�ݺ�ߣ

Анализ текста на естественном языке,
управляемый вариантами разбора

Носков Алексей

МГУ им. М.В.Ломоносова, ВМК
alexey.noskov@gmail.com

19 мая 2012

Содержание
Анализ текста и неоднозначность
Анализ по этапам
Неоднозначность анализа
Анализ по вариантам
Представление вариантов анализа
Список вариантов
Дерево вариантов
Граф вариантов
Обработка множества вариантов
Преобразование графов вариантов
Процессы на графах вариантов
Применение алгоритмов анализа
Регулярные преобразователи
Контекстно-свободные грамматики
Программная реализация
2

Независимые этапы анализа

Текст

Графематический анализ

Несколько этапов Морфологический анализ
анализа, которые:
независимы Синтаксический анализ
применяются
последовательно Семантический анализ

Внутреннее представление

3

Независимые этапы
Причины

Почему так именно так?
Декомпозиция сложной задачи на более простые
Удобно описывать и тестировать алгоритмы, работающие
на независимых этапах
Можно проводить разработки в рамках одного этапа, а
другие использовать уже какие-то готовые

Но есть проблема:

4


Проявляется на каждом из этапов
мимо гор. Калуги
мыла
вернулся из поездки в Москву
Как правило не может быть разрешена в рамках одного
этапа
Иногда не может быть разрешена в рамках одного
“предложения“
Река Ока протекает через южную часть гор. Калуги -
административного центра области.

5

Применяемые решения

Фильтрация вариантов перед следующим этапом
Можно упустить правильные варианты
Фильтрация представляет из себя упрощенный вариант
последующих этапов – порождает усложнение и
дублирование кода
Передача на следующий этап нескольких вариантов
Можно проанализировать то, что совсем не нужно

6

Рефлексия

Дорога

7

Рефлексия

Дорога ложка к обеду

7

Анализ человеком

Наблюдения о человеке:
анализирует текст сразу при поступлении слов
строит вариант анализа того, что уже поступило и
предполагает что будет дальше
если новый участок текста не согласуется с
предположением - происходит возврат
расстояние на которое возврат может сделан быстро
ограничено кратковременной памятью

8


Основные идеи:
Максимально глубокий анализ (через все возможные
этапы) того участка текста, который уже поступил
Анализ дальнейшего текста исходя из результатов анализа
того, что уже получено ранее
Возврат в случае невозможности дальнейшего анализа

9

Направление анализа

Варианты анализа

Этапы анализа

10

Направление анализа

Варианты анализа

Этапы анализа

11

Основные проблемы

Вариантов анализа может быть очень много
Не рассматривать все варианты - только те, которые
нужны для достижения результата
Не повторять анализ одних и тех же участков

Разбиение по этапам удобнее для описания
Описание этапов не обязательно должно явно
соответствовать последовательности их применения
Описывать этапы так, чтобы:
они остались независимыми
при этом позволяли производить анализ по вариантам

12

13


На каждом уровне текст можно представить как набор
некоторым образом связанных единиц. Например, лексем
или синтаксических конструкций.

Для начала – просто последовательность этих единиц без
связей.

Но вариантов представления может быть много.

Как представлять набор этих вариантов?

14

Cписок вариантов

Простейший способ - просто перечислить все варианты

Я мою пол

Я мой полый
Я мой пол
Я мой пола
Я мыть полый
Я мыть пол
Я мыть пола

15


полый 3

пол
2 3
мыть
пола
Очевидное
3
улучшение –
Я
склеить начало 0 1
вариантов
полый 3
мой
пол
2 3
пола
3
16


Некоторые неопределенности локальны и не вляют на
дальнейший текст – можно склеить в граф

мыть полый
Я пол
0 1 2 3
мой пола

17


Некоторые неопределенности локальны и не вляют на
дальнейший текст – можно склеить в граф

мыть полый
Я пол
0 1 2 3
мой пола

В этом графе каждый путь определяет некоторый допустимый
вариант разбора. Будем называть такой граф «графом
вариантов».

17

18

Этап анализа как преобразование

Этап анализа – преобразование одного графа вариантов в
другой с сохранением отношений между вариантами:
Каждый путь из входного графа преобразуется в подграф
выходного графа (возможно пустой)
Пути выходного подграфа - варианты анализа этого пути

19

Графематический анализ

Я мою пол

преобразуется в

Я мою пол

20

Морфологический анализа

Я мою пол


мыть полый
Я пол
0 мой пола

21

Синтаксический анализ

мыть полый
Я пол
мой пола


NG(Я) V(мыть) NG(пол) VG(2) S(2)
0

22

Этап анализа как процесс

Этап анализа – процесс, который:
Имеет состояние, изменяющееся в рамках анализа одного
варианта
Обрабатывает вариант анализа поэлементно – получает на
вход один элемент входного варианта и выдает новые
элементы на выход сразу, как только возможно
Копируется в случае возникновения неоднозначности
Склеивается в случае окончания локальной
неоднозначности
Работает независимо от других процессов (в том числе
своих копий)

23

Работа процессов

Процессы осуществляют последовательное преобразование
входного графа в выходной.

Я мою пол
Synan|Morphan|Graphan

24


Я мою пол
Synan|Morphan

25


Я мою пол
Synan Morphan

26


Грамматика для синтаксического анализа:

NG -> N | Pn | A NG
VG -> V [NG]
S -> NG VG

NG(Я) мою пол
Synan|Morphan

27



NG -> N | Pn | A NG
VG -> V [NG]
S -> NG VG

мыть
NG(Я) пол
1 Synan Morphan
мой

28



NG -> N | Pn | A NG
VG -> V [NG]
S -> NG VG

мыть
Synan
NG(Я) пол
Morphan

Synan мой

29



NG -> N | Pn | A NG
VG -> V [NG]
S -> NG VG

V(мыть)
Synan
NG(Я) пол
Morphan

Synan мой

30



NG -> N | Pn | A NG
VG -> V [NG]
S -> NG VG

V(мыть)
Synan
полый
NG(Я) пол
пола
мой
Synan

31

NG -> N | Pn | A NG
VG -> V [NG]
S -> NG VG

Synan полый
пол
V(мыть)
Synan
NG(Я) Synan пола
полый
Synanмой
пол
пола
32

NG -> N | Pn | A NG
VG -> V [NG]
S -> NG VG

A(полый)
Synan
пол
V(мыть)
Synan
полый
Synanмой
пол
пола 33

NG -> N | Pn | A NG
VG -> V [NG]
S -> NG VG

пол
V(мыть)
Synan
полый
Synanмой
пол
пола

34

NG -> N | Pn | A NG
VG -> V [NG]
S -> NG VG

N(пол)
V(мыть)
Synan
полый
Synanмой
пол
пола
35

NG -> N | Pn | A NG
VG -> V [NG]
S -> NG VG

V(мыть) N(пол) VG(2)
Synan
полый
Synanмой
пол
пола

36

NG -> N | Pn | A NG
VG -> V [NG]
S -> NG VG

V(мыть) N(пол) VG(2)
S(2)
полый
Synanмой
пол
пола

37

Порядок работы процессов

От того в каком порядке работают процессы зависит
количество операций для нахождения первого полного
варианта анализа.
последовательное движение - поиск в глубину
параллельное движение - поиск в ширину
введение оценок перспективности анализа - эвристический
поиск

38

39


Конечные автоматы-преобразователи замечательно
подходят под роль процесов:
Имеют состояние, которое поддерживает сравнение и
копирование
Обрабатывают входящие символы по одному
Выдают результаты сразу после накопления необходимой
информации
Языки описания регулярных преобразователей работают
поверх графов вариантов и реализуются процессами
Все это остается верным и при их расширении
контекстными условиями (например, как в языках
Jape/LSPL)

40

Пример грамматики

adj.agrTo(’noun).* - noun.$(’noun)
==> nameGroup(’noun)

nameGroup.$(’subj) - verb.agrTo(’subj) - nameGroup
==> action
Может быть использована для преобразования:
Произвольных подпутей в графе (например, отдельных
конструкций)
Подпутей в графе, составляющих полный путь (например,
последовательных предложений)
Полного пути в графе (например, единственного
предложения)

41

Упаковка дерева

Упаковка дерева в путь в графе вариантов
Постфиксная запись дерева
Два типа элементов в пути:
Лист дерева
Промежуточный узел, создаваемый на основе N
предыдущих
При проходе по графу дерево может быть распаковано
путем построения снизу вверх

NG(Я) V(мыть) NG(пол) VG(2) S(2)

42

Распакованное дерево

S

NG(Я) VG

V(мыть) V(пол)

43

Плюсы такой упаковки

Сохраняет последовательность появления листьев

Допускает обход и преобразование снизу вверх без
распаковки

Позволяет представлять локальные неоднозначности на
различных уровнях дерева

Естественное представление, которое получается в
процессе работы LR-анализатора

44

Применение алгоритмов

Алгоритмы анализа, использующие явный стек легко
адаптируются для работы в виде процессов
Стек просто становится частью состояния

Особенно хорошо адаптируются LR-алгоритмы
Последовательность шагов shift-reduce – и есть описанное
выше упакованное дерево

45

Общая информация

Прототип на языке Scala
Простейший графематический анализ
Морфологический анализ на базе библиотеки для Lucene,
использующей словари AOT
Реализация графов и процессов
Реализация регулярных преобразователей поверх
процессов
DSL для описания регулярных грамматик непосредственно
в коде
Визуализация полученных графов вариантов

46


Ленивая структура данных

Несколько типов узлов:
Конец варианта
Возврат
Множественное ветвление - ленивый список вариантов
Вывод элемента - ленивое вычисление следующего узла

Может быть раскрыт в ленивый список вариантов
Для получения первых N вариантов анализа
Для отладки

47


DSL для описания грамматики в коде

val grammar = new RegularWordGrammar[Any] {

adj.aggrTo(’main).* - noun.bind(’main) ==> nameGroup

}

val nameGroupGraph = grammar.gsubMatcher(wordsGraph)

48

Дальнейшие направления
Адаптация более сложных подходов к анализу

Введение оценок перспективности для эвристического
поиска

Ограничение кратковременной памяти

Проведение экспериментов
Качество работы
Вычислительная эффективность

Реализация программной системы для экспериментов с
подходом
Базовая библиотека, реализующая подход
Средства для описания более сложных методов анализа
Графическая среда для экспериментов без
программирования
49

�ݺ�ߣ

Анализ текста на естественном языке, управляемый вариантами разбора

Recommended

More Related Content

Featured (20)

Анализ текста на естественном языке, управляемый вариантами разбора