Chương 1 Tổng quan về phân tích cú pháp - ngữ nghĩa Nội dung của chương này sẽ trình bày các kiến thức cơ bản về cú pháp, ngữ nghĩa và một số nguồn tài nguyên quan trọng phục vụ cho phân tích cú pháp - ngữ nghĩa.1 Bài toán phân tích cú pháp - ngữ nghĩa 1.1 Bài toán phân tích cú pháp Trong ngôn ngữ học, cú pháp là tập các quy tắc, nguyên tắc kết hợp các từ, cụm từ để hình thành nên các câu trong ngôn ngữ tự nhiên. Cú pháp được xem là linh hồn của ngôn ngữ, muốn sử dụng ngôn ngữ linh hoạt và hiệu quả, ta phải hiểu rõ về cú pháp. Với mỗi câu trong ngôn ngữ tự nhiên, chúng ta có hai dạng cú pháp tương ứng: Cú pháp thành phần và cú pháp phụ thuộc. • Cú pháp phụ thuộc biểu diễn mối quan hệ phụ thuộc ngữ nghĩa giữa các từ trong câu • Cú pháp thành phần biểu diễn trật tự, cách thức ghép nối các từ, cụm từ của câu theo cấu trúc thứ bậc Để biểu diễn thông tin cú pháp của các câu trong ngôn ngữ tự nhiên, mô hình biểu diễn dưới dạng đồ thị là trực quan.
3 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com root dobj nsubj iobj Nó trả tôi tiền Hình 1.1: Đồ thị phụ thuộc biểu diễn câu “Nó trả tôi tiền” S NP VP P V NP NP Nó trả P N tôi tiền Hình 1.2: Cây cú pháp thành phần biểu diễn câu “Nó trả tôi tiền” Ví dụ: Đồ thị cú pháp phụ thuộc và cú pháp thành phần biểu diễn câu “Nó trả tôi tiền” được thể hiện lần lượt trong hình 1. Cú pháp thành phần với đồ thị biểu diễn được mô tả dưới dạng cây cho phép chúng ta dễ dàng xây dựng và kết hợp các thành phần ngữ nghĩa dựa trên thành phần cú pháp. Do đó, trong các phần tiếp theo, luận văn chỉ quan tâm tới bài toán phân tích cú pháp thành phần của các câu trong ngôn ngữ tự nhiên. Phân tích cú pháp thành phần (phân tích cú pháp) đưa ra mô tả về quan hệ và vai trò ngữ pháp của các từ, cụm từ trong câu, từ đó đưa ra cấu trúc cú pháp (cây phân tích) của câu.
Đầu vào của bài toán phân tích cú pháp là các câu đã được tách từ, trong đó mỗi từ có đặc điểm hình thái xác định. Quá trình phân tích cú pháp cho phép kiểm tra một câu đầu vào có đúng ngữ pháp hay không dựa trên các quy tắc ngôn ngữ. Phân tích cú pháp là một trong những bài toán cơ bản và quan trọng, là nền tảng để phát triển nhiều ứng dụng liên quan đến xử lí ngôn ngữ. Đối với tiếng Việt, đã có một số công trình nghiên cứu về phân tích cú pháp cho các văn phạm khác nhau như PCFG (Probabilistic Context-Free Grammars) [18], HPSG (Head- driven phrase structure grammar ) [21], TAG (Tree-adjoining grammar ) [22].
4 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.2 Bài toán phân tích ngữ nghĩa Ngữ nghĩa biểu thị mối quan hệ giữa các từ, cụm từ, ký hiệu. và ý nghĩa của chúng thể hiện trong câu. Bài toán phân tích ngữ nghĩa được thể hiện ở nhiều cấp độ: Phân tích ngữ nghĩa các từ, cụm từ, phân tích vai nghĩa. Luận văn tập trung giải quyết vấn đề phân tích ngữ nghĩa của các câu trong ngôn ngữ tự nhiên.
Đó là quá trình ánh xạ mỗi câu thành một biểu diễn hình thức cho ngữ nghĩa của câu. Một trong những cách thức phổ biến nhất để biểu diễn ngữ nghĩa ngôn ngữ tự nhiên là sử dụng logic bậc một với nội dung chi tiết được trình bày trong chương tiếp theo. Bài toán phân tích ngữ nghĩa đã và đang nhận được nhiều sự quan tâm của các nhà ngôn ngữ học trên thế giới. Kết quả đạt được đầu tiên về biểu diễn ngữ nghĩa ngôn ngữ tự nhiên phải kể đến nghiên cứu về ngữ nghĩa hình thức của Richard Montague [29], trong đó các quy tắc ngữ pháp được kết hợp đồng thời với các quy tắc ngữ nghĩa để xây dựng không chỉ cây cú pháp mà cả hạng thức lambda biểu diễn nghĩa của thành phần cú pháp.
Trong những năm gần đây, các nhà khoa học đã có nhiều bước tiến đáng kể trong việc xây dựng các mô hình biểu diễn ngữ nghĩa [25], cùng với một số công cụ phần mềm [16][37][34] cho phép sinh tự động biểu diễn ngữ nghĩa của nhiều ngôn ngữ khác nhau. Đối với tiếng Việt, được sự quan tâm của các nhóm nghiên cứu xử lí ngôn ngữ từ năm 2000 đến nay, nhiều vấn đề cơ bản đã được giải quyết nhưng nhìn chung mới chỉ xoay quanh các bài toán phân tích từ vựng và cú pháp. Đây là lúc cần đầu tư nghiên cứu về xử lí ngữ nghĩa hướng tới một hệ thống phân tích cú pháp - ngữ nghĩa hoàn chỉnh cho tiếng Việt.2 Dữ liệu cho phân tích cú pháp - ngữ nghĩa Kho ngữ liệu văn bản và từ điển là những nguồn tài nguyên không thể thiếu cho các hệ thống xử lí ngôn ngữ tự nhiên. Trong phân tích cú pháp - ngữ nghĩa, từ điển cung cấp thông tin cấu trúc cú pháp và biểu diễn ngữ nghĩa của từng từ trong ngôn ngữ.
Bên cạnh đó, các kho văn bản đóng vai trò như dữ liệu huấn luyện, dữ liệu kiểm tra độ chính xác, dữ liệu đầu vào cho phân tích cú pháp - 5 LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Vật tưởng tượng trong cổ tích, thần thoại, hình thù kì dị, chuyên làm hại người. Có tình cảm dễ chịu khi tiếp xúc với một đối tượng nào đó, muốn gần gũi và thường sẵn sàng vì đối tượng đó mà hết lòng. Mẹ yêu con.
Trông thật đáng yêu. Yêu nên tốt, ghét nên xấu (tng. Có tình cảm thắm thiết dành riêng cho một người khác giới nào đó, muốn chung sống và cùng nhau gắn bó cuộc đời. Người yêu.
Từ dùng sau một động từ trong những tổ hợp tả một hành vi về hình thức là chê trách, đánh mắng một cách nhẹ nhàng, nhưng thật ra là biểu thị tình cảm thương yêu. Mẹ mắng yêu con.3: Hai mục từ tương ứng với hình vị từ “yêu” trong từ điển in ngữ nghĩa của nhiều ngôn ngữ khác nhau. Nội dung bên dưới trình bày một số nguồn tài nguyên có giá trị phục vụ cho các hệ thống phân tích cú pháp - ngữ nghĩa.1 Từ điển Từ điển cung cấp cho các hệ thống xử lí ngôn ngữ thông tin từ vựng ở nhiều cấp độ, từ hình thái đến ngữ nghĩa. Dạng từ điển điện tử đầu tiên được hình thành là từ điển in (print dictionary) [2], lưu trữ thông tin chuyển đổi từ các bộ từ điển giấy.
Đối với tiếng Việt, trung tâm từ điển học Vietlex hiện đang lưu trữ một phiên bản từ điển in dưới định dạng MS Word chứa 39 924 mục từ [32]. Mỗi mục từ gồm các thông tin như từ loại, cách sử dụng, định nghĩa và các ví dụ minh họa cho cách sử dụng của từ. Một từ nhiều nghĩa có thể được mô tả bởi nhiều mục từ khác nhau trong từ điển.3 thể hiện hai mục từ tương ứng với hình vị từ “yêu” trong từ điển in. Với yêu cầu giải quyết các bài toán ngày càng phức tạp trên máy tính và sự phát triển của khoa học công nghệ, một loạt các từ điển cho máy tính (Machine Readable Dictionary - MRD) [9] được xây dựng dựa trên chuẩn mô hình từ điển LMF [17].
Dự án LMF (Lexical Markup Framework ) được khởi động từ năm 2002, cung cấp nền tảng cho việc phát triển các từ điển xử lí ngôn ngữ tự nhiên. Mục đích của nó là định nghĩa một tiêu chuẩn chung cho việc biểu diễn dữ liệu từ vựng để nâng cao khả năng trao đổi và dùng lại của các từ điển. LMF đưa ra một siêu mô hình từ vựng, trong đó mỗi mục từ được mô tả ở nhiều tầng bậc khác nhau, với các khối thông tin đơn ngữ (ngữ âm, hình thái, cú pháp, ngữ 6 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com nghĩa) và đa ngữ. Trên thế giới, hiện nay, việc phát triển các kho ngữ liệu từ điển theo tiêu chuẩn LMF là khá phổ biến, điển hình là các bộ từ điển cung cấp thông tin ngôn ngữ ở nhiều tầng bậc, thiên về ngữ nghĩa như FrameNet, VerbNet.
FrameNet [14] [36] là bộ từ điển được xây dựng dựa trên lí thuyết ngữ nghĩa được gọi là ngữ nghĩa khung. Mục đích là đưa ra bằng chứng về khả năng kết hợp ngữ nghĩa và cú pháp của từng từ trong từng nét nghĩa của chúng, với sự giải thích có trợ giúp của máy tính trên các câu ví dụ. Ý tưởng cơ bản của FrameNet là sử dụng các khung ngữ nghĩa để biểu thị nghĩa của từng từ. Mỗi khung tham chiếu đến một khái niệm, mô tả một hành động hoặc một trạng thái, với các vai nghĩa và các thành phần liên quan tới khung.
Các vai nghĩa trong khung ngữ nghĩa được gọi là các thành phần khung (frame elements - FEs), các từ liên quan đến khung ngữ nghĩa được gọi là các đơn vị từ vựng (lexical units - LUs). FrameNet tổ chức các khung ngữ nghĩa theo mô hình cây phân cấp, các khung ở cấp cao hơn tham chiếu đến các khái niệm chung hơn, tổng quát hơn, các khung ở cấp độ thấp hơn đề cập đến các khái niệm hẹp hơn, chi tiết hơn. Nhiệm vụ của FrameNet là xác định các khung ngữ nghĩa và chú thích các câu để thể hiện rằng các thành phần khung là phù hợp về mặt cú pháp với các đơn vị từ vựng của khung. Dưới đây là ví dụ minh họa cho việc chú giải trong FrameNet: Ví dụ: Khung ngữ nghĩa apply_heat mô tả hành động cook (nấu ăn) được xây dựng như sau: • Các thành phần khung: Các từ cook (người nấu), food (thức ăn), container (vật dụng đựng thức ăn), heat_instrument (công cụ nấu) • Các đơn vị từ vựng: Các từ liên quan như fry (rán), bake (nướng lò), grill (nướng vỉ).
Khi đó, câu “the boys grill their catches on an open fire” có thể được chú giải như sau: [Cook the boys] GRILL[F ood their catches][Heating_instrument on an open fire] FrameNet cho tiếng Anh hiện bao gồm trên 170 000 câu được chú giải ngữ 7 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com nghĩa thủ công. Đây là kho ngữ liệu lớn, cung cấp dữ liệu huấn luyện cho bài toán gán nhãn vai nghĩa và sử dụng trong nhiều bài toán xử lí ngôn ngữ khác. Bên cạnh kho ngữ liệu ngữ nghĩa FrameNet, từ điển động từ VerbNet cho nhiều ngôn ngữ cũng được xây dựng. Trong đó, mỗi khung ngữ nghĩa FrameNet có thể được ánh xạ tới một số lớp động từ VerbNet cung cấp thông tin cú pháp - ngữ nghĩa chi tiết của các từ trong ngôn ngữ.
Dưới đây là mô tả cụ thể về từ điển VerbNet.