построение правил для автоматического извлечения...
TRANSCRIPT
![Page 1: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/1.jpg)
Построение правил для автоматического извлечения
словосочетаний из текста
Загорулько Максим Юрьевич
Научный руководитель н.с. ИСИ СО РАН, к.ф.-м.н. Е.А.Сидорова
![Page 2: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/2.jpg)
Основная цель
При построении терминологических словарей важную роль играют многословные термины. Они составляют 80% всех терминов предметной области.
• Разработка алгоритмов извлечения из текста синтаксически связанных словосочетаний.
![Page 3: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/3.jpg)
Постановка задачи
• Разработать формальное представление словосочетаний текста в виде последовательности слов, а также дерева зависимостей между словами.
• Разработать представление правил, предназначенных для автоматического извлечения словосочетаний из текста.
• Разработать словарь словосочетаний, поддерживающий эффективное извлечение словосочетаний из текста и обеспечивающий удобный доступ к его элементам.
• Разработать алгоритмы автоматического извлечения словосочетаний из текста по заданным правилам.
• Разработать пользовательский интерфейс, позволяющий лингвисту управлять процессом извлечения словосочетаний.
![Page 4: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/4.jpg)
Структура словосочетанияСловосочетание – Phrase состоит из 4 элементов:
Phrase = <Parts , Relations , root, title >
Parts – Упорядоченная последовательность слов в словосочетании, где каждому ее элементу соответствует слово словосочетания в нормальной форме.
Пример 1: для словосочетания Государственный фонд занятости населения РФ
![Page 5: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/5.jpg)
Структура словосочетанияPhrase = <Parts , Relations , root, title >
Relations – Набор пар: позиции главного и подчиненного слова, и набор морфологический признаков, по которым согласовываются подчиненное слово с главным
Пример 2: для словосочетания Институт Ядерной Физики:
Каждый из элементов Relations будет выглядеть так:
<2 (физика),1 (институт), (род, число, падеж)><3 (ядерный),2 (физика), (падеж - родительный)>
![Page 6: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/6.jpg)
Структура словосочетания
Pattern = <Words , Relations, root, title >
root - позиция корневого слова в словосочетании, то есть, является корневым, главным опорным словом.
title - наименование словосочетания.
![Page 7: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/7.jpg)
Таблица согласований
Зачастую согласования между некоторыми частями различных правил или словосочетаний совпадают. Например очень часто встречаются такие согласования как (род, число падеж) или (падеж – родительный, число единственное). Поэтому целесообразно ввести единую таблицу согласований для всей системы.
сяркий (0)
свет (1)
Таблица согласований
1. род, число, падеж2. Число – ед, падеж – рд3. Число – мн, падеж – тв4. ……………5. …………………
1->0
Согл. №1Корень (1) Яркий свет
Словосочетание: ЯРКИЙ СВЕТ
![Page 8: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/8.jpg)
Согласование
• Морфологическое согласование - набор параметров для согласования главного слова с подчиненным словом (падеж, род, число и пр.). Т.е. параметры, по которым необходимо осуществить согласование опорного слова данной части с зависимым словом при склонении словосочетания.
Пример 4: Новосибирский Государственный Университет. Новосибирскому Государственному Университету
• Морфологическое управление - набор морфологических признаков и их значений, определяющих форму слову, например: «падеж=родительный», «род=мужской», «число=единственное».
Пример 5: Институт гидродинамики. Институту гидродинамики
![Page 9: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/9.jpg)
Особенности построения связей между элементами словосочетания
• 1. Первая связь (пара) строится от корневого слова. Пример 6:
• 2. В одной паре подчиненное и главное слово не может совпадать. Пример 7:
• 3. Для подчиненного слова существует только одно главное. Пример 8:
![Page 10: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/10.jpg)
Структура правилПравило – Pattern состоит из 4 элементов, по аналогиис тем как строится Phrase, за исключением поля Parts:
Pattern = <Parts , Relations , root, title >
Parts – Упорядоченная последовательность наборов морфологических классов.
Пример 1: для правила [Сущ] + [Прил] + [Сущ] (Центральный Банк России):
Прил (Кач.) Сущ(мж.р неод.) Сущ(ж.р неод.)
ед-ч, падеж - род
род, число, падеж
![Page 11: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/11.jpg)
Алгоритм извлечения словосочетаний из текста
0 шаг: (1 обход текста) Составляется словарь терминов.
1 шаг: (2 обход текста) Для каждого слова текста ищем все правила, с таким же морфологическим классом корневого элемента. Запоминаемпозиции данных правил и сами правила, составляем из них список гипотез.
Примерно под таким девизом в 1977 году начиналась наша лаборатория в Институте естественных наук Бурятского филиала СО АН СССР. Лаборатория создавалась для исследований по технологии вольфрама и молибдена; по академической программе — для претворения в практику физико-химического анализа и результатов
Институт – СущПравило:Сущ+Прил+Сущ
Сущ+Прил+СущПозиция: 12Сущ+Прил+СущПозиция: 12
Гипотеза 2Гипотеза 2
Гипотеза 3Гипотеза 3
![Page 12: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/12.jpg)
2 шаг: (3 обход текста) Для каждой гипотезы в соответствии с текущей позицией в тексте проверяем соответствие морфологического классаэлемента правила и слова в тексте. Если соответствие отсутствует – удаляем гипотезу из списка.
3 шаг: Для каждой гипотезы проверяем согласование заданное в правилах. Если согласование не выполнено – удаляем гипотезу из списка.
4 шаг: На основе оставшихся гипотез формируем новое словосочетание
Примерно под таким девизом в 1977 году начиналась наша лаборатория в Институте естественных наук Бурятского филиала СО АН СССР. Лаборатория создавалась для исследований по технологии
Сущ+Прил+СущПозиция: 12Сущ+Прил+СущПозиция: 12
Гипотеза 2Гипотеза 2
Гипотеза 3Гипотеза 3
Институт естественных наукИнститут естественных наук Сущ+Прил+СущСущ+Прил+Сущ=?
![Page 13: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/13.jpg)
Извлечение словосочетаний
ТАБЛИЦАСОГЛАСОВАНИЙ
ТАБЛИЦАПРАВИЛ
СЛОВАРЬСЛОВОСОЧЕТАНИЙ
ЯДРОПОИСКА
ОБРАБАТЫВАЕМЫЙ
ТЕКСТ
СЛОВАРЬ ТЕРМИНОВ
![Page 14: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/14.jpg)
Словарь словосочетаний
Таблица правил
![Page 15: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/15.jpg)
Редактор словосочетаний
![Page 16: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/16.jpg)
Редактор правил
![Page 17: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/17.jpg)
Согласование морфологических признаков.
![Page 18: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/18.jpg)
Результаты обработки текстов
Было обработано 3 текста из разных предметных областей. Таблица правил содержала 5 основных правил
![Page 19: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/19.jpg)
Результаты обработки текстов
Название текста Словв тексте
Гипотезы, прошедшие
согласованиеС+Срд С+Ств С+П П+С С+Прил+Срд
Отрывок из учебного пособия
по гетерогенному катализу. №19 000 37% 539 42 12 357 69
Отрывок из учебного пособия
по гетерогенному катализу. №219 000 38% 1167 99 39 660 84
Михаил Шолохов
"Судьба человека"7 000 40% 171 58 11 320 13
![Page 20: построение правил для автоматического извлечения словосочетаний из текста](https://reader035.vdocuments.site/reader035/viewer/2022062303/557ec861d8b42a8e558b4e04/html5/thumbnails/20.jpg)
Перспективы развития
• Вложенность правил (рекурсия).• Необязательные и альтернативные элементы.• Синтез форм словосочетаний на основе нормальной формы.