1 / 16

Assoziative lexikalische Ketten

Assoziative lexikalische Ketten. Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung. Psycholinguistischer Ansatz – mentales Lexikon Realisierung in WordNet Kollokationen – Kollokationsgraphen Lexical Chainer [Brunn01] Prototyp – Entwurf einer Implementierung

damali
Download Presentation

Assoziative lexikalische Ketten

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Assoziative lexikalische Ketten Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung • Psycholinguistischer Ansatz – mentales Lexikon • Realisierung in WordNet • Kollokationen – Kollokationsgraphen • Lexical Chainer [Brunn01] • Prototyp – Entwurf einer Implementierung • Mögliche Ergänzungen - Kritik

  2. Psycholinguistischer Ansatz – mentales Lexikon 1 Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung • psycholinguistische Erkenntnisse (Hypothesen) über die Strukturierung des „mentalen Lexikons“ • Assoziationsexperimente zeigen: • association: noun – noun: 79 % • association: adjective – adjective 65 % • association: verb – verb: 43 % • Folgerung: vermutlich stärkere Zusammenhänge innerhalb einer syntaktischen Kategorie (=> WordNet) • Alternative Erklärung: assoziationspsychologische Experimente mit isolierten Wortformen

  3. Psycholinguistischer Ansatz – mentales Lexikon 2 Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung [Aitch97], S. 109

  4. Realisierung in WordNet Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung • Verschiedene Relationen: • Antonymie • Synonymie • Meronymie etc. • Topical hierarchies bei Substantiven • Entailment Relations (?) bei Verben • N-dimensional hyperspaces (?) bei Adjektiven [Fellb]

  5. Kollokationen – Kollokationsgraphen 1 Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung • „Als Kollokationen wollen wir hier Paare von Wortformen bezeichnen, die signifikant häufig gemeinsam in einem Satz auftreten, bezogen auf die Menge der vorliegenden Beispielsätze.“http://wortschatz.uni-leipzig.de/html/faq/koloka.html • Die Kollokationen eines Wortes lassen sich auch graphisch darstellen in Kollokationsgraphen

  6. Kollokationen – Kollokationsgraphen 2 Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung • dog – Detailstufe 1

  7. Kollokationen – Kollokationsgraphen 3 Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung • dog – Detailstufe 2

  8. Kollokationen – Kollokationsgraphen 4 Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung • dog – Detailstufe 3

  9. Lexical Chainer [Brunn01] Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung Brunn, Meru et.al.: Text Summarization using lexical Chains. 2001. (DUG) • Lexikalische Ketten werden zur Zusammenfassung von Texten eingesetzt: • Schritte (siehe Prototyp): • Besonderheit: • - noun filtering [Brunn01]: • Trenung von „Information“ und „Rauschen“: nouns, die zum Text/Inhalt gehören • Substantive, die Teil des Themas (subjects) sind, sind wichtiger • andere Substantive verdecken oft den Zusammenhang, werden gefiltert • probeweise einfache Heuristiken: NPs in Nebensätzen seien unwichtiger

  10. Prototyp Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung • Segmentation • einzelne Sätze • Satzzeichen bearbeiten • Vorgaben des jeweilige Taggers beachten ... • Part-of-Speech-Tagging • Brill-Tagger (Einschränkung: englisch, UNIX/LINUX) • pyWordNet -> WordNet • Lexical Relations – Ausgabe als html-Datei(xml-Datei ?)

  11. Beispiel 1: Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung High Bone Density Due to a Mutation in LDL-Receptor–Related Protein 5 Osteoporosis is a major public health problem of largely unknown cause. Loss-of-function mutations in the gene for low-density lipoprotein receptor–related protein 5 (LRP5), which acts in the Wnt signaling pathway, have been shown to cause osteoporosis–pseudoglioma. Methods We performed genetic and biochemical analyses of a kindred with an autosomal dominant syndrome characterized by high bone density, a wide and deep mandible, and torus palatinus. Results Genetic analysis revealed linkage of the syndrome to chromosome 11q12–13 (odds of linkage, >1 million to 1), an interval that contains LRP5. Affected members of the kindred had a mutation in this gene, with valine substituted for glycine at codon 171 (LRP5V171). This mutation segregated with the trait in the family and was absent in control subjects. The normal glycine lies in a so-called propeller motif that is highly conserved from fruit flies to humans. Markers of bone resorption were normal in the affected subjects, whereas markers of bone formation such as osteocalcin were markedly elevated. Levels of fibronectin, a known target of signaling by Wnt, a developmental protein, were also elevated...

  12. Num-ber Word Form Sen-tence Member Meronym Substance Holonym Hypernym Hyponym Part Holonym 1 'High' 1 [18, 42, 45, 56, 64, 19] [18, 42, 45, 56, 64] [18, 42, 45, 56, 64] 2 'Bone' 1 3 'Density' 1 [57] 4 'Mutation' 1 5 'Protein' 1 [12, 49, 51] 'Osteoporosis' 6 2 7 'health' 2 8 'problem' 2 9 'mutation' 3 10 'gene' 3 [12, 49, 51] [22, 25] 11 'lipoprotein' 3 [12, 49, 51] [12, 49, 51, 57] 12 'protein' 3 13 '5' 3 14 'acts' 3 15 'pathway' 3 16 'Method' 4 17 'syndrome' 4 18 'bone' 4 [19] [18, 42, 45, 56, 64] 19 'mandible' 4 Beispiel 2: Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung

  13. Mögliche Ergänzungen – Kritik 1 Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung • Mengen ohne Oberbegriffe (außerhalb der Hierarchien) fehlen • fehlende syntagmatische Relationen: • inhaltlich ähnliche Begriffe, sog. Kohyponyme (Schafe und Rinder zu Schweine – Bauerhof) • Kombinationen von Namen (Bill zu Clinton, Romeo zu Julia) • Verb-Nomen-Kombinationen (beißen - Hund - Herrchen)

  14. Mögliche Ergänzungen – Kritik 2 Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung • Folge: fehlende Bezüge zwischen verschiedenen Wortklassen • Vernetzung innerhalb bestimmter Domänen, Beispiele: • Sport • Wirtschaft • Einkaufen • ... • Möglichkeit ausloten, vorhandene Domänen-/Sachgebiets-Klassifikationen zu nutzen, z.B. Klassifikation der Schlagwort-Norm-Datei (SWD) der Deutschen Bibliothek, Frankfurt (???)

  15. Mögliche Ergänzungen – Kritik 3 Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung • weitere semantische Relationen, z.B. [STE90] • ???

  16. Literatur Kai Jung, 28.05.2002, HS Maschinelle Textzusammenfassung [Aitch97] Aitchison, Jean: Wörter im Kopf. Eine Einführung in das mentale Lexikon. Max Niemeyer: Tübingen 1997. [Brunn01] Brunn, Meru; Chali, Yllias; Pichak, Christopher J.: Text Summarization using lexical Chains. 2001. http://www-nlpir.nist.gov/projects/duc/duc2001/final_duc_papers/lethbridge.pdf [Fellbaum] Fellbaum, Christiane: Ein semantisches Netz als Bedeutungstheorie. In: Herrmann/Grabowski: Bedeutung,...???, S. 211-230 [Gar96] Garman, Michael: Accessing the mental lexicon. In: Psycholinguistics. University Press: Cambridge 1996. S. 239-298 [Mill93] Miller, George; Fellbaum, Christiane et. al.: Introduction to WordNet. An online lexical database. 1993. (5papers.pdf) http://www.cogsci.princeton.edu/~wn/. [Quast98a] Quasthoff, Uwe: Projekt Deutscher Wortschatz. In: Heyer / Wolff (Hrsg.): Linguistik und neue Medien, DUV 1998. http://wortschatz.uni-leipzig.de/Papers/Projekt_Wortschatz_97.pdf [Quast98b] Quasthoff, Uwe:Deutscher Wortschatz im Internet. LDV-Forum 2/1998 http://wortschatz.uni-leipzig.de/Papers/DeutscherWortschatzimInternet.doc [STE90] Steele, J.: Meaning-text theory: linguistics, lexicography and implications, University of Ottawa Press; Ottawa, London, Paris, 1990

More Related