text mining and thai nlp
TRANSCRIPT
ปรชญา บญขวญ (อารม)ศนยเทคโนโลยอเลกทรอนกสและคอมพวเตอรแหงชาต
¡ รจกกบภาษาไทย¡ ความมหศจรรยแหงภาษาไทย¡ ภาษาไทยในสงคมออนไลน¡ หวขอวจยทนาสนใจ¡ สรป
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 2
¡ ภาษาไทยเปนภาษาคำโดด (analytic language)
§ ลำดบคำแบบประธาน-กรยา-กรรม (SVO) และความหมายหลกของหนวยสราง (constituent) มกจะเปนตวขนตน (head-initial)
§ ลำดบคำตายตว และมผลตอการตความความหมาย
§ ใชคำกรยาวเศษณ (adverb) และคำชวย (auxiliary) เพอบอกหนาททางไวยากรณของคำในประโยค ไมตองผนกรยา (inflection) หรอเตมวภตตปจจย (declension)
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 3
¡ ภาษาไทยผกตดกบวฒนธรรมและระบบความคด
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 4
ระบบความคดแบบปจเจกนยมเนนความโดดเดนของปจเจกบคคลนยมสอความหมายแบบชดแจง
ประเดน
เหตผล 1
เหตผล 2
เหตผล 3
สรปสาระสำคญ
ระบบความคดแบบรวมศนยเนนความสมพนธแนบแนนภายในกลมนยมใชความหมายแฝงทรกนเฉพาะกลม
ขออาง 1
ขออาง 2
ขออาง 3
ขออาง 4 ขออาง 5
ขออาง 6
ขออาง 7
ขออาง 8
ประเดน
¡ ภาษาไทยผกตดกบวฒนธรรมและระบบความคด
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 5
ระบบความคดแบบปจเจกนยมประเดนนำไปสเหตผลสนบสนนเนนเลาเรองตามลำดบและใหเหตผล
ประเดน
เหตผล 1
เหตผล 2
เหตผล 3
สรปสาระสำคญ
ระบบความคดแบบรวมศนยขออางนำไปสประเดน
เนนขอแกตวและการขออภยทมารบกวน
ขออาง 1
ขออาง 2
ขออาง 3
ขออาง 4 ขออาง 5
ขออาง 6
ขออาง 7
ขออาง 8
ประเดน
¡ ภาษาไทยเรยบงายแตสลบซบซอน (simplex) และนยมใชความหมายแฝง (high-context meaning)
§ คำในภาษาไทยมหนวยความหมายขนาดเลก (minimalist semantics) ทำใหตองใชคำจำนวนมากมาประกอบสรางเปนหนวยความหมายทสลบซบซอน
§ สามารถละสรรพนาม (pro-dropping) และละหนวยสราง (ellipsis) ได หากยงสามารถอนมานความหมายไดจากบรบท
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 6
¡ การใชความหมายแฝงทำใหเกดความมหศจรรย
§ ระดบหนวยคำ: “คำคออะไร”
§ ระดบไวยากรณ: “นมนคำประสมหรอหนวยสราง” “ทำไมประโยคถงไดขาดรงรงแบบน”
§ ระดบความหมาย: “จะตความรปแทนความหมายอยางไร”
§ ระดบปรจเฉท: “อานมาตงนาน สาระสำคญอยทไหน”
§ ระดบวจนปฏบต: “ประโยคนหมายความวาอะไรกนแน”28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 7
¡ ภาษาไทยเนนการใชความหมายแฝงทรกนเฉพาะกลม
§ สรรพนามและหนวยสรางอนๆ สามารถละได ตราบเทาทภายในกลมสามารถอนมานไดจากบรบท
§ ความกำกวมทางภาษากเปนทยอมรบไดดวยเหตผลเดยวกน
§ การใชความหมายแฝงกอใหเกดปญหากบการประมวลผลภาษาธรรมชาตดวยคอมพวเตอร
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 8
¡ การแกปญหาความหมายแฝง (context resolution) มลกษณะไมเปนเชงเสน (non-linear) ทำใหการเชอมโยงบรบทเกดภาวะnon-projectivity ซงตองแกปญหาดวย Turing Machine¡ ตวอยาง: การแกปญหาความหมายแฝงดวย Type Logical Grammar
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 9
สมชายฝากปลาทองไวกบเพอนตอนไปทะเล เขาอยากนงตากลมโดยไมตองหวงเจาตากลม√ เขา.proเขา.n
ตา|กลม|√ ตาก|ลม|
√ ตา|กลม|ตาก|ลม|
np\a1 np\a3 np\a2a1 a2 a3
¡ การแกปญหาความหมายแฝงดวยกฎโดยใช Turing Machine มความซบซอนแบบ Exponential จงเปนปญหาททนรอไมได (intractable problem)
¡ ปจจบนนเราสามารถใชวธการประมาณ (approximate) เพอแกปญหานได โดยใชแบบจำลองทางสถต (เชน NB, HMM, MEMM, และ CRF) หรอแบบจำลองเชงตวเลข (เชน SVM และ PCA) แตกตองยอมแลกกบความแมนยำ
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 10
¡ คำถาม 1: คำคออะไร
§ ภาษาไทยพอมเกณฑคราวๆ ของขอบเขตคำ
▪ บางเชอวาขอบเขตคำอยทคำมลทรวมกนแนน▪ บางเชอวาขอบเขตคำอยทคำประสมทเปลยนความหมายไป▪ บางกเชอวาขนอยกบการนำหนวยความหมายของคำไปใชงาน
§ ถงจะกำหนดเกณฑคราวๆ ได แตนกภาษาศาสตรกยงถกเถยงกนอยเสมอเมอพบความลกลนของกฎเกณฑ
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 11
¡ รวมกรณการตดคำทขดแยงกบสญชาตญาณ (counter-intuitive)
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 12
เกณฑ ตวอยาง กรณทขดแยงกบสญชาตญาณ
องตามคำมลฉน|นำ|ดอก|ไม|ไป|ไหว|
ศาล|พระ|ภม|ท|โรง|เรยน|ประจำ|ดอก|ไม| ศาล|พระ|ภม| โรง|เรยน|
ตดแยกใหเปนคำมลทงหมด
องตามคำมล ทรวมกนแนน
ฉน|นำ|ดอกไม|ไป|ไหว|ศาลพระภม|ท|โรงเรยน|ประจำ|
ดอก|จก| (กลวย) เลบ|มอ|นาง| ตดแยก เพราะมความถการเกดรวมไมเพยงพอ
องตามคำประสมเปลยนความหมาย
ฉน|นำ|ดอก|ไม|ไป|ไหว|ศาล|พระภม|ท|โรง|เรยน|ประจำ|
ดอก|ไม| แม|นำ| โรง|เรยน| ตองตดแยก เพราะยงไมเปลยนความหมาย
องตาม หนวยความหมาย
ฉน|นำ|ดอกไม|ไป|ไหว|ศาลพระภม|ท|โรงเรยนประจำ|
การออกกำลงกาย| หมอแปลงไฟฟา|ตองตดรวมเพราะมคำทตรงกนในภาษาองกฤษ
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 13
เกณฑ จดประสงค ความลกลน ความกำกวม ตวอยาง
องตามคำมลวเคราะหโครงสรางหนวยคำ
ขอบเขตคำมล ทบซอนกน
ตำสด N/A
องตามคำมล ทรวมกนแนน
วเคราะหโครงสรางไวยากรณ
เมอไหรจงจะถอวา รวมกนแนน
ปานกลางThai National Corpus (TNC)
องตามคำประสมทเปลยนความหมาย
วเคราะหโครงสรางไวยากรณ
เมอไหรจงจะถอวาเปลยนความหมาย
ปานกลาง BEST 2010
องตาม หนวยความหมาย
ใชเพอสอนระบบ แปลภาษาอตโนมต
ไมมหนวยความหมาย กลางใหเปนหลกยด
สง ORCHID
¡ คำถาม 2: นมนคำประสมหรอหนวยสราง (กรณชดแจง)
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 14
หมอหงขาวN
หมอ หง ขาวN V N
VP
S
NP
หมอหงขาวN
ไฟฟาN
NP
หมอ หงN JV
JVP
NP
NP
ขาวN
ไฟฟาN
NPหมอหงขาว
N
ซอมมอN
NP
หมอ หงN JV
JVP
NP
NP
ขาวN
ซอมมอN
NP
1
3 4
หบ ประดบ มรกตN JV N
JVP
NP
NP
2
หบประดบมรกตN
××
××
(รวมกนแนน)
(รวมกนแบบหลวม)
(‘ซอมมอ’ ขยาย ‘หมอ’ ไมได)(‘ไฟฟา’ ขยาย ‘หมอ’ ได)
¡ คำถาม 2: นมนคำประสมหรอหนวยสราง (กรณไมชดแจง)
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 15
คนขบรถN
คน ขบ รถN V N
VP
S
NP
คนขบรถN
บรรทกJV
NP
คน ขบN V
VP
S
NP
รถN
บรรทกV
NP
คน ขบN JV
JVP
NP
NP
รถN
บรรทกV
NP
1
2
คนขบรถบรรทกN× ×
(ไมรวมกนแนน)
(‘บรรทก’ ขยาย ‘คน’ ไมได)
¡ คำถาม 3: ทำไมประโยคถงไดขาดรงรงแบบน
§ สรรพนามและหนวยสรางวลบางชนดสามารถละได หากวาภายในกลมยงสามารถอนมานจากบรบทได
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 16
สมชายฝากปลาทองไวกบแมกอนไปทะเล เพราะ φ1 อยากพกผอนโดยไมตองหวง φ2
np\a1 np\a2a1 a2 a3
because he wants to relax without worrying about it .
¡ คำถาม 4: จะตความรปแทนความหมายอยางไร
§ เราสามารถถอดรปแทนความหมายระดบตนจากไวยากรณได โดยใช Categorial Grammar และ Lambda Calculus
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 17
คำศพท Categorial Grammar Lambda Calculus
แม, นอง, ผา :- np mom’, sister’, clothes’
วาน :- s\np1/(s\np2)/np2 λx2 λf λx1.ask’(x1, x2, f(x2))
เกบ :- s\np1/np2 λx2 λx1.collect’(x1, x2)
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 18
แม วาน นอง เกบ ผา
np : mom’
s\np1/(s\np2)/np2: λx2 λf λx1.ask’(x1, x2, f(x2))
np : sister’
s\np1/np2: λx2 λx1.collect’(x1,x2)
np : clothes’
s\np1/(s\np2) : λf λx1.ask’(x1, sister’, f(sister’))
s\np1: λx1.collect’(x1, clothes’)
s\np1: λx1.ask’(x1, sister’, collect’(sister’ , clothes’))
s: ask’(mom’, sister’, collect’(sister’, clothes’))
¡ คำถาม 4: จะตความรปแทนความหมายอยางไร (ตอ)
§ การใชความหมายแฝงทำใหเราไมสามารถระบนพจนสโกเลม
(Skolem’s term) และตวบงปรมาณ (quantifier) ลงใน รปแทนความหมายได
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 19
แม วาน นอง เกบ ผา : ask’(mom’, sister’, collect’(sister’, clothes’))
✍ ความกำกวม 1. ‘นอง’ ทวาหมายถงนองคนไหน: sister1’, sister2’, sister3’ … ฯลฯ
✍ ความกำกวม 2. ‘ผา’ ทวาหมายถงผาทกผนหรอผาบางผน: ∀x. หรอ ∃x. clothes’(x)
¡ คำถาม 5: อานมาตงนาน สาระสำคญอยทไหน
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 20
ระบบความคดแบบรวมศนยนยมใชความหมายแฝงทรกนเฉพาะกลม เนนขอแกตวและการขออภยทมารบกวน
ขออาง 1
ขออาง 2
ขออาง 3
ขออาง 4 ขออาง 5
ขออาง 6
ขออาง 7
ขออาง 8
ประเดน
ระบบความคดในสอสารมวลชนบางชนดอาจใชความหมายแฝงเพอหลกเลยงการอางอง
ไมจำเปนตองมประเดนทชดเจน
ขออาง 1
ขออาง 2
ขออาง 3
ขออาง 4 ขออาง 5
ขออาง 6
ขออาง 7
ขออาง 8
ประเดน
?
¡ คำถาม 6: ประโยคนหมายความวาอะไรกนแน
§ ความหมายของประโยคจะขนอยกบสถานการณดวย ซงตองใชความรทางโลก (world knowledge) และสามญสำนก
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 21
ตอนเชาๆ คณพอเพงตนนอนคณพอถามลกสาววา “กโมงแลว”
ลกสาวตอบวา “แปดโมงยสบคะ”
¡ คำถาม 6: ประโยคนหมายความวาอะไรกนแน
§ ความหมายของประโยคจะขนอยกบสถานการณดวย ซงตองใชความรทางโลก (world knowledge) และสามญสำนก
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 22
ณ เวลาตสองสสบหานาท ลกสาวเมากลบเขาบานคณพอถามลกสาววา “กโมงแลว”
ลกสาวตอบวา “ตสองกวาคะพอ”
¡ ภาษาไทยในปจจบนไดรบอทธพลจากอนเตอรเนตและสงคมออนไลน
§ มคำและความหมายเกดใหมตลอดเวลา ทงทเกดจากการเทยบเคยงจากสถานการณ การสะกดผดโดยรเทาไมถงการณ ความผดพรองในการพมพ และการพมพผดอยางจงใจ
§ มแหลงขอมลขนาดใหญซงสามารถคนคนได เชน Facebook,
Twitter, Instagram, หนงสอพมพ และสอออนไลนอนๆ
§ ไมมนคง มพลวตสงมาก เปลยนแปลงตามสถานการณไดอยางรวดเรว
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 23
¡ การศกษาแนวโนมการใชภาษาในสอออนไลน
§ ศกษาจากการระบหวเรองดวย hashtag เชน #รองไหหนกมาก
§ เครองมอทชวยศกษาภาษาไทยในสอออนไลน http://pop.ssense.in.th
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 24
¡ การวเคราะหความคดเหน (sentiment analysis)
§ เราสามารถวเคราะหขว (polarity) และอารมณ (emotion) ของความคดเหนไดโดยพจารณาจากการใชรปคำและบรบท
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 25
โทรศพท XXXXXXX เตมเปยมไปดวยความพรเมยมทยอดเยยมกวาเคย
ไมมการตดตอกลบมาใดๆ จนผมตองเปนฝายอเมลไปถามวาเรองถงไหนแลว
+ + +
- - - -
1
2
¡ การวเคราะหความคดเหน (sentiment analysis) (ตอ)
§ ความคดเหนแบบการประชด (sarcasm) มความหมายลกมขวตรงกนขามกบความหมายผว (ambivalence)
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 26
ราน XXXXX บรการสดประทบใจ ไปทานอาหารสองครง ออรเดอรหายทงสองครง+ -
แถมครงสดทายทไป เดกเสรฟยงคดคาอาหารผด ไปรวมออรเดอรทหายไวในบล- - -
¡ หวขอวจย§ ระดบคำ: การตดคำ การระบคำประสม การกำกบชนดของคำ
§ ระดบไวยากรณ: การระบกอนหนวยสราง การวเคราะหโครงสรางประโยค การแกปญหาการละในระดบไวยากรณ
§ ระดบความหมาย: การกำกบบทบาทความหมาย การถอดรปแทนความหมาย การตความนพจนสโกเลมและตวบงปรมาณ การตความคำเกดใหม
§ ระดบปรจเฉท: การวเคราะหโครงสรางเอกสาร การสรปเอกสารอตโนมต
§ ระดบวจนปฏบต: การแกปญหาความหมายแฝง การประมวลผลความรทางโลก (เทรนดปจจบนคอ ontology) การวเคราะหความคดเหนและการประชด
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 27
¡ ขอแนะนำ
§ ความรเบองตนสำหรบภาษาไทย: ไวยากรณไทย (นววรรณ พนธเมธา, พ.ศ. 2558 พมพครงท 7)
§ ฝกใช machine learning และเทคนคทเกยวของ
§ ความแมนยำของระบบขนอยกบการออกแบบ “บรบท” เพอแทนความหมายแฝง เชน คำกอนหนา (n-gram) คำแวดลอม (surrounding n-gram) โหนดแมในตนไมไวยากรณ ฯลฯ
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 28
¡ ภาษาไทยมความมหศจรรย 5 ระดบ ซงเปนผลมาจากกรอบความคดแบบรวมศนยและการใชความหมายแฝง
¡ การใชกฎผสมกบ machine learning และการออกแบบรปแทนบรบทจะชวยแกปญหาความหมายแฝงได
¡ กรณาปรกษาหวขอวจยกบอาจารยทปรกษาของทาน
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 29
30
ทมา: เพจมกหรอเปลอกหมอย
¡ ความรเบองตนสำหรบภาษาไทย
§ ไวยากรณไทย (นววรรณ พนธเมธา, พ.ศ. 2558 พมพครงท 7)
§ โครงสรางภาษาไทย: ระบบไวยากรณ (วจนตน ภาณพงศ, พ.ศ. 2520)
§ หลกภาษาไทย (กำชย ทองหลอ, 2515)
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 31
¡ Machine Learning
§ A First Course in Machine Learning (Simon Rogers and Mark Girolami, 2011) [เขาใจงาย]
§ Pattern Recognition and Machine Learning(Christopher Bishop, 2007) [ยากระดบกลาง]
§ Information Theory, Inference, and Learning Algorithms (David MacKay, 2003) [ยากและละเอยด]
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 32
¡ Natural Language Processing
§ Speech and Language Processing (Daniel Jurafskyand James M. Martin, 2008) [งาย]
§ Foundations of Statistical Natural Language Processing (Manning, Prabhakar, and Schütze, 2008) [ยากระดบกลาง]
§ Natural Language Processing with Python (Bird, Klein, and Loper, 2009) [งาย, สอนใช NLTK ดวย]
28 พฤษภาคม 2559 มหศจรรยแหงภาษาไทยและการประมวลผลภาษาธรรมชาต (ปรชญา บญขวญ) 33