Omid Bakhshandeh and James F. Allen IWCS 2015

Presentation on theme: "Omid Bakhshandeh and James F. Allen IWCS 2015"— Presentation transcript:

1 Omid Bakhshandeh and James F. Allen IWCS 2015
From Adjective Glosses to Attribute Concepts: Learning Different Aspects that an Adjective can Describe Omid Bakhshandeh and James F. Allen IWCS 2015

2 Introduction 形容词的主要作用是对名词的修饰，描述他们的 一些属性。
形容词通常会用来描述固定某些方面的属性，例 如large, small描述size。 找到形容词描述的方面，有助于句子含义理解。 有助于句子中形容词词义消歧，例如： our debate is so boring, but this topic is hot 同一个句子中两个形容词描述的方面很可能相同 本文考虑的输入是形容词的每个synset，针对 synset上的gloss信息，来获得该形容词可能刻画 的方面。

3 Example

4 Adjectives in WordNet WordNet中形容词主要有两种: 文章试图给每个形容词都找到描述的方面。
Descriptive: 描述性形容词，特征是有反义词。 Relational: 通常是和某个名词相关的形容词。 文章试图给每个形容词都找到描述的方面。 Relational的形容词可能也存在方面，例如nutritional

5

6 Approach- Candidate Attribute Extraction
释义中的以下词汇被考虑为候选的方面词： 所有释义中的名词。 所有释义中形容词的名词形式(nominalizations) 。 所有1的直接上位词(1步)，和部分间接上位词(2步)。 所有2的直接上位词(1步)，和部分间接上位词(2步)。 释义中其他形容词的候选词(递归)。 unerect: not upright(5) in position(1) or posture(1)

7 Approach-Feature Extraction
为每个释义生成Link-augmented graph (LAD) 主体是依存树和词性 标记形容词的antonym, attributre, is similar to的对象 学习方法：逻辑回归/CRF

8 Evaluation-tagging 从WordNet中选取一部分有明确Attribute的词， 作为测试用例。
其他有Attribute的词作为Seed，执行一轮算法。

9 Evaluation-Full Iterative
采用用户标注答案对错的方式进行。 在系统做错的题目中，82%的题目人认为很困难。

10 该工作对我们的帮助 在考虑将形容词映射到知识库上的模式时： 该作者的其他工作： 形容词描述的方面，可能对应知识库上的一个谓词。
描述同一方面的形容词，在知识库上对应相同的谓词。 形容词对应的释义可能对在知识库上理解形容词有帮助。 该作者的其他工作： [EMNLP 2015] Semantic Framework for Comparison Structures in Natural Language 为比较型陈述标记类别、语义角色、参数 [CoNLL 2016] Learning to Jointly Predict Ellipsis and Comparison Structures

11

12