江苏龙网

  1. 首页 > 资讯 > 科技 > >

|北语信息院院长荀恩东：语言智能的核心是语义理解丨CCF-GAIR 2020( 四 )


|北语信息院院长荀恩东：语言智能的核心是语义理解丨CCF-GAIR 2020
本文插图

不管哪种表示形态 ， 一般的套路就是确定一个概念体系 ， 然后开始标注 ， 之后学模型 。 但是在实际场景解决问题的时候会面临很大的问题 ， 就是确定的概念体系和标记语料 ， 跟实际场景相差很远 ， 应用成本高 。
为了得到更贴近应用的语义表示方案 ， 我们提出了意合图 。 意合图是什么呢？举个例子 ， “它圆圆地画了一个圈” ， 我们怎么理解这句话？
我们从一般语言的角度来提取这句话里最根本的东西 ， 即事件和实体 。 意合图是针对汉语意合语言的特点来做的 。 意合图包括事件复合体和实体复合体 ， 如下图所示 ， 圆角矩形是事件复合体 ， 直角矩形是实体复合体 。
我们把事件主体找出来 ， 就是“画”这个动词 。 谁画了什么？然后我们需要找到主体和客体两个实体复合体 ， 找到了“他”和“圈” ， 这样就把实体和事件之间进行了关联 。
|北语信息院院长荀恩东：语言智能的核心是语义理解丨CCF-GAIR 2020
本文插图

如果对所有自然语言做出这样的表达 ， 对于理解语言是有帮助的 。 但问题是 ， 这种表示的完备性和泛化性如何？另外 ， 这种表示是不是可计算的 。
再举几个例子 。 “虽然你不出门 ， 却知天下事 。 ”事件类有“出门”和“知” ， 这两个事件具有转折关系 。 与“出门”和“知”相关的实体是“你”和“天下事” 。
“出门”和“知”在词条级做加工和处理 ， 因为这种词条是稳定的 。 我们可以在大数据将经常搭配的词条和类型找出来 ， 进行匹配 。
|北语信息院院长荀恩东：语言智能的核心是语义理解丨CCF-GAIR 2020
本文插图

还有一种意合图是 ， 句子中没有完备的事件实体结构 ， 但是存在自定义的或者是隐性的关系 。 比如说眼睛 ， 一说到眼睛 ， 我们就知道这是指某个生物的眼睛 。 眼睛一定有一个主人 ， 从“他哭肿了眼睛” ， 我们知道眼睛是“他”的 。
|北语信息院院长荀恩东：语言智能的核心是语义理解丨CCF-GAIR 2020
本文插图

这个例子也一样 ， “我吃饭比他快” ， “快”是比较的词语 ， 是比较两个吃的动作 ， 不能说“我吃饭”跟“他”比 。 这里面的“他”和“我”产生了共享 ， 共享就是指“吃饭”和“他”进行了组合 。
那么 ， 怎么构建意合图？下图展示了我们的技术路线 。 给一个句子 ， 不采用端到端的解决方案做意合图 ， 否则需要标记很多数据 。 我们的理念是 ， 意合图是不可标的 ， 因为数量太庞大 。 我们借助块依存结构来做意合图 ， 先做结构 ， 再从结构做语义 。
在结构阶段 ， 我们采用了语块依存的做法 ， 针对汉语的特点和实际应用的要求 ，， 构造了超大规模的北语树库 。
在语块依存的结构分析基础上 ， 我们利用各类的搭配 ， 比如命题搭配、情态搭配和事理搭配数据 ， 通过符号运算 ， 生成意合图 。
在这里 ， 各类搭配数据 ， 是在大数据自动学习得到的 ， 经过前期或后期的人工校对 ， 保证搭配数据的质量 。
|北语信息院院长荀恩东：语言智能的核心是语义理解丨CCF-GAIR 2020
本文插图

做结构的时候依靠树库标注 ， 北语这几年发布了几个千万量级的树库 ， 基于分层分阶段建设规划 ， 包括树库1.0（组块语结构） ， 树库2.0（缺省结构还原） ， 树库3.0（句间关系） ， 等等 。 我们的标注数据基于篇章 ， 规模很大 ， 涉及很多领域 。
|北语信息院院长荀恩东：语言智能的核心是语义理解丨CCF-GAIR 2020
本文插图

下图展示了块依存树1.0中组块语结构的例子 。 我们通过简单的标注操作 ， 得到快依存结构 。


推荐阅读


上一篇：|装了新风机之后，为什么还要买净化器？AirProce AI-660晒单

下一篇：|前置4400万广角双摄！vivo S7正式开售