejmíň půl hodiny. Nakonec ho odtam [oni] vyhodili, přestože ji
nenašel. [on] Byl z toho pěkně naštvaný.
peněženka
Honza
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
1. objekty promluvy (PO): promluvový zásobník (history list)
2. při každé zmínce objektu se PO posune na vrchol zásobníku
3. každý odkaz se nahradí PO, který je nejblíž vrcholu zásobníku
a obsahuje gram. shodu (číslo, příp. rod)
Honza ztratil peněženku. [on] Hledal ji v zadním voze tramvaje
nejmíň půl hodiny. Nakonec ho odtam [oni] vyhodili, přestože ji
nenašel. [on] Byl z toho pěkně naštvaný.
Honza
peněženka
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
1. objekty promluvy (PO): promluvový zásobník (history list)
2. při každé zmínce objektu se PO posune na vrchol zásobníku
3. každý odkaz se nahradí PO, který je nejblíž vrcholu zásobníku
a obsahuje gram. shodu (číslo, příp. rod)
Honza ztratil peněženku. [on] Hledal ji v zadním voze tramvaje
nejmíň půl hodiny. Nakonec ho odtam [oni] vyhodili, přestože ji
nenašel. [on] Byl z toho pěkně naštvaný.
peněženka
Honza
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
1. objekty promluvy (PO): promluvový zásobník (history list)
2. při každé zmínce objektu se PO posune na vrchol zásobníku
3. každý odkaz se nahradí PO, který je nejblíž vrcholu zásobníku
a obsahuje gram. shodu (číslo, příp. rod)
Honza ztratil peněženku. [on] Hledal ji v zadním voze tramvaje
nejmíň půl hodiny. Nakonec ho odtam [oni] vyhodili, přestože ji
nenašel. [on] Byl z toho pěkně naštvaný.
zadní vůz tramvaje
peněženka
Honza
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
1. objekty promluvy (PO): promluvový zásobník (history list)
2. při každé zmínce objektu se PO posune na vrchol zásobníku
3. každý odkaz se nahradí PO, který je nejblíž vrcholu zásobníku
a obsahuje gram. shodu (číslo, příp. rod)
Honza ztratil peněženku. [on] Hledal ji v zadním voze tramvaje
nejmíň půl hodiny. Nakonec ho odtam [oni] vyhodili, přestože ji
nenašel. [on] Byl z toho pěkně naštvaný.
zadní vůz tramvaje
peněženka
Honza
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
1. objekty promluvy (PO): promluvový zásobník (history list)
2. při každé zmínce objektu se PO posune na vrchol zásobníku
3. každý odkaz se nahradí PO, který je nejblíž vrcholu zásobníku
a obsahuje gram. shodu (číslo, příp. rod)
4. v jedné klauzi se PO vyskytuje jen jednou
Honza ztratil peněženku. [on] Hledal ji v zadním voze tramvaje
nejmíň půl hodiny. Nakonec ho odtam [oni] vyhodili, přestože ji
nenašel. [on] Byl z toho pěkně naštvaný.
Honza?
zadní vůz tramvaje
peněženka
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
1. objekty promluvy (PO): promluvový zásobník (history list)
2. při každé zmínce objektu se PO posune na vrchol zásobníku
3. každý odkaz se nahradí PO, který je nejblíž vrcholu zásobníku
a obsahuje gram. shodu (číslo, příp. rod)
4. v jedné klauzi se PO vyskytuje jen jednou
Honza ztratil peněženku. [on] Hledal ji v zadním voze tramvaje
nejmíň půl hodiny. Nakonec ho odtam [oni] vyhodili, přestože ji
nenašel. [on] Byl z toho pěkně naštvaný.
oni
Honza?
zadní vůz tramvaje
peněženka
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
1. objekty promluvy (PO): promluvový zásobník (history list)
2. při každé zmínce objektu se PO posune na vrchol zásobníku
3. každý odkaz se nahradí PO, který je nejblíž vrcholu zásobníku
a obsahuje gram. shodu (číslo, příp. rod)
4. v jedné klauzi se PO vyskytuje jen jednou
Honza ztratil peněženku. [on] Hledal ji v zadním voze tramvaje
nejmíň půl hodiny. Nakonec ho odtam [oni] vyhodili, přestože ji
nenašel. [on] Byl z toho pěkně naštvaný.
peněženka
oni
Honza?
zadní vůz tramvaje
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
1. objekty promluvy (PO): promluvový zásobník (history list)
2. při každé zmínce objektu se PO posune na vrchol zásobníku
3. každý odkaz se nahradí PO, který je nejblíž vrcholu zásobníku
a obsahuje gram. shodu (číslo, příp. rod)
4. v jedné klauzi se PO vyskytuje jen jednou
Honza ztratil peněženku. [on] Hledal ji v zadním voze tramvaje
nejmíň půl hodiny. Nakonec ho odtam [oni] vyhodili, přestože ji
nenašel. [on] Byl z toho pěkně naštvaný.
Honza
peněženka
oni
zadní vůz tramvaje
Sémantika diskurzu Rozpoznání anafor
Odkazy v diskurzu: základní algoritmus AR
1. objekty promluvy (PO): promluvový zásobník (history list)
2. při každé zmínce objektu se PO posune na vrchol zásobníku
3. každý odkaz se nahradí PO, který je nejblíž vrcholu zásobníku
a obsahuje gram. shodu (číslo, příp. rod)
4. v jedné klauzi se PO vyskytuje jen jednou
Honza ztratil peněženku. [on] Hledal ji v zadním voze tramvaje
nejmíň půl hodiny. Nakonec ho odtam [oni] vyhodili, přestože ji
nenašel. [on] Byl z toho pěkně naštvaný.
Honza
peněženka
oni
zadní vůz tramvaje