Semantische Rollenbeschriftung - Semantic role labeling

In der Verarbeitung natürlicher Sprache , Kennzeichnung semantische Rolle (auch als flache semantische Analyse oder Slot-Füllung ist der Prozess , dass Abtretungs Etikette Worte oder Phrasen in einem Satz) , die ihre zeigt semantische Rolle im Satz, wie die ein Agenten , Ziel, oder Ergebnis.

Es dient dazu, die Bedeutung des Satzes zu finden. Dazu erkennt es die mit dem Prädikat oder Verb eines Satzes verbundenen Argumente und wie sie in ihre spezifischen Rollen eingeordnet werden . Ein gängiges Beispiel ist der Satz „Mary hat das Buch an John verkauft“. Der Agent ist "Maria", das Prädikat ist "verkauft" (oder besser gesagt "verkaufen"), das Thema ist "das Buch" und der Empfänger ist "John". Ein weiteres Beispiel ist, dass "das Buch gehört mir" zwei Etiketten wie "besessen" und "Besitzer" und "das Buch wurde an John verkauft" zwei andere Etiketten wie Thema und Empfänger benötigen würde, obwohl diese beiden Klauseln ähnlich sind zu den Funktionen "Subjekt" und "Objekt".

Geschichte

1968 wurde die erste Idee zur semantischen Rollenbezeichnung von Charles J. Fillmore vorgeschlagen . Sein Vorschlag führte zum FrameNet- Projekt, das das erste große Computerlexikon hervorbrachte, das systematisch viele Prädikate und ihre entsprechenden Rollen beschrieb. Daniel Gildea (derzeit an der University of Rochester , zuvor University of California, Berkeley / International Computer Science Institute ) und Daniel Jurafsky (derzeit Lehren an der Stanford University , aber zuvor an der University of Colorado und UC Berkeley tätig ) entwickelten das erste automatische semantische Rollenkennzeichnungssystem basierend auf FrameNet. Das PropBank- Korpus fügte dem Penn Treebank- Korpus der Wall Street Journal- Texte manuell erstellte semantische Rollenannotationen hinzu . Viele automatische semantische Rollenkennzeichnungssysteme haben PropBank als Trainingsdatensatz verwendet, um zu lernen, wie neue Sätze automatisch kommentiert werden.

Verwendet

Semantische Rollenkennzeichnung wird hauptsächlich für Maschinen verwendet, um die Rollen von Wörtern innerhalb von Sätzen zu verstehen. Davon profitieren Anwendungen, die Programmen zur Verarbeitung natürlicher Sprache ähneln, die nicht nur die Wörter von Sprachen verstehen müssen, sondern auch, wie sie in unterschiedlichen Sätzen verwendet werden können. Ein besseres Verständnis der semantischen Rollenkennzeichnung könnte zu Fortschritten bei der Beantwortung von Fragen , der Informationsextraktion , der automatischen Textzusammenfassung , dem Text-Data-Mining und der Spracherkennung führen .

Siehe auch

Verweise

  1. ^ Laux, Michael (2019-01-13). "Wenn Sie es noch nicht wussten" . SunJackson-Blog (auf Chinesisch) . Abgerufen 2020-12-08 .
  2. ^ Boas, Hans; Dux, Ryan. "Von der Vergangenheit in die Gegenwart: Von Fallrahmen zu semantischen Rahmen" (PDF).
  3. ^ Gildea, Daniel; Jurafsky, Daniel (2000). "Automatische Kennzeichnung semantischer Rollen" . Proceedings of the 38th Annual Meeting on Association for Computational Linguistics - ACL '00 . Hongkong: Verband für Computerlinguistik: 512–520. doi : 10.3115/1075218.1075283 .
  4. ^ Park, Jaehui (2019). „Selectively Connected Self-Attentions for Semantic Role Labeling“. Angewandte Wissenschaften . 9 (8) – über ProQuest.
  5. ^ Gildea, Daniel; Jurafsky, Daniel. "Automatische Kennzeichnung semantischer Rollen" (PDF) . Verein für Computerlinguistik . 28 (3).

Externe Links