Transcript パワーポイント2007(推奨)

数理言語情報論 第12回
2007年1月28日
数理言語情報学研究室 講師 二宮 崇
1
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
2
いわゆる“自然言語処理”
“太郎は花子が好きだ”
形態素解析
太郎/名詞 は/助詞 花子/名詞 が/助詞 好きだ/形容動詞
構文解析
(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))
意味解析
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
…
文脈解析
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
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
文脈解析
5
“深海”を目指すよりも“浅瀬”を
・コーパスベース
・統計モデル
・機械学習
形態素解析
構文解析
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
意味解析
文脈解析
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
文法
辞書
S → NP VP
NP → DET N
NP → N
…
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
文法規則
（＝生成規則＋制約）
8
自然科学と文法理論
不可知な真の自然
原子、分子、
クォーク
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
不可知な真の文法
S → NP VP
NP → DET N
NP → N
…
文法規則、辞書、シソーラス
S → NP VP
NP → DET N
NP → N
…
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
思考実験
コーパスに対する検証
理論の検証
データ収集・観察・分析
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
理論化
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
S → NP VP
NP → DET N
NP → N
…
・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
文法規則、辞書
検証
コーパス
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

生コーパス
検証
文法規則
辞書項目
文法開発者
理論化
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]

FTAG (French) [Abeillé et al. 2000]
http://www.cis.upenn.edu/~xtag/
LFG [Bresnan 1982]
http://www.essex.ac.uk/linguistics/LFG/

ParGram (English, Chinese, French, German, Norwegian, Japanese,

English XLE [Riezler et al. 2002; Kaplan et al. 2004]
German XLE [Forst and Rohrer 2006]
Japanese XLE [Masuichi and Okuma 2003]


Turkish, Urdu, Welsh, Malagasy, Arabic, Hungarian, Vietnamese) [Butt
et al. 2002] http://www2.parc.com/isl/groups/nltt/pargram/
17
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]


Optimality Theory (in LFG XLE) [Frank et al. 1998]


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)
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
経験主義的文法

S → NP VP
NP → DET N
NP → N
…
文法規則、辞書


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）
検証・開発
ツリーバンク
コンピュータ
26
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
文
法？
A record date has n’t been set.
27
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]
28
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
編纂
検証
アノテーション
ガイドライン
ツリーバンク
ツリーバンク開発者
編集
解釈
生コーパス
29
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）

30
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）
S
名詞句
VP
NP
限定詞
DT
NN
VP
NN VBZ RB VBN VBN
A record date has n’t been set.
普通名詞
三単現動詞
副詞
過去分詞
31
Penn Treebank
アノテーションガイドライン
“Bracketing Guidelines for Treebank II Style Penn
Treebank Project” Bies et al. 1995












 13. Gerunds and Participles
1. An Overview of Basic
 14. Infinitives
Clause Structure
 15. Small Clauses and their
2. Notation
near relatives
3. Punctuation
 16. Clefts
4. Null Elements
 17. It-Extraposition
5. Pseudo-Attach
 18. Subject-Raising Predicates
6. Copular Verbs
 19. Whether it and Referential
7. Coordination
it
8. Shared Complements and
 20. Existential there
Modifiers in Coordinated
 21. Tough-Clefts
Structures
 22. Comparatives
9. WH-Phrases
 23. “Financialspeak”
10. Subordinate Clauses
conventions
11. Modification of NP
全318ページ！
 24. Numbered Lists
32
12. Titles
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)))
33
Penn Treebank
アノテーションガイドライン (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)
34
Penn Treebank
アノテーションガイドライン (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)
advise, ask, beg, beseech, challenge,
(VP to
(VP invade (NPcommand,
us))))))) counsel, detail, direct,
enjoin, exhort, forbid, implore, incite,
inform, instruct, invite, order,
(b) (S (NP-SBJ He)
persuade, pray, promise, remind,
(VP told
request, recommend, teach, tell, urge
(NP-1 me)
の場合は(b)と解釈
(S (NP-SBJ *-1)

(VP to
(VP wake (NP you))))))
35
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
文法抽出
文
法？
S
VP
NP
DT
NN
VP
NN VBZ RB VBN VBN
A record date has n’t been set.
ツリーバンク
開発
36
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]
CFG規則
S
VP
NP
DT
NN
VP
NN VBZ RB VBN VBN
S → NP VP
NP → DT NN NN
VP → VBZ RB VP
VP → VBN VBN
A record date has n’t been set.
37
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
S

VP
NP
DT
NN
VP
NN VBZ RB VBN VBN
S → NP VP
NP → DT NN NN
VP → VBZ RB VP
VP → VBN VBN
0.5
0.03
0.02
0.1
A record date has n’t been set.
38
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

16000
14000
12000
10000
8000
6000
4000
文法規則数
2000
0
0
10000
20000
30000
40000
39
問題点（２）：精度が低い

S
Charniak [1996]: 80%
VP
VP
NP
NN VBD
We applied
We selected
NN VBD
NP
PP
NP
DT
NN
the algorithm
the approach
DT
NN
NP
S
VP
NP
IN NN
to
IE
to
IE
IN NN
PP
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
40
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

S
VP
NP-SBJ-1
DT
NN
VP
NN VBZ RB VBN VBN
A record date has n’t been set.
主語、目的語はどこ？
時制、アスペクトは？
41
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
42
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]
p(NP → DT NN NN | NP)
= p(NN | NP) p(NN | NN, NP) p(DT | NN, NN, NP)
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

43
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 applied
S
VPapplied
VPapplied
PPto
NPWe
NPalgorithm
NPIE
NN VBD DT
NN IN NN
We applied the algorithm to
IE
Head percolation table
親の記号 主辞になる子の記号
S
VP, …
VP
VP, VBD, VBZ, …
NP
NN, …
PP
IN, …
Charniak [1996]: 80% vs. Magerman
[1995]: 86%

（参考）語彙化の意味 [Gildea 2001; Bikel 2004]
44
非終端記号の細分化(2/2)


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]
S
S
NP
V

NP
VP-S
V-VP
NP-VP
主語のNPと目的語のNPが区別できる



NP-S
VP
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]
45
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？
46
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
NP
VP
NP
VP
NL is ADVP
officially making
NP
NL is
VP
officially making
Elementary
tree を抽出
VP
VP
VP
NL is ADVP
the offer
NP
S
ヒューリスティックルールで
構文木を分解する
the offer
S
ADVP VP* NP
VP* officially
NP
NP
VP
making
NP
the
NP
NP* offer
47
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]
親の記号
S
NP
VP
↑＝↓
↑subj＝↓
NL
↑＝↓
自動付与ルール
is
↑aux＝↓
S
NP:↑subj=↓, VP:↑=↓
VP
NP:↑obj=↓, VP:↑=↓
VP
↑＝↓
ADVP
VP
↑adjunct=↓
制約解決
↑＝↓
officially making
↑＝↓
子の記号
↑＝↓
NP
↑obj＝↓
the
↑det＝↓
offer
↑＝↓
f-structure
PRED make
SUBJ NL
OBJ PRED offer
DET the
ADJUNCT officially
AUX be
48
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
こんなややこしい構造を
書いてられない！
検証・開発
ツリーバンク
49
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
S → NP VP
NP → DET N
NP → N
…
文法規則、辞書
自動抽出した LTAG, LFG 文
法は正しいのか？
→ 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
本当に正しい？
ツリーバンク
コンピュータ
50
文法開発の再解釈と展望
51
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？

52
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
合理主義 人手
的文法
コーパスの役割 評価手段
生コーパス
定性的評価
補助的リソース
経験主義 自動
的文法
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
言語学者 言語能力の法
則性の発見
文法
コーパス
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 応用システムに コーパスを解析
研究者
有用な構文構 するための道具
造の自動解析
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
合理主義的文法開発の落とし穴
(1/2)

コーパス軽視
S → NP VP
NP → DET N
NP → N
…
文法規則、辞書
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
55
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
56
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
コンピュータ
・ツリーバンク開発
S → NP VP
NP → DET N
NP → N
…
文法規則、辞書
・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
57
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
コンピュータ
ツリーバンク
学習
ツリーバンク
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
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
58
文法とツリーバンクの双対性
(2/3)

合理主義的文法でのツリーバンク
S
NP-1
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
VP
they VP
VP
S
did n’t have
NP
VP
*-1 to
文法規則は
これとこれ
で
VP
choose
NP
this particular moment
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
59
文法とツリーバンクの双対性
(3/3)

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
60
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
ツリーバンク
辞書項目
61
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？
S → NP VP
NP → DET N
NP → N
…
ツリーバ
ンクだけ
いただき
ます
ツリーバンク、
文法規則、辞書
62
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
辞書
データと理論の不一致？
文法規則
S → NP VP
NP → DET N
NP → N
…
≠
作成したツリーバンク
導出されたツリーバンク
63
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




HPSG
LFG
TAG
…
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!
64
星座と文法理論
あそこの
星の並び
が蟹にみ
えるなぁ
65
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
辞書と文法規則によ
る文法理論
66
文法が先かツリーバンクが先
か？
ツリーバンク
文法な
んかい
らねー
よ
文法
S → NP VP
NP → DET N
NP → N
…
不一致が生じた
ときにどちらを
修正すべきか？
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？
67
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
・ツリーバンクは文法に導出される副産物
・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
68
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
S → NP VP
NP → DET N
NP → N
…
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
69
合理主義的文法と経験主義的文法
を超えて
70
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



性能向上のために文法的知識を断片的に導入


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)
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
71
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)
72
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]
編集
文法規則
辞書
検証
開発者
正解選択
ツリーバンク
構文解析器
生コーパス
73
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
ツリーバンク
辞書項目
74
再考：辞書とツリーバンクの関
係
品詞 動詞
主語 < >
目的語 < >
品詞 動詞
主語 <1 >
目的語 < >
品詞 名詞
1 主語 < >
目的語 < >
品詞
動詞
品詞
they 3 主語 <1 >
目的語 <2 >
3
副詞
修飾 3
主語 < >
目的語 < >
品詞
did
目的語 < >
品詞 動詞
主語 <1 >
目的語 <4 >
have
n’t

動詞
2 主語 <1 >
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
品詞 動詞
4 主語 <1 >
目的語 < >
品詞 動詞
品詞 動詞
主語 <1 >
5 主語 <1 >
目的語 <5 >
目的語 < >
to
品詞 動詞
品詞 名詞
主語 <1 > 6 主語 < >
目的語 <6 >
目的語 < >
choose
this particular moment
75
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
ツリーバンク
辞書項目
76
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
編集
文法規則
ツリーバンク
検証
辞書
文法開発者
辞書項目
収集器
77
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
ツリーバンク
辞書項目
78
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

HEAD verb
SUBJ < >
COMPS <
>
S
NP
HEAD noun
COMPS < >
VP
NL is ADVP
HEAD verb
SUBJ <1 >
COMPS < >
1 SUBJ < >
VP
officially making
HEAD verb
SUBJ <1 >
COMPS <2 >
NL
NP
the offer
HEAD verb
HEAD verb
2
HEAD verb
SUBJ <1 >
COMPS < >
HEAD verb
HEAD noun
SUBJ <1 > 4 SUBJ < >
3 SUBJ <1 > SUBJ < >
COMPS < >
COMPS <2 > COMPS < > COMPS <4 >
MOD
3
is
officially making
the offer
79
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

80
文法自動抽出との違い (2/3)

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
コーパス指向文法開発
文法自動抽出
ツリーバンク
ツリーバンク
辞書項目
辞書項目
81
文法自動抽出との違い (3/3)

品質管理の例 (Head Feature Principle)
HEAD verb
SUBJ <3 >
COMPS < >
VP
HEAD noun
<>
4 SUBJ
COMPS < >
SPR < >
NP
VBG
making
DT
the
NN
offer
HEAD verb
SUBJ <3 >
COMPS <4 >
making
1
HEAD det
HEAD noun
SUBJ < >
SUBJ < >
COMPS < > 2 COMPS < >
SPR <1 >
the
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
offer
82
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
83
辞書・ツリーバンク開発の概要
S
NP
VP
VP
NL is ADVP
NP
officially making
HPSG 表現
へマッピング
the offer
HEAD verb
SUBJ < >
COMPS <
>
HEAD noun
SUBJ < >
COMPS < >
head-comp
HEAD verb
is
COMPS < >
1
HEAD verb
SUBJ < >
head-comp
head-mod
HEAD adv
HEAD verb
SUBJ <1 >
COMPS < >
1 SUBJ < >
HEAD verb
SUBJ < >
HEAD verb
HEAD verb
SUBJ <1 >
COMPS <2 >
NL
1
HEAD noun
SUBJ < >
COMPS < >
officially making the offer
>
辞書項目収集
HEAD noun
subject-head
>
HEAD verb
SUBJ < >
COMPS <
>
文法規則適用
HEAD verb
NL
make:
HEAD verb
SUBJ < HEAD noun
CONT 1
HEAD noun
COMPS < CONT
2
make’
CONT ARG1 1
ARG2 2
3
HEAD verb
HEAD verb
SUBJ <1 > SUBJ < >
COMPS <2 > COMPS < >
MOD
3
is
2
HEAD verb
SUBJ <1 >
COMPS < >
HEAD verb
SUBJ <1 > 4
COMPS <4 >
officially making
HEAD noun
SUBJ < >
COMPS < >
the offer
84
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
S
NP-1
they
1 NP-1
VP
VP
n’t
VP
they
S
have
NP
did
n’t
VP
VP
choose
NP
3
SUBJ < 1 >
to
VP
choose
SUBJ < 2 >
VP
have
VP
*-1 to
SUBJ < 2 >
=
did
VP
VP
SUBJ < 3 >
NP
this particular moment
this particular moment
85
長距離依存・関係節
NP
REL < >
SLASH < >
NP 2
SBAR
the energy and ambitions WHNP-3
1 REL < 2 >
REL <2 >
SLASH < >
S
that NP-2
SLASH <1 >
VP
reformers wanted
SLASH: 移動した項を表
す
 REL: 関係詞と先行詞の関
係を表す

SLASH <1 >
S
SLASH <1 >
NP
VP
*-2 to
SLASH <1 >
VP
SLASH <1 >
reward NP
*T*-3
86
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
NN
HEAD: noun
AGR: 3sg
VBZ
HEAD: verb
AGR: 3sg
VFORM: finite
TENSE: present
（普通名詞）
（三単現動詞）
87
具体例

“NL is officially making the offer”
HEAD verb
SUBJ < >
COMPS < >
S
NP
NL
HEAD noun
SUBJ < >
COMPS < >
VP
VP
VP
is officially making
the offer
HEAD verb
SUBJ <1 >
head-comp
HEAD verb
NL
NP
subject-head
head-comp
head-mod
HEAD verb
SUBJ <1 >
HEAD verb
HEAD adv
HEAD verb
HEAD noun
SUBJ < >
COMPS < >
is
officially
making
the offer
88
文法規則の適用

“NL is officially making the offer”
HEAD verb
SUBJ < >
COMPS < >
HEAD noun
SUBJ < >
COMPS < >
subject-head
HEAD verb
SUBJ <1 >
head-comp
HEAD verb
NL
head-comp
head-mod
HEAD verb
SUBJ <1 >
HEAD verb
HEAD adv
HEAD verb
HEAD noun
SUBJ < >
COMPS < >
is
officially
making
the offer
89
文法規則の適用

“NL is officially making the offer”
HEAD verb
SUBJ < >
COMPS < >
HEAD noun
1 SUBJ < >
COMPS < >
HEAD verb
SUBJ <1 >
COMPS < >
HEAD verb
SUBJ <1 >
COMPS <2 >
NL
HEAD verb
HEAD adv
3 SUBJ <1 >
COMPS <2 > MOD 3
is
officially
HEAD verb
2 SUBJ <1 >
COMPS < >
HEAD verb
HEAD noun
SUBJ <1 > 4 SUBJ < >
COMPS <4 >
COMPS < >
making
the offer
90
複雑な例
HEAD noun
SUBJ < >
COMPS < >
SPR < >
1
the
head
NP
HEAD noun
<>
2 SUBJ
COMPS < >
SPR <1 >
arg
NP
HEAD noun
SUBJ < >
COMPS < >
SPR <1 >
HEAD det
SUBJ < >
COMPS < >
SBAR
prices
HEAD verb
SUBJ < >
COMPS < >
SLASH <2 >
head
arg
the prices WHNP-1
S
head
arg
VP
0 NP
head
we were
head
arg
VP
arg
3
arg
charged *-2*T*-1
HEAD verb
SUBJ < >
COMPS < >
REL <2 >
HEAD noun
SUBJ < >
COMPS < >
we
HEAD verb
SUBJ <3 >
COMPS < >
SLASH <2 >
HEAD verb
HEAD verb
SUBJ <3 > 4 SUBJ <3 >
COMPS < >
COMPS <4 >
SLASH <2 >
were
charged
91
辞書項目の収集

HPSG構文木の葉ノードは、辞書項目の実
例
HEAD verb
SUBJ < >
COMPS < >
HEAD noun
1 SUBJ < >
COMPS < >
HEAD verb
SUBJ <1 >
COMPS < >
HEAD verb
SUBJ <1 >
COMPS <2 >
NL
HEAD verb
HEAD adv
3 SUBJ <1 >
COMPS <2 > MOD 3
is
officially
HEAD verb
2 SUBJ <1 >
COMPS < >
HEAD verb
HEAD noun
SUBJ <1 > 4 SUBJ < >
COMPS <4 >
COMPS < >
making
the offer
92
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)
93
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
ARG1
he
ARG2
girl
saw

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
94
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

未知語処理なし
未知語処理あり
辞書項目単位
96.52%
99.15%
文単位
54.7%
84.8%
95
ツリーバンクのサイズ vs. 被覆
率
100
被覆率(%)
80
60
40
辞書項目の被覆率
文の被覆率
20
0
0
10000
20000
文数
30000
40000
96
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



問題点




言語学的な妥当性
複雑な構造、深い構造の記述が容易
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





文法とツリーバン
クの両方を開発す
ることが重要!
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
97
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
経験主義的文法開発
合理主義的文法開発
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
98
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)



コーパス指向文法開発(ツリーバンクが先の文法開発)




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
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/
99
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.
100
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.
101
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: Widecoverage 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.
102
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 broadcoverage precision grammar. In Proc. of the Workshop on
Grammar Engineering and Evaluation at COLING 2002.
103
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.
104
参考文献





A. Frank, T. H. King, J. Kuhn, J. Maxwell (1998)
Optimality Theory Style Constraint Ranking in Largescale 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.
105
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.
106
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.
107
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.
108
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.
109
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.
110
参考文献



A. Frank, L. Sadler, J. van Genabith, and A. Way (2003)
From treebank resources to LFG f-structures: Automatic fstructure 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.
111
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) Corpusoriented grammar development for acquiring a HeadDriven Phrase Structure Grammar from the Penn
Treebank. In Proc. IJCNLP-04.
112
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


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

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





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
授業内容に関連する内容を発展させた内容を調査もしくは考察
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
113
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)
114
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。
115