生物文本語義解析器的研究

胡 盾，楊 炯

(蘇州大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇 蘇州 215006)

0 引言

在計(jì)算機(jī)技術(shù)中，解析器通常是一個(gè)程序的一部分。一個(gè)編譯器接收輸入的形式連續(xù)源程序指令，互動(dòng)在線命令，標(biāo)記或定義其他一些的接口，并把它們分成部分(例如，名詞(對(duì)象)、動(dòng)詞(方法)和它們的屬性或選擇)，然后可以由其他程序編譯。解析器還可以檢查所有提供的輸入是否必要。

自然語言處理出現(xiàn)于上世紀(jì)90年代。自然語言解析器是一個(gè)制定了語法結(jié)構(gòu)句子的程序，例如，哪些詞組組合在一起(如“短語”)，哪個(gè)字是動(dòng)詞的主語或賓語。概率解析器使用從hand-parsed句子中獲得語言知識(shí)來產(chǎn)生最可能的分析新句子。這些統(tǒng)計(jì)解析器雖然存在一些錯(cuò)誤，但通常工作相當(dāng)好，其發(fā)展是一個(gè)重大的突破。通過語義分析，可以理解自然語言的語句，并進(jìn)行深入的知識(shí)獲取和推理，使得人類可以與電腦溝通。為此，人們做了多年的努力，但依然沒有取得進(jìn)展。淺層語義分析，又稱為語義角色標(biāo)注，是一種簡化的深層語義分析，它只標(biāo)記謂詞角色所連接的成分在句子中的意義，如代理、病人、時(shí)間和地點(diǎn)等。由于自然語言處理技術(shù)和統(tǒng)計(jì)學(xué)習(xí)技術(shù)的成熟，使得淺層語義分析得以實(shí)現(xiàn)。同時(shí)，也對(duì)實(shí)現(xiàn)問答系統(tǒng)、信息抽取和機(jī)器翻譯有很大幫助。

1 基于統(tǒng)計(jì)的解析器

Stanford Parser是一個(gè)實(shí)現(xiàn)英語、德語、漢語、阿拉伯語概率PCFG和依存解析器。這個(gè)模塊提供了一個(gè)Java薄包裝代碼，使其可以對(duì)Ruby與純Ruby對(duì)象進(jìn)行解析。

這個(gè)包是一個(gè)實(shí)現(xiàn)概率自然語言解析器，包含高度優(yōu)化的PCFG和詞匯化依賴解析器。原始版本的這個(gè)解析器主要由丹·克萊因編寫，克里斯托弗曼寧編寫支持代碼和開發(fā)語言的語法。

詞匯化概率解析器可以實(shí)現(xiàn)產(chǎn)品模型，有單獨(dú)的PCFG短語結(jié)構(gòu)，詞匯依賴專家的喜好，結(jié)合高效精確推理或軟件可以作為一個(gè)準(zhǔn)確的隨機(jī)上下文無關(guān)文法解析器使用，這是一個(gè)良好的性能統(tǒng)計(jì)分析系統(tǒng)。通過一個(gè)圖形用戶界面提供了短語結(jié)構(gòu)樹輸出解析器以及提供一個(gè)英語語法解析器，該解析器同樣可以適應(yīng)其他語言工作。一個(gè)漢語句法分析的漢語樹庫，一個(gè)德國解析器基于語料庫和阿拉伯語解析器根據(jù)賓州樹庫還包括阿拉伯語。解析器對(duì)于意大利語、保加利亞語、葡萄牙語也可適用。

在輸入輸出樣例方面，解析器可以閱讀各種形式的純文本的輸入并輸出各種分析格式，包括詞性標(biāo)注的文本、短語結(jié)構(gòu)樹和語法關(guān)系(類型依賴)格式。解析器提供Stanford Dependencies輸出以及短語結(jié)構(gòu)樹。但這種輸出方式僅提供英文和中文。

示例1:

Wecan cut our trees with an aix.

We/NNS can/MD cut/VB our/PRP$trees/NN with/IN an/DT aix/NN ./.

2 鏈接語法解析器

鏈接語法解析器是根據(jù)鏈接文法和英語語法理論的一個(gè)英語語法解析器(包括其他語言)。給定一個(gè)句子，系統(tǒng)分配給它一個(gè)句法結(jié)構(gòu)，其中包括一套標(biāo)記鏈接連接雙字。解析器產(chǎn)生“組織”(賓夕法尼亞tree-bank風(fēng)格詞樹)，表示一個(gè)句子(顯示名詞短語、動(dòng)詞短語等)，擴(kuò)展提供dependency-parse輸出。持續(xù)發(fā)展的鏈接語法遵循開放認(rèn)知工程，自然語言處理系統(tǒng)在分析中發(fā)揮越來越重要作用。目前的工作包括利用哈爾算法調(diào)查統(tǒng)計(jì)指導(dǎo)解析排名、語法誘導(dǎo)、詞義消除歧義、使用統(tǒng)計(jì)結(jié)果、自動(dòng)學(xué)習(xí)和基于語料庫統(tǒng)計(jì)的新解析規(guī)則。

鏈接語法解析器改進(jìn)了性能，為詞典擴(kuò)展了大量的新詞，改進(jìn)解析覆蓋多種結(jié)構(gòu)，改進(jìn)解析生物醫(yī)學(xué)文本，多線程的支持，一個(gè)標(biāo)準(zhǔn)構(gòu)建系統(tǒng)，動(dòng)態(tài)共享庫的支持，支持其他非Linux平臺(tái)，如窗口、代碼等。

由于鏈接語法是自然語言的語法解析器，而非人工智能。因此，還有許多句子它無法正確解析，或者生成多個(gè)解析。也有個(gè)別語句，如valley-girl是無法分析的。鏈接文法做的最好的是“報(bào)紙英語”，長度適中的句子，書寫具有良好的語法、標(biāo)點(diǎn)符號(hào)等。此外，它有很多“bug”，特別是對(duì)“特定”和某些類型書寫，目前處理還比較麻煩，如“如果…那么…”結(jié)構(gòu)、復(fù)合查詢(“誰做的，為什么?”)、名單、“…不僅…而且…”結(jié)構(gòu)、某些類型的習(xí)語、某些類型的“制度性的話語”等。該項(xiàng)目的目標(biāo)是最終解決所有這些問題，并取得一些新的進(jìn)展。

示例2:

We will havea birthday party for our son at our house on Saturday.

在很長的句子中，可能會(huì)導(dǎo)致大量的聯(lián)系。在鏈接里，“for”將連接到“party”、“at”將連接到“brother”和“on”將連接到“house”，所以用“J”連接。

3 PC-PATR解析器的設(shè)計(jì)

3.1 PC-PATR解析器的設(shè)計(jì)

PC-PATR是一個(gè)語法解析器，使用PARTII作為一項(xiàng)規(guī)則描述語言，它實(shí)現(xiàn)了patr-ii形式主義計(jì)算語言。在設(shè)計(jì)時(shí)，PC-PATR采用根據(jù)類別自下而上與自上而下的分析過濾和由左向右秩序，這樣將每個(gè)詞添加到圖表后，可以推導(dǎo)出所有可能的邊緣點(diǎn)計(jì)算。

PC-PATR不需要任何特定的語法理論。一個(gè)PC-PATR語法是由一組規(guī)則和詞匯組成。每個(gè)規(guī)則由上下文無關(guān)短語結(jié)構(gòu)規(guī)則和一組特征約束，即統(tǒng)一的特征結(jié)構(gòu)與成分的短語結(jié)構(gòu)規(guī)則。該詞典提供的項(xiàng)目可以取代終端符號(hào)的短語結(jié)構(gòu)規(guī)則，即語言的詞匯和其相關(guān)的特征。這樣，它不僅使析取統(tǒng)一約束，但它也允許析取短語結(jié)構(gòu)規(guī)則。

然而應(yīng)注意的是，由于開放的大括號(hào)({)對(duì)短語結(jié)構(gòu)規(guī)則和統(tǒng)一的限制，當(dāng)PC-PATR加載語法文件時(shí)必須注意避免混淆。最后的短語結(jié)構(gòu)規(guī)則由第一個(gè)約束開始，并開始統(tǒng)一約束，如果第一個(gè)約束部分分離，則短語結(jié)構(gòu)規(guī)則必須結(jié)束。否則，PC-PATR對(duì)待統(tǒng)一約束的一部分的短語結(jié)構(gòu)規(guī)則，而且不久就會(huì)產(chǎn)生語法錯(cuò)誤的語法文件。應(yīng)該指出的是，語法文件讀取工程中，間斷分布或統(tǒng)一在短語結(jié)構(gòu)規(guī)則中擴(kuò)大時(shí)，它們只能作為一個(gè)簡單的人寫的規(guī)則。

3.2 Example

示例3:

通過默認(rèn)設(shè)置，結(jié)果顯示為滿樹解析器。一個(gè)短句子應(yīng)該是這樣的:

也可以將顯示的結(jié)果作為一個(gè)單位的解析樹結(jié)構(gòu)的形式，一個(gè)括號(hào)內(nèi)的字符串。同一個(gè)短的句子應(yīng)該是這樣的:

(Sentence(Declarative(NP

(N cows))(VP(V eat)(COMP

(NP(N grass))))))

甚至可以將顯示的結(jié)果，分析在一個(gè)縮進(jìn)格式，這種格式有時(shí)稱為西北樹。同樣的短句子看起來像這樣:

4 結(jié)束語

本文提出了一個(gè)能夠發(fā)現(xiàn)一個(gè)句子語義依存關(guān)系的語義解析器，依賴輸出的鏈接語法解析器與Stanford Parser相似，雖然它的性能相當(dāng)于斯坦福PC FG句法分析模型，但比斯坦福“詞匯化”(分解)模型快了3倍。通過比較它們的優(yōu)缺點(diǎn)，最終得到結(jié)論:對(duì)于生物文本的分析而言，Stanford Parser無疑是適合的，所以選擇斯坦福解析器來進(jìn)行生物文本分析工作。

［1］Sleator D，Temperley D.Parsing English with a Linking Grammar［EB/OL］. http://arxiv.org/pdf/cmp-lg/9508004.pdf，1991-10-30.

［2］Charniak Eugene.Statistical parsing with a context-free grammar and word statistics［C］//AAAI’97.1997:598-603.

［3］Collins Michael.Three generative，lexicalised models for statistical parsing［C］//Proceedings of the 35th Annual Meeting of the ACL.1997:16-23.

［4］Fillmore Charles J，Collin F Baker.FrameNet:Frame semantics meets the corpus［C］//Poster Presentation，74th Annual Meeting of the Linguistics Society of America.2000.

［5］McCarthy Diana.Using semantic preferences to identify verbal participation in role switching alternations［C］//Proceedings of the First Annual Meeting of the North American Chapter of the ACL(NAACL).2000:256-263.

［6］Miller Scott，Heidi Fox，Lance Ramshaw，et al.A novel use of statistical parsing to extract information from text［C］//Proceedings of the First Annual Meeting of the North American Chapter of the ACL(NAACL).2000:226-233.

［7］Collins Michael.Head-Driven Statistical Models for Natural Language Parsing［D］.Ph.D.Dissertation，University of Pennsylvania，Philadelphia，1999.

［8］Hofmann Thomas，Jan Puzicha.Statistical Models for Cooccurrence Data［R］.Massachussetts Institute of Technology Artificial Intelligence Laboratory，Cambridge，Massachusetts，1998.

［9］Che Wanxiang，Zhang Min，Liu Ting，et al.A hybrid convolution tree kernel for semantic role labeling［C］//Proceedings of the 21st International Conference on Computational Linguistics.Sydney，2006:73-80.

［10］Moschitti A.A study on convolution kernels for shallow semantic parsing［C］//Proceedings of the 42nd Annual Meeting on Association for Computational Linguistics.2004:335-342.

［11］Xue N，Palmer M.Calibrating features for semantic role labeling［C］//EMNLP 2004.2004:88-94.

［12］Hacioglu K，Pradhan S，Ward W，et al.Semantic role labeling by tagging syntactic chunks［C］//Proceedings of CoNLL’04 Shared Task.2004:110-113.

［13］Fillmore C J.Frames and the semantics of understanding［J］.Quaderni di Semantica，1985，6(2):222-254.

［14］Punyakanok V，Roth D，Yih W.The necessity of syntactic parsing for semantic role labeling［C］//Proceedings of IJCAI’05.2005:1117-1123.

［15］Trevor Cohn，Philip Blunsom.Semantic role labeling with three conditional random fields［C］//Proceedings of CoNLL’05.2005:169-172.

［16］Giuglea A，Mosehitti A.Semantic role labeling via frameNet［C］//Proceedings of the 21st International Conference on Computational Linguistics.2006:929-936.