第十四篇：有概率的上下文无关语法Probabilistic Context-Free Grammar

Posted 2021-07-08 flying_1314

 

目录

 

解析中的歧义

大纲

概率CFGs的基本Basics of Probabilistic CFGs (PCFGs)

使用 PCFG 随机生成

一棵树的可能性有多大？

PCFG parsing

CYK for PCFGs

概率 CYK：检索解析

算法

 Limitations of CFG

CFG 问题 1：较差的独立性假设

解决方案：父母条件

CFG 问题 2：缺乏词汇条件

协调歧义

解决方案：中心词词法化

中心词词法化

最后

---

解析中的歧义

• 上下文无关文法为语言分配层次结构
    ‣ 公式化为生成语言中的所有字符串
    ‣ 预测给定字符串的结构

• 产生歧义问题——哪个更好？
• 概率CFG！

大纲

• Basics of Probabilistic CFGs (PCFGs)
• PCFG parsing
• Limitations of CFG

概率CFGs的基本Basics of Probabilistic CFGs (PCFGs)

• 相同的符号集：
    ‣ 终结符：单词比如书籍
    ‣ 非终结符：NP 或 NN 等句法标签
• 相同的制作（规则）
‣ LHS 非终结符 → RHS 符号的有序列表

• 此外，存储每个产生式的概率，如下：

• 概率值表示有条件
    ‣ P(LHS → RHS)
    ‣ P(RHS | LHS)
• 因此他们：
    ‣ 必须为正值，介于 0 和 1 之间
    ‣ 必须为给定的 LHS 求和为 1

使用 PCFG 随机生成

几乎与 CFG 相同，但有一点不同：
1.以S开头，句号
2. 选择一个以 S 作为 LHS 的规则
‣ 根据P(RHS | LHS)随机选择一个RHS
例如，S → VP
‣ 应用此规则，例如，将 VP 替换 S
3. 对字符串中的每个非终结符重复步骤 2（此处为 VP）
4.当没有非终端剩余时停止
给我们一棵树，和以前一样，用一句话作为产出

一棵树的可能性有多大？

• 给定一棵树，我们可以计算它的概率
    ‣ 分解为每个产生式的概率

有对应的每个产生式的概率表，查表计算即可获得树的概率

PCFG parsing

• 在我们查看之前
    ‣ CYK
    ‣ 未加权文法 (CFG)
    ‣ 查找所有可能的树
• 但通常有 1000 个，许多完全是荒谬的
• 我们能解出最可能的树吗？

CYK for PCFGs

• CYK 查找一个句子的所有树； 我们想要最好的树
• 概率CYK 遵循与标准 CYK 类似的流程
• 将语法转换为乔姆斯基范式 (CNF)

‣ 其中 NP+NP 是新符号。

概率 CYK：检索解析

• 解析表右上角的 S 表示成功
• 保留指向最佳分析的反向指针
• 要获取解析，请按照每个匹配项的指针返回
• 通过删除新的非终结符从 CNF 转换回来

算法

 

 Limitations of CFG

CFG 问题 1：
较差的独立性假设

• 改写独立做出的决策，而捕捉全局结构通常需要相互依赖。
    • NP → DT NN [0.28]
    • NP → PRP [0.25]
    • 独立于树其余部分的规则的概率
    • 无法在 PCFG 概率中表示这种上下文差异

• NP → PRP 作为主语应该上升到 0.91
• NP → DT NN 作为宾语应该是 0.66
• 解决方案：添加一个条件来表示 NP 是主语还是宾语

解决方案：父母条件

• 通过将父亲节点符号合并到每个符号中，使非终结符更加明确

• NP^S 代表主语位置（左）
• NP^VP 表示宾语位置（右）

CFG 问题 2：
缺乏词汇条件

• 对树中的单词缺乏敏感性
• 介词短语 (PP) 附属歧义
    ‣ 工人将麻袋倒入垃圾箱 Worker dumped sacks into a bin

歧义在于，是要讲麻袋倒入垃圾箱，还是要去倒在垃圾箱中的麻袋，这是由介词短语所导致的

协调歧义

• dogs in houses and cats

歧义在于，句子是说：在房间里的狗 和 猫 还是说， 在房间和猫里的 狗

• 从语义上来说，狗比房子更适合和猫并列（狗不能在猫里面！）

解决方案：中心词词法化

• 用父节点符号记录中心词
    ‣ 成分中最显着的孩子，通常是 NP 中的名词，VP 中的动词等

 ‣ VP → VBD NP PP ：
    VP(dumped) → VBD(dumped) NP(sacks) PP(into)

中心词词法化

• 将主词纳入产生式规则中，以捕捉词之间最重要的联系
‣ 捕获短语中心词之间的相关性
‣ PP(into): VP(dumped) vs. NP(sacks)
• 语法符号库存大幅增加！
‣ 很多产生式规则过于具体，很少见
‣ 学习更多内容以避免稀疏问题（例如，零概率）

最后

• PCFG 被广泛使用，并且有高效的解析器可用。
‣ 柯林斯解析器、伯克利解析器、斯坦福解析器
‣ 都使用某种形式的词汇化
• 但还有其他语法形式
‣ 词法函数语法
‣ Head-driven(中心词驱动) 短语结构语法
‣ 下一篇：依赖语法！

好热~~~，哈哈，辛苦各位的观看，有问题评论区留言交流哦！