Nominal Phrase Understanding 进度报告

Presentation on theme: "Nominal Phrase Understanding 进度报告"— Presentation transcript:

1 Nominal Phrase Understanding 进度报告
Wentao Ding

2 理解名词短语的子任务 识别名词短语中的构成单元边界 识别构成单元的连接顺序 向特定知识源的整体映射 Segmentation/NER
Role Labeling/Parsing 向特定知识源的整体映射 Entity Linking/Ontology Matching

3 例子 Scottish people of Pakistani descent Scottish people of Pakistani
NEntity Class IN CommonConcept RConstraint RelationalConstraint ConstraintedCollection CollectionWithConstraint

4 输入数据 数据集 输入短语应为名词性的而非句子 每个短语指示或描述一个明确的语义对象 Wikipedia Categories
Appositives in New articles Short Search logs without verbs 输入短语应为名词性的而非句子 每个短语指示或描述一个明确的语义对象

5 输出结果 中间粒度的知识表述 面向知识库的语义表达 将语义单元映射到对应的类别，构建结构化表示 E.g.
Provide 2 examples of real life objects that incorprate parabolic shapes? 面向知识库的语义表达

6 输出结果的评估 每个短语最终的语义结构应该明确的描述了一个 语义对象，因此可以视为对该对象的断言 完整性：短语中每个重要的部分都得到了表达
# 正确表达的单元 # 总单元 语义正确性：每个原子断言对描述的实体成立 # 正确的原子断言 # 总断言

7 挑战 (cited from “Scalable Semantic Parsing with Partial Ontologies”) 短语结构的正确处理 On the apposition dataset, 65% of errors stems from parsing, either in apposition detection or CCG parsing. The typing features encouraged compound nouns to be split into separate attributes. 语义映射 Choosing a superset or subset of the desired meaning. “novel” to book Domain ambiguity “stage actor” to film.film actor

8 方法 构建基于语义单元的规则集，限定候选结构 （已实现一个基本框架） 基于语义单元彼此的coherence在多个候选的情 况下，逐级推断结果
Attribute Entity > AttributeOfEntity CommonConcept Class > ConstraintedCollection “a” ConstraintedCollection -> Entity （已实现一个基本框架） 基于语义单元彼此的coherence在多个候选的情 况下，逐级推断结果 难点 规则构建 Coherence的度量

9 基于结构收集规则 从语法规则的数据出发，给定正确的语法结构， 从中推断语义单元的结合顺序，收集规则 使用easyccg自动构建的结果
刘畅手工标注的结果

10 Thanks for listening Q & A