自然语言处理NaturalLanguageProcessing(NLP).ppt

自然语言处理Natural Language Processing(NLP),主要内容（1）,自然语言处理概述什么是自然语言处理自然语言处理的典型应用自然语言处理的基本任务自然语言处理的基本策略和实现方法自然语言处理的难点自然语言处理所涉及的学科(http:/,基于规则的自然语言处理方法（理性方法，传统方法）基于词典和规则的形态还原（英语）、词性标注以及分词（汉语、日语）基于CFG（上下文无关文法）和扩充的CFG（复杂特征集、合一运算）的句法表示及其分析技术基于逻辑形式和格语法的句义分析基于规则的机器翻译(http:/,主要内容（2）,基于语料库的自然语言处理方法（经验方法）语言模型（N元文法）分词、词性标注（序列化标注模型）句法分析（概率上下文无关模型）文本分类（朴素贝叶斯模型、最大熵模型）机器翻译(IBM Model等).（基于神经网络的深度学习方法）,主要内容（3）,所需的前导知识,编译技术概率与统计,参考书籍,宗成庆，统计自然语言处理，清华大学出版社，2008刘群等译，自然语言理解（第二版），电子工业出版社，2005苑春法等译，统计自然语言处理基础，电子工业出版社，2005冯志伟等译，自然语言处理综论，电子工业出版社，2005黄昌宁等，语料库语言学，商务印书馆，2002冯志伟，计算语言学基础，商务印书馆，2001余士文，计算语言学概论，商务印书馆，2003姚天顺，自然语言理解一种让机器懂得人类语言的研究（第2版），清华大学出版社，2002赵铁军等，机器翻译原理，哈尔滨工业大学出版社，2000宗成庆等译，统计机器翻译，电子工业出版社，2012Peter F.Brown,et al.,A Statistical Approach to MT,Computational Linguistics,1990,16(2),课程考核,Projects提交报告（说明基本做法）和源程序及可运行的程序期末笔试,自然语言处理概述,什么是自然语言处理,充分利用信息将会给人们带来巨大的收益，而大量的信息以自然语言（英语、汉语等）形式存在。如何有效地获取和利用以自然语言形式出现的信息？自然语言处理（Natural Language Processing，简称NLP）是指用计算机对自然语言信息进行处理的方法和技术。与NLP相近的两个研究领域：自然语言理解(Natural Language Understanding,NLU)：强调对语言含义和意图的深层次解释计算语言学(Computational Linguistics,CL)：强调可计算的语言理论,NLP技术的典型应用,机器翻译自动摘要文本分类与信息过滤信息检索自动问答信息抽取与文本挖掘情感分析.,机器翻译（Machine Translation）,机器翻译（Machine Translation，简称MT）是指利用计算机实现自然语言之间的自动翻译。是最早的计算机应用之一分为：文本机器翻译和语音机器翻译机器辅助翻译（Machine Aided Translation或Computer Aided Translation，简称MAT或CAT）翻译记忆体（Translation Memory，简称TM）双语对照的文本编辑.,自动摘要（Text Summarization）,利用计算机自动地从原始文档中提取全面、准确地反映该文档中心内容的简洁、连贯的短文。应对信息过载分为单文档摘要和多文档摘要,文本分类（Text Classification）,将一篇文档归于预先给定的一个类别集合中的某一类或某几类。图书馆的图书分类信息过滤.,信息检索（Information Retrieval，IR）,基于关键词，从某文档集合中检索出相关的文档。google、百度、.主题相关的文本获取。,自动问答（Question Answering，QA）,针对用户提出的问题，给出具体的答案。Apple的Siri、IBM的Watson机器人、百度的“知道”、提高信息获取的效率,信息抽取（Information Extraction，IE）,基于某个主题模板，从非结构化或半结构化的自然语言文本中提取出相关的结构化信息。主题相关的信息获取。对机器翻译、自动问答、数据挖掘（文本挖掘）等提供支持。,新华社北京月日电（记者李术峰）:中国农工民主党第十二届中央常务委员会第一次会议今天在北京召开。会议研究通过了贯彻落实“两会”精神的有关决定，审议通过了中国农工民主党中央年工作要点（草案），并任命了中央副秘书长。农工民主党中央主席蒋正华主持了会议，他说，农工民主党有多名党员作为代表和委员参加了今年的“两会”，各位党员要认真履行代表和委员的职责，开好会，在年的工作中认真贯彻“两会”精神，加强农工民主党的自身建设，推动事业进一步发展，为建设有中国特色社会主义事业作出新的贡献。会前，农工民主党中央邀请参加“两会”的来自全国各省、自治区、直辖市的农工民主党党员进行了联谊活动。,信息抽取实例:会议报道(人民日报1998-03-09),信息抽取的结果,情感分析（Sentiment Analysis或 Opinion Analysis）,分析文章（评论）对某个对象（社会热点事件、产品或者服务）的态度（正面还是负面）。政府舆情分析：热点事件发现、预警企业市场决策：产品意见调查、产品推荐消费者购买决策.,.只要处理对象涉及自然语言的都需要NLP！,自然语言处理的基本任务,语言分析：分析语言表达的结构和含义词法分析：形态还原、词性标注、命名实体（人名、地名、机构名）识别、分词（汉语、日语等）等句法分析：组块分析、结构分析、依存分析语义分析：词义、句义（逻辑、格关系、.）、篇章（上下文）（指代、实体关系、.）语言生成：从某种内部表示生成语言表达词、句子、篇章的生成多语言处理（机器翻译、跨语言检索）：语言之间的对应、转换不同的应用对上述任务有不同的要求。,自然语言处理的实现方法,基于规则的理性方法（Rationalist approach）基于以规则形式表达的语言知识（词、句法、语义以及转换、生成）进行符号推理，从而实现信息处理。强调人对语言知识的理性整理。受Chomsky主张的人具有先天语言能力观点的影响，主宰19601985基于语料库的经验方法（Empiricist approach）以大规模语料库（单语和双语）为语言知识基础。利用统计学习和基于神经网络的深度学习方法自动获取隐含在语料库中的知识，学习到的知识体现为一系列模型参数。基于学习到的参数和相应的模型进行语言信息处理。,混合方法理性方法的优、缺点相应的语言学理论基础好语言知识描述精确处理效率高知识获取困难（高级劳动）系统鲁棒性差：不完备的规则系统将导致推理的失败知识扩充困难，很难保证规则之间的一致性经验方法的优、缺点知识获取容易（低级劳动）系统鲁棒性好：概率大的作为结果知识扩充容易、一致性容易维护相应的语言学理论基础差缺乏对语言学知识的深入描述和利用，过于机械处理效率低利用各家之长，相互融合?,自然语言的分类（基于形态结构）,分析型语言没有或很少有词形变化没有表示词的语法功能的附加成分，由词序和虚词表示词之间的语法关系如：汉语黏着型语言有词形变化词的语法意义（功能）由附加成分表达如：日语屈折型语言有词形变化词的语法意义由词的形态变化来表示如：英语另外，还可以按SVO型（主动宾）、VSO型（动主宾）和SOV 型(主宾动)分类,自然语言处理的难点,歧义处理有限的词汇和规则表达复杂、多样的对象语言知识的表示、获取和运用成语和惯用型的处理对语言的灵活性和动态性的处理灵活性：同一个意图的不同表达，甚至包含错误的语法等动态性：语言在不断的变化，如：新词等上下文和常识知识（与语言无关）的利用和处理,汉语处理的难点,缺乏计算语言学的句法/语义理论，大都借用基于西方语言的句法/语义理论词法分析分词词性标注难句法分析主动词识别难（特别对于流水句）词法分类与句法功能对应差（例如：他喜欢走）语义分析句法结构与句义对应差（例如：老头晒太阳）时体态确定难（汉语无形态变化）资源（语料库）缺乏,自然语言处理所涉及的学科,语言学：各种语法、语义理论计算机科学（包括人工智能、机器学习）数学：逻辑、概率与统计、信息论等哲学（认知学）心理学.,基于规则的自然语言处理方法（理性方法，传统方法）,概述,强调对语言知识的理性整理（知识工程）受计算语言学理论指导基于规则的知识表示和推导（符号计算）语言处理规则（数据）与程序分离，程序体现为规则语言的解释器！,词法分析,形态还原（针对英语、德语、法语等）把句子中的词还原成它们的基本词形。词性标注为句子中的词标上预定义类别集合（标注集）中的类。命名实体识别人名地名机构名分词（针对汉语、日语等）识别出句子中的词。,形态还原（英语）,把句子中的词还原成原形，作为词的其它信息（词典、个性规则）的索引。构词特点屈折变化：词尾和词形变化，词性不变。如：study,studied,studied,studyingspeak,spoke,spoken,speaking派生变化：加前缀和后缀，词性发生变化。如：friend,friendly,friendship,.复合变化：多个单词以某种方式组合成一个词。还原规则通用规则：变化有规律个性规则：变化无规律,形态还原规则举例,英语“规则动词”还原*s-*(SINGULAR3)*es-*(SINGULAR3)*ies-*y(SINGULAR3)*ing-*(VING)*ing-*e(VING)*ying-*ie(VING)*?ing-*?(VING)*ed-*(PAST)(VEN)*ed-*e(PAST)(VEN)*ied-*y(PAST)(VEN)*?ed-*?(PAST)(VEN),英语不规则动词还原went-go(PAST)gone-go(VEN)sat-sit(PAST)(VEN),形态还原算法,输入一个单词如果词典里有该词，输出该词及其属性，转4，否则，转3如果有该词的还原规则，并且，词典里有还原后的词，则输出还原后的词及其属性，转4，否则，调用如果输入中还有单词，转(1)，否则，结束。Proj.1 实现一个英语单词还原工具。（词典：http:/,词性标注,为句子中的词标上预定义类别集合（标注集）中的类（词性），为后续的句法/语义分析提供必要的信息。标注体系的确定标注方法,词性标注体系,词的分类按形态和句法功能（句法相关性）按表达的意思（语义相关性）兼顾上述二者,英语词的分类,开放类（open class）Nouns句法上：可作物主、可有限定词、有复数形式语义上：人名、地名和物名Verbs句法上：作谓语、有几种词形变化语义上：动作、过程（一系列动作）Adjectives句法上：修饰Nouns等语义上：性质Adverbs句法上：修饰Verbs等语义上：方向、程度、方式、时间,封闭类（closed class，function words）DeterminersPronounsPrepositionsConjunctionsAuxiliary verbsParticles（if、not、.）Numerals,为什么要分类？分类带来的问题？兼类词一个词具有两个或者两个以上的词性英文的Brown语料库中，10.4%的词是兼类词。例如：The back doorOn my backPromise to back the bill汉语兼类词，例如：把门锁上，买了一把锁他研究.，研究工作汉语词的兼类更多？与所采用的分类体系是否有关？,词性标注方法,规则方法词典和规则提供候选词性消歧规则进行消歧统计方法选择最可能的词性训练用语料库（已标注词性）基于转换学习的方法统计学习得到规则用规则方法进行词性标注,汉语分词（切分）,词是语言中最小的能独立运用的单位，也是语言信息处理的基本单位。分词是指根据某个分词规范，把一个“字”串划分成“词”串。问题：难以确定何谓汉语的“词”单字词与语素的界定：猪肉、牛肉词与短语（词组）的界定：黑板、黑布信息处理用现代汉语分词规范：GB-13715（1992）具体应用系统可根据各自的需求制定规范分词带来的问题丢失信息、错误的分词、不同的分词规范,切分歧义及歧义字段的种类,交集型歧义字段ABC切分成AB/C或A/BC如：“和平等”“独立/自主/和/平等/独立/的/原则”“讨论/战争/与/和平/等/问题”组合型歧义字段AB切分成AB或A/B如：“马上”“他/骑/在/马/上”“马上/过来”混合型歧义由交集型歧义和组合型歧义嵌套与交叉而成如：“得到达”（交集型、组合型）“我/今晚/得/到达/南京”“我/得到/达克宁/了”“我/得/到/达克宁/公司/去”,南京市长江大桥.,南京市长江二桥.,伪歧义与真歧义伪歧义字段指在任何情况下只有一种切分“挨批评”只有一种切分根据歧义字段本身就能消歧真歧义字段指在不同的情况下有多种切分“从小学”可以有多种切分：“从小/学”，如：“从小/学/电脑”（“从小”是切分成“从小”还是“从/小”要根据分词规范！）“从/小学”，如：“他/从/小学/毕业/后”根据歧义字段的上下文来消歧,分词方法,一般通过分词词典和分词规则库进行分词。主要方法有：正向最大匹配(FMM)或逆向最大匹配(RMM)从左至右(FMM)或从右至左(RMM)，取最长的词“幼儿园 地 节目”或“幼儿 园地 节目”双向最大匹配分别采用FMM和RMM进行分词如果结果一致，则认为成功；否则，采用消歧规则进行消歧（交集型歧义）：正向最大、逆向最小匹配发现组合型歧义逐词遍历匹配在全句中取最长的词，去掉之，对剩下字符串重复该过程 设立切分标记收集词首字和词尾字，把句子分成较小单位，再用某些方法切分 全切分获得所有可能的切分，选择最大可能的切分,基于规则的歧义字段消歧方法,利用歧义字串、前驱字串和后继字串的句法、语义和语用信息：句法信息“阵风”：根据前面是否有数词来消歧。“一/阵/风/吹/过/来”、“今天/有/阵风”语义信息“了解”：“他/学会/了/解/数学/难题”（“难题”一般是“解”而不是“了解”，另外，还有“学会”)语用信息“拍卖”：“乒乓球拍卖完了”，要根据场景（上下文）来确定规则的粒度基于具体的词（个性规则）基于词类、词义类（共性规则）Proj.2 实现一个基于词典与规则的汉语自动分词系统。(词典：http:/,句法分析（Parsing）,确定句子的组成词、短语以及它们之间的关系句法分析任务的类型组块分析（浅层句法分析、部分句法分析）：基本短语（非递归的核心成分）识别组成分分析（结构分析，完全句法分析）词如何构成短语、短语如何构成句子依存分析词之间的依赖（或支配）关系,John ate the cat的组成分分析,S,NP,VP,NAME,John,V,NP,ate,ART,N,the,cat,John ate the cat的依存分析,John ate the cat,sub,obj,mod,句法分析-组成分分析,句法分析的目的判断句子的合法性（句子识别）确定句子的结构（句子中单词相互关联的方式）基于上下文无关语法（CFG）的表示CFG能描述大部分的自然语言结构可以构造高效的基于CFG的句法分析器通常采用树形结构来表示句法分析的结果,优秀语法的特征,通用性能正确分析的句子的范围选择性能判断出错误句子的范围可理解性自身的简易程度*鲁棒性对不合法句子的容忍度（通用性）：He love her.通用性与选择性矛盾的处置，如：忽略主谓一致性检查将导致无法区分下面句子的不同含义（歧义）Flying planes are（be）dangerous.Flying planes is（be）dangerous.,一个简单的基于CFG的英语语法,1.S-NP VP2.VP-V NP3.NP-NAME4.NP-ART N5.NAME-John6.V-ate7.ART-the8.N-cat9.产生式59属于词法规则，一般由词典、词形还原以及词性标注算法来描述。产生式14属于句法规则。,基于CFG的分析器,自顶向下利用产生式，从S开始，尝试将S改写/推导成与输入句子相匹配的终结符号序列。自底向上利用产生式，尝试将输入句子与产生式右部进行匹配，最后规约到S。回溯在改写或规约的某一步可能有多个产生式供选择。从一个错误的尝试（改写或规约）返回，进行下一个尝试。保留改写或规约的历史回溯需要输出正确的分析结果也需要,一个简单的自顶向下句法分析算法,语法1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N4.VP-V 5.VP-V NP位置计数器1 The 2 dogs 3 cried 4状态由符号表和当前位置构成，如：(NP VP)1)表示从位置1开始寻找NP，且NP后面是VP。初始状态为：(S)1)分为当前状态和后备状态。状态转换当前状态的符号表的第一个符号是词法符号（词性），并且句子中当前词属于该词性，则删除符号表中第一个符号，并更新当前位置(加1)，得到新的当前状态。当前状态的符号表的第一个符号是句法符号，则依据语法获得所有以该符号为左部的产生式，用它们的右部替换符号表中的该符号，从而得到一批新的状态，选择其中一个作为新的当前状态，其它作为后备状态。回溯从后备状态中取一个作为当前状态，继续分析,算法1.取(S)1)作为当前状态（初始状态），后备状态为空。2.若当前状态为空，则失败，算法结束，3.否则，若当前状态的符号表为空，(1)位置计数器值处于句子末尾，则成功，算法结束(2)位置计数器值处于句子中间，转54.否则，进行状态转换，若转换成功，则转25.否则，回溯，转2。,“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程（续）,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,搜索策略,深度优先后备状态采用“栈”结构后备状态少，存储效率高面临“左递归”问题广度优先后备状态采用“队列”结构后备状态多，存储效率不高,自底向上句法分析,简单的自底向上句法分析效率不高，常常会重复尝试相同的匹配操作（回溯之前已匹配过）。一种基于图的句法分析技术（Chart Parsing）被提出，它把已经匹配过的结果保存起来，今后需要时可直接使用它们，不必重新匹配。（动态规划）,Chart Parsing的数据表示,图（chart）的结点表示句子中词之间的位置数字非活动边集（chart的核心，常直接就被称为chart）记录分析中规约成功所得到的所有词法/句法符号活动边集未完全匹配的产生式，用加小圆圈标记（）的产生式来表示，如：NP-ART ADJ NNP-ART N待处理表（agenda）记录等待加入chart的已匹配成功的词法/句法符号上面的活动边、非活动边以及词法/句法符号都带有“始/终结点”位置信息,“1 The 2 cat 3 caught 4 a 5 mouse 6”分析中的数据示例,1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,N(2,3),agenda,5,6,a,mouse,重复下面的操作，直到agenda为空并且输入中没有下一个词若agenda为空，则把句子中下一个词的各种词法符号（词性）和它们的位置加入进来，从agenda中取一个元素（设为C，位置为：p1-p2)对下面形式的每个规则增加活动边：X-CX1.Xn，增加一条活动边：X-C X1.Xn，位置为：p1-p2；X-C，把X加入agenda，位置为：p1-p2将C作为非活动边加入到chart的位置p1-p2对已有活动边进行边扩展对每个形式为：X-X1.C.Xn的活动边，若它在p0-p1之间，则增加一条活动边：X-X1.C.Xn，位置:p0-p2对每个形式为：X-X1.Xn C的活动边，若它在p0-p1之间，则把X加入agenda，位置为：p0-p2,Chart Parsing句法分析算法,“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程(算法),1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,ART(1,2),agenda,5,6,a,mouse,“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程(算法),1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,N(2,3),agenda,5,6,a,mouse,N,NP(1,3),“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程(算法),1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,agenda,5,6,a,mouse,N,NP(1,3),S-NP VP,NP,“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程(算法),1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,agenda,5,6,a,mouse,N,V(3,4),S-NP VP,NP,VP-V NP,VP(3,4),V,“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程(算法),1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,agenda,5,6,a,mouse,N,S-NP VP,NP,VP-V NP,VP(3,4),V,VP,S(1,4),“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程(算法),1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,agenda,5,6,a,mouse,N,S-NP VP,NP,VP-V NP,V,VP,S(1,4),S,“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程(算法),1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,agenda,5,6,a,mouse,N,S-NP VP,NP,VP-V NP,V,VP,ART(4,5),S,NP-ART N,NP-ART ADJ N,ART,“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程(算法),1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,agenda,5,6,a,mouse,N,S-NP VP,NP,VP-V NP,V,VP,N(5,6),S,NP-ART N,NP-ART ADJ N,ART,N,NP(4,6),“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程(算法),1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,agenda,5,6,a,mouse,N,S-NP VP,NP,VP-V NP,V,VP,S,NP-ART N,NP-ART ADJ N,ART,N,NP(4,6),S-NP VP,NP,VP(3,6),“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程(算法),1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,agenda,5,6,a,mouse,N,S-NP VP,NP,VP-V NP,V,VP,S,NP-ART N,NP-ART ADJ N,ART,N,S-NP VP,NP,VP(3,6),VP,S(1,6),“1 The 2 cat 3 caught 4 a 5 mouse 6”的分析过程(算法),1,2,3,4,The,cat,caught,ART,NP-ART N,NP-ART ADJ N,活动边,非活动边,1.S-NP VP 2.NP-ART N 3.NP-ART ADJ N 4.VP-V 5.VP-V NP,agenda,5,6,a,mouse,N,S-NP VP,NP,VP-V NP,V,VP,S,NP-ART N,NP-ART ADJ N,ART,N,S-NP VP,NP,VP,S(1,6),S,Proj.3 实现一个基于简单英语语法的chart句法分析器。agenda采用栈or队列？可能会有无用（不可能用到）的活动边，影响效率。,句法分析与逻辑程序设计,逻辑程序设计是把程序组织成一组事实（谓词）和一组推理规则，计算（推理）过程由实现系统自动给出，它基于谓词演算（Predicate Calculus）进行计算。PROLOG是一个逻辑程序设计语言，在程序中，用子句（clause）描述事实和推理规则，推理过程由PROLOG的执行机制自动完成。对句法分析而言，事实：句子中每个词的词性以及词在句子中的位置等推理规则：文法（产生式）,一个基于CFG的PROLOG句法分析器,词典、词形还原以及词性标注结果可表示成事实：isart(the)isname(john)isverb(ate)isnoun(cat).输入句子“John ate the cat”可表示成事实：word(john,1,2)word(ate,2,3)word(the,3,4)word(cat,4,5),语法规则可表示成推理规则：s(P1,P3):-np(P1,P2),vp(P2,P3)np(P1,P3):-art(P1,P2),n(P2,P3)np(P1,P3):-name(P1,P3)pp(P1,P3):-p(P1,P2),np(P2,P3)vp(P1,P2):-v(P1,P2)vp(P1,P3):-v(P1,P2),np(P2,P3)vp(P1,P3):-v(P1,P2),pp(P2,P3)n(P1,P2):-word(W,P1,P2),isnoun(W)art(P1,P2):-word(W,P1,P2),isart(W)v(P1,P2):-word(W,P1,P2),isverb(W)name(P1,P2):-word(W,P1,P2),isname(W),通过查询谓词s(1,5)的真假来识别句子“John ate the cat”：?-s(1,5)标准PROLOG的处理策略与深度优先的自顶向下分析方法一致。,传统CFG在描述自然语言时存在的问题,1.S-NP VP 4.VP-V2.NP-ART N 5.VP-V NP3.NP-ART ADJ N上面的CFG描述了英语的一个子集，同时，它又会生成一些不合法的英语句子，如：The student solve the problem.（主谓不一致）The teacher disappeared the problem.（不及物动词）,一种可能的解决方案增加句法符号和规则,把NP分为NP-S和NP-P；把VP分成VP-S和VP-P：S-NP-S VP-SS-NP-P VP-P把N分成N-S和N-P：NP-S-ART N-SNP-S-ART ADJ N-SNP-P-ART N-PNP-P-ART ADJ N-P把V分成V-S-I、V-S-T、V-P-I和V-P-T：VP-S-V-S-IVP-S-V-S-T NP-S VP-S-V-S-T NP-PVP-P-V-P-IVP-P-V-P-T NP-SVP-P-V-P-T NP-P,增加句法符号和规则带来的问题,增加了规则的数量和潜在的冗余类似的规则缺乏关联性对语言结构描述缺乏深度（表层）,基于特征的扩展CFG,不增加原CFG中的句法符号给每个句法符号增加特征（属性），例如：NP(PER 3,NUM s)/第三人称单数VP(PER 3,NUM p)/第三人称复数特征由特征名和特征值构成。一系列特征构成了一个特征结构（复杂特征集）。特征值可以是普通值（原子），也可以是另一个特征结构，例如：NP(AGR（PER 3,NUM s)，可简写为：NP(AGR 3s)一个特征的特征值可以有多个，表示成：N(ROOT fish,AGR 3s,3p),特征值也可以是变量，表示取值可以任意，例如：NP(AGR?a)表示NP的AGR特征值可取任意值可以对变量形式的特征值限定范围（受限变量），例如：NP(AGR?a3s,3p)同名的变量表示它们的值要相同，例如：S-NP(AGR?a)VP(AGR?a)表示NP与VP的AGR特征值要一致（取同样的值，主谓一致）一个规则如果包含特征值为变量的成分，则该规则代表了一组规则（规则模板）。例如，上述规则代表：S-NP(AGR 3s)VP(AGR 3s)S-NP(AGR 3p)VP(AGR 3p).,一个基于特征结构的CFG语法,S-NP(AGR?a)VP(AGR?a)NP(AGR?a)-ART N(AGR?a)NP(AGR?a)-ART ADJ N(AGR?a)VP(AGR?a)-V(AGR?a,VAL itr)VP(AGR?a)-V(AGR?a,VAL tr)NP,合一文法,一个文法可以表示成一系列特征结构间的约束关系所组成的集合，这样的文法称为合一文法（Unification Grammar，UG），它为基于特征的CFG文法提供了一个形式描述基础。例如：UG中特征结构X0、X1和X2之间的约束关系：X0-X1 X2(CAT0=S,CAT1=NP,CAT2=VP,AGR0=AGR1=AGR2,VFORM0=VFORM2)可以描述下面的一条基于特征的CFG中的规则：S-NP(AGR?a)VP(AGR?a)特征结构的合一运算构成了合一文法的基本操作，其作用有两个：检查特征结构间的相容性以确定多个特征结构是否可以合并（规约）创建新的特征结构（规约的结果）,合一运算,特征结构“相容”(f)表示特征结构的特征f的值若、为特征结构，对于所有的特征f（属于或）：若(f)=a，(f)=b，a、b都是原子，和是相容的当且仅当a=b若(f)、(f)均为特征结构，和是相容的当且仅当(f)与(f)相容（递归）特征结构“合一运算”：如果a、b都是原子,若a=b，则ab=a，否则ab=若、均为特征结构，则若(f)=v，但(f)未定义，则f=v属于若(f)=v，但(f)未定义，则f=v属于若(f)=v1，(f)=v2，且v1与v2相容，则f=(v1v2)属于，否则，=,合一运算举例,(CAT V,ROOT cry)与(CAT V,VFORM pres)可以合一为：(CAT V,ROOT cry,VFORM pres)(CAT V,AGR 3s)与(CAT V,AGR 3p)不能合一(CAT N,ROOT fish,AGR 3s,3p)与(CAT N,AGR 3s)可以合一为：(CAT N,ROOT fish,AGR 3s),基于特征CFG的chart parsing,句子与规则匹配时，除了语法成分要相同，还要对各个特征进行匹配和泛化处理。若规则包含特征值为变量的成分，匹配时需要实例化这个规则，例如：对于规则：NP(AGR?a)-ART(AGR?a)N(AGR?a)若有下面的语法成分需要匹配：ART(ROOT a,AGR 3s)则需要实例化规则中的?a：NP(AGR 3s)-ART(AGR 3s)N(AGR 3s)它与ART(ROOT a,AGR 3s)匹配后扩展为：NP(AGR 3s)-ART(AGR 3s)N(AGR 3s)若句子中还有N(ROOT dog,AGR 3s)需要匹配，则进一步扩展为：NP(AGR 3s)-ART(AGR 3s)N(AGR 3s),如果待匹配的语法成分的特征值中包含受限变量，则实例化后的规则中的取值范围为两者的交集，例如：实例化前的规则：NP(AGR?a)-ART(AGR?a)N(AGR?a)要匹配的语法成分：ART(ROOT the,AGR?a3s,3p)实例化后的规则为：NP(AGR?a3s,3p)-ART(AGR?a3s,3p)N(AGR?a3s,3p)匹配扩展后为：NP(AGR?a3s,3p)-ART(AGR?a3s,3p)N(AGR?a3s,3p)再与N(ROOT dog,AGR 3s)匹配后扩展为：NP(AGR 3s)-ART(AGR 3s)N(AGR 3s),语义分析,语义分析的目的是给出语言表达的含义或意义(meaning)。语义分析包括词义计算（词义表示、多义词消歧等）句义计算（逻辑形式与组合理论、语义角色标注等）篇章语义计算（指代、实体关系等）,词汇语义,句子的意义由句子中词汇的语义组合而成。句义分析首先需要解决词汇的语义表示和分析。词汇的语义表示：义项（义位）语义类 义素组合,义项（义位）,一个词往往有几个意义，每一个意义就是一个义项。例如：“明白”在现代汉语词典中的义项：内容、意义等使人容易了解；清楚；明确公开的、不含糊的聪明；懂道理知道；了解,语义类,由于义项的数量巨大，研究它们以及它们之间的关系非常困难。解决这个问题的一种办法是：对义项进行泛化（抽象、概括）从而形成一些语义类（类似于词法分类词性的做法）。例如：把“走”、“跑”、“跳”、“爬”几个义项泛化为语义类：“移动”。现代汉语词林泛化的问题：语义类过多会失去泛化的效果。语义类过少会丢失信息。,义素（语义特征）,解决义项数量巨大的另一种方法是采用“义素”（语义特征）表示，义素是比义项更基本的语义单位。一个义项可以表示成义素的集合（类似于句法中的复杂特征集）。例如：“哥哥”的义素包括：“人、亲属、同胞、年长、男性”在知网（http:/）中用“义原”表示。义素为词汇语义提供了更精确的描述。,词义之间的关系,词义之间的关系上下位关系：“动物”与“狮子”整体-部分关系：“身体”与“上肢”同义关系：“美丽”与“漂亮”反义关系：“高”与“矮”包含关系：“兄弟”与“哥哥”和“弟弟”表示词义之间关系的另一种方式是语义场由几个相互关联的词义构成的语义系统。例如：“师傅、徒弟”构成一个语义场“上、下、左、右”也构成一个语义场语义场的确定与本体论（Ontology）有关。词义之间的关系可以为词义之间的搭配提供依据，从而为词义消歧和句义分析提供帮助。,句义分析,句义分为：上下文无关意义上下文有关意义“Do you kno