数理言語情報論　第 12 回

1

数理言語情報論　第 12 回

数理言語情報学研究室　講師　二宮　崇

2007 年 1 月 28 日

2

今日の講義の予定

文法開発合理的文法経験的文法コーパス指向文法

教科書Yusuke Miyao (2006) From Linguistic

Theory to Syntactic Analysis: Corpus-Oriented Grammar Development and Feature Forest Model, Ph.D Thesis, University of Tokyo

いわゆる“自然言語処理”

形態素解析

構文解析

意味解析

文脈解析

“ 太郎は花子が好きだ”

太郎 / 名詞は / 助詞花子 / 名詞が / 助詞好きだ / 形容動詞

( 文 ( 名詞句 - 主語太郎 / 名詞は / 助詞 ) ( 名詞句 - 目的語花子 / 名詞が / 助詞 ) ( 動詞句好きだ / 形容動詞 ))

太郎 / 名詞 / 主語 / 動作主 / 人物花子 / 名詞 / 目的語 / 対象 / 人物好きだ / 動詞 / 動作主 - 太郎 / 対象 -花子

…3

“ 浅いところ”から“深いところ”へ

理想

形態素解析

構文解析

意味解析

文脈解析

4

“ 浅いところ”から“深いところ”へ

現実思いの他

深い！形態素解析

構文解析意味解析文脈解析

TAG, LFG, HPSG などあまたの複雑精巧な文法が提案・研究されてきたにも関わらず、実テキストを解析できる文法はなかなかできなかった

TAG, LFG, HPSG などあまたの複雑精巧な文法が提案・研究されてきたにも関わらず、実テキストを解析できる文法はなかなかできなかった

5

“ 深海”を目指すよりも“浅瀬”を

形態素解析構文解析

意味解析

文脈解析

・コーパスベース・統計モデル・機械学習

複雑精巧な文法理論に頼らなくてもそこそこの出力が得られる

・コーパスベース・統計モデル・機械学習

複雑精巧な文法理論に頼らなくてもそこそこの出力が得られる

6

文法開発の難しさ

さて、いったい何が難しくて文法開発がうまくいかなかったのだろうか？

7

構造と言語能力と文法理論

適格文、非文を人間に判断させることによって、人間がもつ言語能力の規則性（＝文法）を発見する

辞書

S → NP VPNP → DET NNP → N…

文法

文法規則（＝生成規則＋制約）

8

自然科学と文法理論

原子、分子、クォーク

不可知な真の自然

理論化、検証を繰り返すことによって、真の自然の姿により近づく

9

自然科学と文法理論

文法規則、辞書、シソーラス

不可知な真の文法

理論化、検証を繰り返すことによって、真の文法の姿により近づく



10

文法理論と科学的サイクル

データ収集・観察・分析理論の検証

理論化

コーパス収集コーパス開発コーパス分析

カテゴリー化文法理論辞書項目

思考実験コーパスに対する検証

11

どこに落とし穴があったのか？

12

アウトライン

導入合理主義的文法経験主義的文法文法開発の再解釈と展望合理主義的文法と経験主義的文法を超えて

13

合理主義的文法14

合理主義的文法

文法規則、辞書


・文法を人間が定義、分類、記述する・辞書と文法規則を開発・コーパスは検証のための副次的存在

コーパス

検証

15

合理主義的文法の文法開発

文法規則をつくる辞書をつくる

文法規則辞書項目文法規則辞書項目

文法開発者

理論化理論化

検証検証

生コーパス生コーパス

16

有名な合理主義的文法

Core Language Engine (English) [Alshawi 1992] TAG [Joshi et al. 1996]

XTAG (English/Korean) [XTAG Research Group 1995] http://www.cis.upenn.edu/~xtag/

FTAG (French) [Abeillé et al. 2000] LFG [Bresnan 1982]

http://www.essex.ac.uk/linguistics/LFG/ ParGram (English, Chinese, French, German, Norwegian,

Japanese, Turkish, Urdu, Welsh, Malagasy, Arabic, Hungarian, Vietnamese) [Butt et al. 2002] http://www2.parc.com/isl/groups/nltt/pargram/

English XLE [Riezler et al. 2002; Kaplan et al. 2004] German XLE [Forst and Rohrer 2006] Japanese XLE [Masuichi and Okuma 2003]

17

http://www.cis.upenn.edu/~xtag/

http://www.essex.ac.uk/linguistics/LFG/

http://www2.parc.com/isl/groups/nltt/pargram/

有名な合理主義的文法

HPSG [Pollard et al. 1994]DELPHIN (English, Japanese, German, Spanish,

Norwegian, Modern Greek, Korean, Italian) [Bender et al. 2002]

LinGO ERG (English) [Flickinger 2002]

JACY (Japanese) [Melanie et al. 2002]

Babel (German) [Stefan Müller 1996]

ALPINO (Dutch) [Bouma et al. 2002]

RASP (English) [Carroll and Briscoe 2002]

18

HPSG

現代の言語学において代表的な文法理論文法開発や高速化の研究もさかん中心的概念：文法 = 辞書項目 + 文法規則

辞書項目：単語固有の構文・意味的性質を記述する

文法規則：構文木の一般的規則性を規定する

19

合理主義的文法開発の現状と問題点

大規模かつ複雑な構造を実装するのは非常に難しい

複雑な文法を効率的に開発するために、様々な文法開発ツールが開発された XTAG [XTAG Research Group 1995] ConTroll [Götz et al. 1997] LKB [Copestake et al. 1999] [incr tsdb()] [Oepen et al. 2000] XLE [Butt et al. 2002]

しかし、実世界のテキストを網羅的に解析できる文法の開発は難しかった [Baldwin et al. 2004]

20

合理主義的文法開発の最先端

Grammar Matrix (in DELPHIN Project) [Bender et al. 2002] 多言語文法開発のための文法コンポーネントの共通化

(English, Japanese, German, Spanish, Norwegian, Modern Greek, Korean, Italian)

Optimality Theory (in LFG XLE) [Frank et al. 1998] 曖昧性解消のために規則に優先順位を付与

ツリーバンク開発（後述）曖昧性解消のための学習用評価用c.f. The PARC 700 Dependency Bank [King et al. 2003]

LinGO Redwoods [Oepen et al. 2002]

Hinoki [Bond et al. 2004]

21

合理主義的文法開発の前提

網羅性実世界の文を解析するためには，あらゆる文を網羅する

大規模な文法が必要継続的に文法を修正・拡張

識別性適格文のみ構文木が導出できて、非文は導出されない文法的に解釈できる構文木はすべて出力

どの構文木をもっともらしい解とするかは、選好 (preference)の問題であって、別モジュールで解決すべき問題

一文に対し文法的に解釈できる解の数は少ないほうがよい

22

合理主義的文法開発の問題点 (1/2)

網羅性と一貫性のトレードオフ文法を修正・拡張する際，一貫性・無矛盾性

を保つのが非常に困難コーパス中の問題の一箇所を改良すると、他

の箇所に悪影響が及ぶポリシーの変更により 10 万オーダーの辞書項

目を大幅に書き換える必要がある場合もある文法修正により改良されたのか改悪されたの

か明確に判断できない

23

合理主義的文法開発の問題点 (2/2)

曖昧性解消の必要性実際のアプリケーションは一つの文に対し一

つの解析結果を要求する合理主義的文法の文法開発では曖昧性解消の

問題を先送りしている

24

経験主義的文法25

26

経験主義的文法

人間が文法を直接定義するのは困難

構文木の実例（ツリーバンク）に基づく定量的評価が必要

文法はツリーバンクから導出（ツリーバンク文法）



ツリーバンクコンピュータ

検証・開発

27

ツリーバンク

実世界の文に対して人手で構文木を付与する明示的な文法を仮定しない構造は開発者の言語直感とガイドラインに依存

ガイドラインはあるが、文法で定義されるような「何が正解か」の客観的基準は存在しない

A record date has n’t been set.

文法？

28

有名なツリーバンク

構文木や係り受け木を人手で付与したコーパス（ツリーバンク）の登場 Penn Treebank [Marcus et al. 1993] SUSANNE [Sampson 1995] TIGER Treebank [Brants et al. 2002] Prague Dependency Treebank [Hajic 1998] Verbmobil [Hinrichs et al. 2000] EDR コーパス [EDR 1995]京都大学テキストコーパス [黒橋ら 1997] 日本語話し言葉コーパス [ 前川ら 2000]

29

ツリーバンクの開発過程

ツリーバンク開発者（アノテータ）による手作業アノテータのためのマニュアル（アノテーショ

ンガイドライン）による品質管理

ツリーバンクツリーバンク


ツリーバンク開発者

編集編集

検証検証

解釈解釈

アノテーションガイドライン

アノテーションガイドライン

編纂編纂

30

Penn Treebank (1/2)

構文木が付与された最初の大規模英語ツリーバンク [Marcus et al. 1993]

様々な分野の英語テキストを収録Wall Street Journal （新聞）約 5 万文、 100

万語ATIS （航空券予約の会話）Brown （様々な分野のテキスト）Switchboard （電話の自由発話）

31

Penn Treebank (2/2)

品詞： NN （普通名詞） , VBZ （三単現動詞）…

構文木： NP （名詞句） , VP （動詞句）… Function tag, null element: 述語項構造を計算

するための付加情報（詳細省略）

NN NN VBZ VBN


DT RB VBN

NP VP

VP

S名詞句

限定詞

普通名詞三単現動詞副詞過去分詞

32

Penn Treebankアノテーションガイドライン

1. An Overview of Basic Clause Structure

2. Notation 3. Punctuation 4. Null Elements 5. Pseudo-Attach 6. Copular Verbs 7. Coordination 8. Shared Complements

and Modifiers in Coordinated Structures

9. WH-Phrases 10. Subordinate Clauses 11. Modification of NP 12. Titles

13. Gerunds and Participles 14. Infinitives 15. Small Clauses and their

near relatives 16. Clefts 17. It-Extraposition 18. Subject-Raising Predicates 19. Whether it and Referential

it 20. Existential there 21. Tough-Clefts 22. Comparatives 23. “Financialspeak”

conventions 24. Numbered Lists 25. Correlative the-Clauses 26. Orphans

全 318ページ！全 318ページ！

“Bracketing Guidelines for Treebank II Style Penn Treebank Project” Bies et al. 1995

33

Penn Treebankアノテーションガイドラインの例

(1/3)基本的には自然言語による解説とたくさんの例示

1.1.4 名詞句内の補語名詞にかかる PP が adjunct なのか argument かを区別するのは難しいので、たんに NP にくっつける

(NP (NP a teacher) (PP of (NP chemistry))) ただし、補文がかかる場合は次のようにする(NP the belief (SBAR that (S the world is flat)))

34


(2/3) 13.3.5 ADJP vs. S

動名詞は 2種類の解釈がある : 形容詞的名詞句修飾 (ADJP) vs 動名詞句 (S)

“Flying planes can be dangerous”(a) (S (NP-SBJ Flying planes) (VP can (VP be (ADJP-PRD dangerous))))(b) (S (S-NOM-SBJ (NP-SBJ *) (VP Flying (NP planes))) (VP can (VP be (ADJP-PRD dangerous))))

判断がつかないときのデフォルトは (a)

35


(3/3) Small clause

15.3.1. to-不定詞に関する句のアノテーション 1. monotransitive (S) vs. ditransitive (NP+S)(a) (S (NP-SBJ This) (VP does not (VP allow (S (NP-SBJ the mystery) (VP to (VP invade (NP us)))))))

(b) (S (NP-SBJ He) (VP told (NP-1 me) (S (NP-SBJ *-1) (VP to (VP wake (NP you))))))

advise, ask, beg, beseech, challenge, command, counsel, detail, direct, enjoin, exhort, forbid, implore, incite, inform, instruct, invite, order, persuade, pray, promise, remind, request, recommend, teach, tell, urgeの場合は (b) と解釈

advise, ask, beg, beseech, challenge, command, counsel, detail, direct, enjoin, exhort, forbid, implore, incite, inform, instruct, invite, order, persuade, pray, promise, remind, request, recommend, teach, tell, urgeの場合は (b) と解釈

36

ツリーバンクから文法を抽出する

ツリーバンクの背後にある文法を自動抽出潜在的な規則性を自動獲得できるはず

文法？

ツリーバンク開発

文法抽出

NN NN VBZ VBN


DT RB VBN

NP VP

VP

S

37

確率 CFG の自動抽出 (1/2)

ツリーバンクの各分岐を CFG 規則だと仮定して抽出する [Charniak 1996; 1997] c.f. [Sekine1995]

NN NN VBZ VBN


DT RB VBN

NP VP

VP

S

S → NP VPNP → DT NN NNVP → VBZ RB VPVP → VBN VBN

CFG 規則

38

確率 CFG の自動抽出 (2/2)

ツリーバンクでの出現頻度から確率値を推定

確率値最大の木を探索することで、構文解析の曖昧性解消ができる

0.50.030.020.1NN NN VBZ VBN


DT RB VBN

NP VP

VP

S

S → NP VPNP → DT NN NNVP → VBZ RB VPVP → VBN VBN

39

問題点（１）：文法が大きい

40,000 文から約 15,000 の CFG 規則CFG 規則数が収束しない [Carpenter et al.

1997]

→　抽象化・一般化しきれていない

0

2000

4000

6000

8000

10000

12000

14000

16000

0 10000 20000 30000 40000

文法規則数

40

問題点（２）：精度が低い

Charniak [1996]: 80%

We applied the algorithm to IEWe selected the approach to IE

NN VBD DT NN IN NNNP

VP

VPS

NP

VPNP

S

NPPP

NPPP

NP

NP

VP → VP PP

NP → NP PP

同じ品詞列でも、単語によって構文木の形が変わる

NN VBD DT NN IN NN

41

問題点（３）：構造が浅い

CFG 構文木しか出力できない意味構造へのマッピングがない

有用な情報が得られない文生成に使えない

NN NN VBZ VBN


DT RB VBN

NP-SBJ-1 VP

VP

S

主語、目的語はどこ？時制、アスペクトは？

42

ツリーバンク文法の改良

(1) 文法が大きいCFG 規則の自動圧縮 [Krotov et al. 1998; 1999]

CFG 規則の確率モデル化 [Magerman 1995; Collins 1997; Charniak 2000]

(2) 精度が低い非終端記号の細分化 [Magerman 1995; Collins 1996;

1997; Johnson 1998; Charniak 2000]

(3) 構造が浅い → 後述

43

CFG 規則の確率モデル化

Markov Grammar: CFG 規則を確率的に生成する [Collins 1997; Charniak 2000]

原理的には、全ての CFG 規則をもつ PCFG

Penn Treebank から抽出したそのままのPCFG より高精度を達成する

p(NP → DT NN NN | NP)= p(NN | NP) p(NN | NN, NP) p(DT | NN, NN, NP)

44

非終端記号の細分化 (1/2)

語彙化 : Head percolation table [Magerman 1995] を用いて、非終端記号に head word を付与

（参考）語彙化の意味 [Gildea 2001; Bikel 2004]

We applied the algorithm to IENN VBD DT NN IN NN

NPVP

VPS

applied

NPPPto

NP

applied

applied

We algorithm IE

親の記号主辞になる子の記号

S VP, …

VP VP, VBD, VBZ, …

NP NN, …

PP IN, …

Head percolation table

Charniak [1996]: 80% vs. Magerman [1995]: 86%

45

非終端記号だけでは構造を決める情報が少ない（例）親の非終端記号で細分化 [Johnson 1998]

主語の NP と目的語の NP が区別できる主語は代名詞が出やすい目的語は長くなりやすい

その他、様々な周辺情報で細分化 [Charniak 2000; Klein et al. 2003]

非終端記号の細分化 (2/2)

VP

NP

NP

S

V

VP-S

NP-VP

NP-S

S

V-VP

46

より深い構造の抽出

CFG より深い構文構造や意味構造がほしい

より深い構造のツリーバンクを作る？非現実的：

高コスト構造が複雑になると、矛盾・間違いが多発

→　 Penn Treebank から、より高度な文法を

自動抽出できないか？

47

LTAG 文法の自動抽出

構文木から LTAG の elementary tree を抽出 [Xia 1999; Chen et al. 2000; Chiang 2000]

S

making

the offer

NP

NL

NP

is

officially

VP

VP

ADVP

ヒューリスティックルールで構文木を分解する

S

making

the

NP

NL

NP

is

officially

VP

VP

ADVP

offerElementarytree を抽出

NL

NP

is

VP

VP* officially

ADVP

VP

VP*

making NP

VP

S

NP

the

NP

NP* offer

NP

48

LFG 文法の自動抽出

構文木に f-structure を自動付与する [Cahill et al. 2002; Frank et al. 2003]

S

making

the

NP

NL

NP

is

officially

VP

VP

ADVP

↑det＝↓↑＝↓

↑obj＝↓↑＝↓

↑＝↓↑adjunct=↓

↑＝↓

VP↑＝↓

↑＝↓

↑subj＝↓

↑＝↓

ADJUNCT officiallyAUX be

PRED makeSUBJ NL

OBJ PRED offer DET the

↑aux＝↓

制約解決

offer

親の記号子の記号S NP:↑subj=↓, VP:↑=↓

VP NP:↑obj=↓, VP:↑=↓

自動付与ルール

f-structure

49

経験主義的文法の問題点 (1/2)

ツリーバンク開発の問題正解の客観的基準が存在しない深い構造・複雑な構造の品質管理は困難

→ 　文法理論に基づく合理的な品質管理・構造化が必要

ツリーバンク

こんなややこしい構造を書いてられない！

検証・開発

50

経験主義的文法の問題点 (2/2)

自動的な文法抽出の妥当性



ツリーバンクコンピュータ

自動抽出した LTAG, LFG 文法は正しいのか？

本当に正しい？

→ 文法を合理的に検証する必要

自動生成された文法規則は多すぎて人手では検証困難

51

文法開発の再解釈と展望

52

合理主義的文法の文法開発の難しさ

さて、いったい何が難しくて文法開発がうまくいかなかったのだろうか？

どこに落とし穴があったのか？

比較検討 (1/2)

経験主義的文法開発と合理主義的文法開発の違い

文法作成方法コーパスの役割

評価手段

合理主義的文法

人手生コーパス補助的リソース

定性的評価

経験主義的文法

自動ツリーバンク中心的リソース

定量的評価

53

比較検討 (2/2)

言語学者と言語処理研究者が求める文法、コーパスの役割の違い

目的文法コーパス言語学者言語能力の法

則性の発見適格文、非文を区別するために必要な規則

人間の言語能力を調べるための資料

言語処理研究者

応用システムに有用な構文構造の自動解析

コーパスを解析するための道具

機械学習・統計学習のためのリソース。性能評価のためのリソース

54

55

合理主義的文法開発の落とし穴 (1/2)

文法開発の対象は、文法規則と辞書。コーパスはあくまで補助的な検証の対象にすぎない

コーパス軽視



56

合理主義的文法開発の落とし穴 (2/2)

定量的評価の不足ツリーバンクの作成が困難文法を変更するとその都度正解が変化

Penn Treebank のようなツリーバンクに対して評価すれば？

Penn Treebank における構文木の解釈と文法開発者の構文木の解釈が異なるため、 Penn Treebank で評価するのは文法を開発するのに匹敵するほど困難

57

経験主義的文法と合理主義的文法の歩み寄り

経験主義的文法合理主義的文法



・ツリーバンクの詳細化、構造化・ツリーバンクからの文法抽出

・ツリーバンク開発

ツリーバンク

コンピュータ

58

文法とツリーバンクの双対性 (1/3)

経験主義的文法の中の文法的知識

学習評価

学習手法と評価にだけ注目されがちだが、、、ツリーバンクに文法的知識・ツリーバンク作成指針の中に暗黙的に・構文木の構造から文法や辞書を作成するのに十分な情報

ツリーバンクに文法的知識・ツリーバンク作成指針の中に暗黙的に・構文木の構造から文法や辞書を作成するのに十分な情報

ツリーバンクコンピュータツリーバンク

精度をあげるために文法的知識を導入・最初から文法的制約と構造をツリーバンクに導入したほうがすっきり

精度をあげるために文法的知識を導入・最初から文法的制約と構造をツリーバンクに導入したほうがすっきり

59


S

VP

have

to

choose

this particular moment

S

NP VP

VP

NP

they

NP-1

did n’t

*-1

VP

VP

合理主義的文法でのツリーバンクこういう構文木をつくりたいから they はこんな辞書項目で

文法規則はこれとこれ

で

この辞書項目と文法規則を組み合わせるとこんな構文木ができ

る

60


経験主義的文法ツリーバンクに含まれる暗黙の文法

ツリーバンク作成の指針に含まれる文法的知識構文木の構造に含まれる文法的知識

合理主義的文法辞書項目と文法規則をつくる際に、構文木を想定

61

文法の３つのリソース

文法開発では３つのリソースを想定している

文法規則

辞書項目ツリーバンク

62

経験主義的文法と合理主義的文法を超えて

三つのリソースを同時につくれば万事解決？

ツリーバンク、文法規則、辞書


ツリーバンクだけいただき

ます

63

合理主義的文法開発のジレンマ

ツリーバンクと文法の不一致


≠作成したツリーバンク導出されたツリーバンク

辞書文法規則

データと理論の不一致？

64

文法理論の恣意性

同じような機能・構造によって分類観点・基準によって分類が異なる

HPSGLFGTAG… c.f. 分類学 (進化分類学 , 分岐分類

学 , 表形分類学 )極端な話、百人いれば百の文法理論がありうる !

65

星座と文法理論

あそこの星の並びが蟹にみえるなぁ

66

まぁ、星座の話はおいといて、、、

違う基準・違う方法論でつくるツリーバンクはなかなか一致しない

直感＋アノテーションガイドライン直感＋アノテーションガイドライン

辞書と文法規則による文法理論


67

文法が先かツリーバンクが先か？


どちらにあわせればいいの

だろうか？

どちらを先に開発すべき

か？

不一致が生じたときにどちらを修正すべきか？

文法ツリーバンク

文法なんかいらねー

よ

68

文法を先につくる

文法がツリーバンクを説明辞書と文法規則による文法理論


・文を解釈するときの観点・基準を与えるのが文法なのだから、ツリーバンクは文法に従うべき

・文を解釈するときの観点・基準を与えるのが文法なのだから、ツリーバンクは文法に従うべき

・ツリーバンクは文法に導出される副産物・ツリーバンクは文法に導出される副産物

69

ツリーバンクを先につくる

ツリーバンクが文法を説明直感＋アノテーションガイドライン直感＋アノテーションガイドライン


自分の頭の中にある文法解析結果をまず外在化

自分の頭の中にある文法解析結果をまず外在化

外在化されたツリーバンクを説明できるように文法を開発、導出

外在化されたツリーバンクを説明できるように文法を開発、導出

70

合理主義的文法と経験主義的文法を超えて

71

ツリーバンクと文法の協調関係

文法開発ではツリーバンクの役割が重要曖昧性解消モデルのための統計情報を提供する文法の不備・矛盾・間違いを検出する構文解析・文生成の性能を客観的に評価する

ツリーバンク開発では合理的な構造化が必要文法理論による構文構造の明示化

より複雑な構造のアノテーション・文法開発を容易にする統語構造の一般化（例、能動態と受動態 )

性能向上のために文法的知識を断片的に導入最初から文法的制約と構造化を導入したほうが良い

ツリーバンクの一貫性の向上

72

ツリーバンクと文法の開発

文法評価のためのツリーバンク PARC 700 Dependency Bank [King et al. 2003]

Penn Treebank Section 23 から無作為に 700 文を抽出 English XLE パーザで構文解析し、人手で正解の

f-structure を選択 XLE パーザと Collins パーザを客観的に比較

[Kaplan et al. 2004] 構文解析時間は Collins パーザが速い構文解析精度は XLE パーザの方が高い

文法開発のためのツリーバンクツリーバンキング ( 文法が先の文法開発 ) コーパス指向文法開発 ( ツリーバンクが先の文法開

発 )

73

ツリーバンキング ( 文法が先 )

文法開発過程にツリーバンク開発を組み込む生コーパスを構文解析し、人手で正解を選択

Redwoods [Oepen et al. 2002], Hinoki [Bond et al. 2004]

ツリーバンクツリーバンク


開発者

検証検証

文法規則辞書

文法規則辞書

編集編集

構文解析器構文解析器

正解選択

74

ツリーバンキングの利点

効率的・系統的にツリーバンクが開発できるツリーバンクを曖昧性解消モデルの学習データと

して利用する [Toutanova et al. 2002]

ツリーバンク開発を通して、文法の不備・矛盾・間違いを発見できる

文法規則


75

再考：辞書とツリーバンクの関係

ツリーバンクがあれば、葉ノードを収集すれば辞書項目が得られる

have

to

choose this particular moment

they

did

n’t

品詞　動詞主語 < >目的語 < >

品詞　名詞主語 < >目的語 < >


1



1

1

品詞　名詞主語 < >目的語 < >

12

3

3 品詞副詞修飾 3

2


14


14


15


15


16

6

主語 < >目的語 < >

76

ツリーバンク＞辞書

ツリーバンクがあれば辞書は得られるツリーバンクの方が辞書より情報が多い

文法の不備・矛盾・間違いが検出できる統計情報が得られる

文法規則


77

コーパス指向文法開発( ツリーバンクが先 )

辞書の代わりにツリーバンクを作るCCG [Hockenmaier et al. 2002], HPSG [Miyao et al.

2004]

辞書項目はツリーバンクから収集する

辞書辞書文法開発者

検証検証

文法規則ツリーバンク

文法規則ツリーバンク

編集編集

辞書項目収集器

辞書項目収集器

78

コーパス指向文法開発の利点

ツリーバンクと辞書が同時に得られるツリーバンク開発を通して、ツリーバンク

や文法規則の不備・矛盾・間違いを発見できる

文法規則


79

どうやってツリーバンクを作るのか？

Penn Treebank を再利用し、文法規則に合致するように変換

文法開発＝文法規則に合致するようにツリーバンクを編集する過程

S

making

the offer

NP

NL

NP

is

officially

VP

VP

ADVPHEAD verbSUBJ < >COMPS < >MOD

HEAD verbSUBJ < >COMPS < >

NL


HEAD nounSUBJ < >COMPS < >


the offermaking


1


1

is officially

1

12


12

3

3


14

4

2

80

文法自動抽出との違い (1/3)

目標文法自動抽出 : なるべく人手を介在させず、

すでにあるリソースからいかに楽をして文法を獲得できるか

コーパス指向 : なるべく人手を介在させて、いかに良いコーパスをつくれるか（＝良い文法をつくれるか）

開発過程文法自動抽出：全自動なので、アルゴリズム

ができれば数時間から数日コーパス指向 : 手作業で半年から数年

81


品質管理文法自動抽出 : 抽出された文法を主に評価コーパス指向 :

ツリーバンク、文法規則は人間が管理する文法規則によるツリーバンクの構造化

ツリーバンクの品質が必然的に検証される得られる辞書は文法規則に従うことが保証される

文法規則


文法規則


文法自動抽出コーパス指向文法開発

82


品質管理の例 (Head Feature Principle)

DT

NP

NNVBG

VP

offer

HEAD nounSUBJ < >COMPS < >SPR < >

21

HEAD detSUBJ < >COMPS < >

the

1


the offermakingmaking


3


34

4

ツリーバンクの句構造が文法的制約を満たしているかチェックされる

ツリーバンクの句構造が文法的制約を満たしているかチェックされる

83

HPSG ツリーバンクの開発

Penn Treebank の構造を HPSG 理論に基づく構造に変換する木構造変換・素性の追加

下位範疇化、受身、命令形・疑問形、時制、格、量化、 control/raising 、 small clause 、長距離依存、関係節、 tough 構文、自由関係詞、並列構造、外置変形、倒置、挿入、同格、引用、 etc.

HPSG の文法規則を適用文法規則やツリーバンクの不備・矛盾・間違

いは、制約違反として検出される

辞書・ツリーバンク開発の概要

S

making

the offer

NP

NL

NP

is

officially

VP

VP

ADVP

HPSG 表現へマッピング

NL

HEAD verbSUBJ < >COMPS < > subject-head



the offermaking

HEAD adv

HEAD verbSUBJ < >1

HEAD verb

HEAD verbSUBJ < >1

HEAD verb

is officially

HEAD verb

head-comp

head-mod head-comp HEAD verbSUBJ < >COMPS < >MOD


NL




the offermaking


1


1

is officially

1

12


12

3

3


14

4

2

文法規則適用

make:

HEAD verb

HEAD nounCONT 2COMPS < >

HEAD nounCONT 1

SUBJ < >

CONTmake’ARG1ARG2 2

1

辞書項目収集

84

85

助動詞・ control/raising

不飽和構成素を補語としてとるようにするS

VP

have

to

choose


S

NP VP

VP

NP

they

NP-1

did n’t

*-1

VP

VP

SUBJ < >1

1 SUBJ < >2

SUBJ < >2

SUBJ < >3

3=

S

VP

have

to

choose


VP

VP

NP

they

NP-1

did n’t

VP

VP

86

長距離依存・関係節

SLASH: 移動した項を表す

REL: 関係詞と先行詞の関係を表す

REL < >

SLASH < >1

2REL < >SLASH < >

2

REL < >SLASH < >

NP

WHNP-3

SBAR

Sthe energy and ambitions

NP

that NP-2

reformers

VP

Swanted

reward

VP

*T*-3

1

NP

to VP

NP

*-2

SLASH < >1

SLASH < >1

SLASH < >1

SLASH < >1

2

87

HPSG のカテゴリへマッピング

（非）終端記号を素性構造へマッピング

NNHEAD: nounAGR: 3sg

HEAD: verbAGR: 3sgVFORM: finiteTENSE: present

VBZ

（普通名詞）

（三単現動詞）

88

具体例

“NL is officially making the offer”

S

making

the offer

NP

NL

NP

is officially

VP

VP

VP NL


subject-head



the offermaking

HEAD adv

HEAD verbSUBJ < >1

HEAD verb

HEAD verbSUBJ < >1

HEAD verb

is officially

HEAD verb

head-comp

head-mod head-comp

89

文法規則の適用

NL


subject-head



the offermaking

HEAD adv

HEAD verbSUBJ < >1

HEAD verb

HEAD verbSUBJ < >1

HEAD verb

is officially

HEAD verb

head-comp

head-mod head-comp


90

文法規則の適用

NL




the offermaking

HEAD advMOD

officially

1HEAD verbSUBJ < >COMPS < >

1


12


12

3 3

is


1


14

4

2


複雑な例

NP

we were

VP

the prices

NP

S

SBAR

WHNP-1head

head

head

head

arg

arg

arg0

charged

NP

VP

*-2*T*-1

arg

argarghead

prices



HEAD verbSUBJ < >COMPS < >SLASH < >

chargedwere

we

2HEAD verbSUBJ < >COMPS < >REL < >


HEAD verbSUBJ < >COMPS < >SLASH < >

3


34

4

3

2

HEAD verbSUBJ < >COMPS < >SLASH < >2

3

2

2

1

1

HEAD detSUBJ < >COMPS < >

the

1


91

92

辞書項目の収集

HPSG 構文木の葉ノードは、辞書項目の実例

NL




the offermaking

HEAD advMOD

officially

1HEAD verbSUBJ < >COMPS < >

1


12


12

3 3

is


1


14

4

2

93

HPSG 文法の評価実験

HPSG ツリーバンクから収集した辞書項目を評価未知の文に対する被覆率ツリーバンクのサイズと被覆率の関係

Penn Treebank Section 02-21 (39,832 文 ) を HPSG ツリーバンクに変換し、辞書項目を収集

テストデータ： Section 23 を HPSG ツリーバンクに変換したもの (2,299 文 )

94

被覆率と構文解析精度

被覆率： 99.8% 構文解析に成功した文の割合

構文解析精度：適合率 90.44% ，再現率 90.19% 述語 - 項関係の精度

強意の被覆率： 84.4% 構文森が完全一致の構文木を含む文の割合

girlsaw

heARG1

ARG2

95

被覆率

テストデータ中の辞書項目を文法が含んでいる割合を測定

文中の全ての辞書項目が被覆されていれば文が被覆されていると判定

辞書項目単位文単位未知語処理なし 96.52% 54.7%

未知語処理あり 99.15% 84.8%

ツリーバンクのサイズ vs. 被覆率

0

20

40

60

80

100

0 10000 20000 30000 40000

文数

(%)

被覆

率

辞書項目の被覆率文の被覆率

96

97

まとめ (1/3)

合理主義的文法人手による文法規則と辞書の開発と中心とした文法開発合理的な利点

言語学的な妥当性複雑な構造、深い構造の記述が容易

問題点網羅性と一貫性のトレードオフ曖昧性解消の先送り性能評価の問題

経験主義的文法ツリーバンクを中心とした文法開発経験的な利点

網羅性一貫性機械学習・統計学習が容易評価も容易

問題点正解の客観的基準が存在しない深い構造・複雑な構造の品質管理は困難自動的な文法抽出の妥当性

文法とツリーバンクの両方を開発す

ることが重要 !

文法とツリーバンクの両方を開発す

ることが重要 !

98

まとめ (2/3)

違う基準・違う方法論でつくるツリーバンクはなかなか一致しない

直感＋アノテーションガイドライン直感＋アノテーションガイドライン



経験主義的文法開発合理主義的文法開発

99

まとめ (3/3)

コーパスと文法の両方を開発経験主義的文法と合理主義的文法の双方の利点理論（＝文法）とデータ（＝ツリーバンク）をいか

に一致させるか？ツリーバンキング ( 文法が先の文法開発 )

文法規則や辞書を優先し、ツリーバンクを開発例 : Redwoods, Hinoki, PARC 700 Dependency Bank

コーパス指向文法開発 ( ツリーバンクが先の文法開発 ) ツリーバンクを優先し、文法規則や辞書を開発文法的知識をツリーバンクとして外在化例： CCG ツリーバンクから CCG 文法、 HPSG ツリーバンク

から HPSG 文法

講義資料http://www.r.dl.itc.u-tokyo.ac.jp/~ninomi/mistH19w/

100

参考文献

H. Alshawi (Ed.) (1992) The Core Language Engine. MIT Press.

A. K. Joshi and Y. Schabes (1997) Tree Adjoining Grammars. in G. Rosenberg and A. Salomaa, (eds.), Handbook of Formal Languages, vol. 3, pp. 69-124.

XTAG Research Group (2001) A lexicalized tree adjoining grammar for English. Technical Report IRCS-01-03, University of Pennsylvania.

A. Abeillé and M.-H. Candito and A. Kinyon (2000) FTAG: developping and maintaining a wide-coverage grammar for French. ESSLLI-2000.

J. Bresnan (1982) The Mental Representation of Grammatical Relations. MIT Press.

101

参考文献

S. Riezler, T. H. King, R. S. Crouch, J. T. Maxwell, R. M. Kaplan (2002) Parsing the Wall Street Journal using a lexical-functional grammar and discriminative estimation techniques. In Proc. of ACL 2002.

R. M. Kaplan, S. Riezler, T. H. King, J. T. Maxwell, A. Vasserman (2004) Speed and accuracy in shallow and deep stochastic parsing. In Proc. of HLT/NAACL-2004.

M. Forst and C. Rohrer (2006). Improving coverage and parsing quality of a large-scale LFG for German. In Proc. of LREC 2006.

C. Pollard and I. A. Sag (1994) Head-Driven Phrase Structure Grammar. University of Chicago Press.

102

参考文献

S. Müller (1996) The Babel-System – An HPSG Prolog Implementation. In Proc. of 4th International Conference on the Practical Application of Prolog, pp. 263—277.

M. Siegel and E. M. Bender (2002) Efficient Deep Processing of Japanese. In Proc. of the 3rd Workshop on Asian Language Resources and International Standardization. COLING 2002 Post-Conference Workshop.

G. Bouma, G. van Noord, R. Malouf (2000) Alpino: Wide-coverage Computational Analysis of Dutch. Computational Linguistics in the Netherlands. Selected Papers from the 11th CLIN Meeting.

J. Carroll and T. Briscoe (2002) High Precision Extraction of Grammatical Relations. In Proc. of COLING 2002.

103

参考文献

M. Butt, H. Dyvik, T. H. King, H. Masuichi, and C. Rohrer (2002) The Parallel Grammar Project. In Proceedings of COLING-2002 Workshop on Grammar Engineering and Evaluation. pp. 1-7.

D. Flickinger (2002) On building a more efficient grammar by exploiting types. In Stephan Oepen, Dan Flickinger, Jun'ichi Tsujii and Hans Uszkoreit (eds.) Collaborative Language Engineering. Stanford: CSLI Publications, pp. 1-17.

E. M. Bender, D. Flickinger, and S. Oepen (2002) The grammar Matrix. An open-source starter-kit for the rapid development of cross-linguistically consistent broad-coverage precision grammar. In Proc. of the Workshop on Grammar Engineering and Evaluation at COLING 2002.

104

参考文献

T. Götz and D. Meurers (1997) The ConTroll System as Large Grammar Development Platform. ``ENVGRAM'' ACL-Workshop.

A. Copestake and D. Flickinger (2000) An open-source grammar development environment and broadcoverage English grammar using HPSG. In Proc. LREC-2000.

S. Oepen and J. Carroll (2000) Performance profiling for parser engineering. Natural Language Engineering, 6 (1) (Special Issue on Efficient Processing with HPSG):81–97.

T. Baldwin, E. M. Bender, D. Flickinger, A. Kim, and S. Oepen (2004) Road-testing the English Resource Grammar over the British National Corpus. In Proc. LREC 2004, pages 2047–2050.

105

参考文献

A. Frank, T. H. King, J. Kuhn, J. Maxwell (1998) Optimality Theory Style Constraint Ranking in Large-scale LFG Grammars. In Proc. of the 3rd LFG Conference.

M. Marcus, B. Santorini, Marcinkiewicz (1993) Building a large annotated corpus of English: the Penn Treebank. Computational Linguistics 19.

A. Bies, M. Ferguson, K. Katz, R. MacIntyre, V. Tredinnick, Grace Kim, M. A. Marcinkiewicz, B. Schasberger (1995) Bracketing Guidelines for Treebank II Style Penn Treebank Project

G. Sampson (1995) English for the computer. Oxford University Press.

S. Brants, S. Dipper, S. Hansen, W. Lezius, and G. Smith (2002) The TIGER Treebank. In Proc. Workshop on Treebanks and Linguistic Theories.

106

参考文献

J. Hajic (1998) Building a syntactically annotated corpus: The Prague Dependency Treebank. In Issues of Valency and Meaning.

E. Hinrichs, J. Bartels, Y. Kawata, V. Kordoni, and H. Telljohann (2000) The Tubingen treebanks for spoken German, English, and Japanese. In W. Wahlster (ed.), Verbmobil: Foundations of Speech-to-Speech Translation. Springer.

EDR (1995) EDR 電子化辞書使用説明書第 2版 . Technical Report TR-045.

黒橋、長尾 (1997) 京都大学テキストコーパス・プロジェクト . 言語処理学会第３回年次大会発表論文集 .

前川、籠宮、小磯、小椋、菊池 (2000) 日本語話し言葉コーパスの設計 . 音声研究 4-2.

107

参考文献

E. Charniak (1996) Tree-bank Grammars. Technical Report CS-96-02, Department of Computer Science, Brown University.

E. Charniak (1997) Statistical parsing with a context-free grammar and word statistics. In Proc. 14th National Conference on Artificial Intelligence.

S. Sekine and R. Grishman (1995) A Corpus-based Probabilistic Grammar with Only Two Non-terminals. In IWPT ’95.

B. Carpenter and C. Manning (1997) Probabilistic parsing using left corner language models. In 5th IWPT.

D. Magerman (1995) Statistical decision-tree models for parsing. In Proc. 33rd ACL.

108

参考文献

A. Krotov, M. Hepple, R. Gaizauskas, Y. Wilks (1998) Compacting the Penn Treebank grammar. In Proc. 17th COLING.

A. Krotov, M. Hepple, R. Gaizauskas, Y. Wilks (1999) Evaluating two methods for Treebank grammar compaction. Natural Language Engineering 5(4).

M. Collins (1996) A new statistical parser based on bigram lexical dependencies. In Proc. 34th ACL.

M. Collins (1997) Three generative lexicalised models for statistical parsing. In Proc. 35th ACL.

109

参考文献

E. Charniak (2000) A maximum-entropy-inspired parser. In Proc. NAACL-2000.

M. Johnson (1998) PCFG models of linguistic tree representations. Computational Linguistics 24(4).

D. Gildea (2001) Corpus variation and parser performance. In Proc. 2001.

D. Bikel (2004) Intricacies of Collins’ parsing model. Computational Linguistics 30(4).

D. Klein and C. Manning (2003) Accurate unlexicalized parsing. In Proc. ACL 2003.

110

参考文献

F. Xia (1999) Extracting tree adjoining grammars from bracketed corpora. In Proc. 5th NLPRS.

J. Chen and K. Vijay-Shanker (2000) Automated extraction of LTAGs from the Penn Treebank. In Proc. 6th IWPT.

D. Chiang (2000) Statistical parsing with an automatically-extracted tree adjoining grammar. In Proc. 38th ACL.

A. Cahill, M. McCarthy, J. van Genabith, and A. Way (2002) Parsing with PCFGs and automatic f-structure annotation. In Proc. 7th International Lexical-Functional Grammar Conference.

111

参考文献

A. Frank, L. Sadler, J. van Genabith, and A. Way (2003) From treebank resources to LFG f-structures: Automatic f-structure annotation of treebank trees and CFGs extracted from treebanks. In A. Abeille (ed), Building and Using Syntactically Annotated Corpora. Kluwer Academic Publishers.

T. H. King, R. Crouch, S. Riezler, M. Dalrymple, and R. Kaplan (2003) The PARC 700 Dependency Bank. In Proc. LINC 2003.

S. Oepen, K. Toutanova, S. Shieber, C. Manning, D. Flickinger, and T. Brants (2002) The LinGO Redwoods Treebank: Motivation and preliminary applications. In Proc. COLING 2002.

112

参考文献

F. Bond, S. Fujita, C. Hashimoto, K. Kasahara, S. Nariyama, E. Nichols, A. Ohtani, T. Tanaka, S. Amano (2004) The Hinoki Treebank: A treebank for text understanding. In IJCNLP-04.

K. Toutanova, C. Manning, and S. Oepen (2002) Parse ranking for a rich HPSG grammar. In Proc. TLT2002.

J. Hockenmaier and M. Steedman (2002) Acquiring compact lexicalized grammars from a cleaner treebank. In Proc. 3rd LREC.

Y. Miyao, T. Ninomiya, and J. Tsujii (2004) Corpus-oriented grammar development for acquiring a Head-Driven Phrase Structure Grammar from the Penn Treebank. In Proc. IJCNLP-04.

113

レポート課題

課題（いずれかのうち一つ）言語学、パージングもしくは機械学習に関する論文を一つ以上読

んで内容をまとめよ ACL, NAACL, COLING, EMNLP, ICML, NIPS, IJCAI あたりが望ましいが

これらに限定はしない授業内容でよくわからなかった箇所を教科書やスライドを頼りに例題を作りつつ内容をまとめ、考察せよ

例 : CCG や HPSG で簡単な文法を（紙の上に ) 書き、（紙の上で）構文解析

例 : 正規分布の混合分布に対する EM の導出例 : エントロピー最大化によるパラメータ推定とパラメトリック形式の最尤法によるパラメータ推定が一致することを確認

例 : 素性構造のコピーや等価性チェックのアルゴリズムを書く授業内容に関連する内容を発展させた内容を調査もしくは考察

例 : 最大エントロピー法のスムージングのための正規分布の事前分布全ての授業に出席した人は、全ての回の感想を簡単にまとめて提

出

114

レポート課題

A4 で 4ページ以上日本語か英語 microsoft word, pdf, ps の電子的媒体もしくは紙で提出締切 : 2008 年 2 月 15 日 (金 ) 提出先

電子的媒体の場合 [email protected]に提出

紙の場合事務に提出直接持ってくる

http://www.r.dl.itc.u-tokyo.ac.jp/?q=node/12 学内便で「総合図書館内情報基盤センター二宮崇」宛に送る ( た

だし、 1週間前の 2 月 8 日 (金 ) までに提出する )

mailto:[email protected]

115

お・わ・り

頑張ってついてきてくれた皆さんありがとうございました。

数理 言語情報論 第 12 回

Documents

数理言語情報論　第 12 回