Phân Tích Đại Từ Không Xác Định Trong Tiếng Hàn: Luận Án Tiến Sĩ

Luận án tiến sĩ phân tích korean zero pronouns analysis and resolution, xây dựng cơ sở lý luận, kiểm chứng thực nghiệm, đóng góp tri thức mới cho ngành.

• Tác giả: Na-Rae Han
• Người hướng dẫn: PTS. Ellen F. Prince
• Trường học: University of Pennsylvania
• Chuyên ngành: Linguistics
• Đề tài: Phân Tích và Giải Quyết Đại Từ Không Xác Định Trong Tiếng Hàn
• Loại tài liệu: dissertation
• Năm xuất bản: 2006
• Địa điểm: Ann Arbor

Mục lục chi tiết

• Acknowledgements
• Abstract
• Contents
• 1. Introduction
• 2. I Analysis
• 2.1. Previous Work on Zero Pronouns
• 2.1.1. Previous Sentence-Level Work on Zero Pronouns
• 2.1.2. Government and Binding Theory
• 2.1.3. Huang’s (1983, 1984, 1989) Work on Chinese, Japanese and Korean
• 2.1.4. Optimality Theory Approaches to Zero Pronouns
• 2.1.5. Centering Theory: A Discourse-Oriented Approach to Pronouns
• 2.1.5.1. The Centering Theory: An Overview
• 2.1.5.2. Centering Theory Across Languages. The Zero Pronoun and Centering
• 2.2. Analysis of Korean Zero Pronouns
• 2.2.1. Defining the Object of the Study
• 2.2.2. Why Zero “Pronouns”
• 2.2.3. Overt Pronouns in Korean
• 2.2.4. The Problem of Identification: Where to Find the Invisible
• 2.2.5. Korean Zero Pronouns by Reference Types
• 2.2.5.1. General Situational Zero Pronouns
• 2.2.5.2. Indefinite Personal Zero Pronouns
• 2.2.5.3. Specific Indefinite Zero Pronouns
• 2.2.5.4. Human Semantic Restriction on Generic Zero Pronouns
• 2.2.5.5. Coreference in Generic Zero Pronouns
• 2.2.5.6. Discourse-Anaphoric Zero Pronouns
• 2.2.5.7. Semantic Interpretation of Anaphoric Relations
• 2.2.5.8. Discourse(Textual)-Deictic Zero Pronouns
• 2.2.5.9. Deictic and/or Anaphoric: the Fuzzy Distinction
• 2.3. The Centering Theory and Korean Zero Anaphora
• 2.3.1. Criteria for Cf Ranking: What Encodes Salience?
• 2.3.2. Establishing Cf Ranking for Korean
• 2.3.3. Topic-Marked NPs vs.
• 2.3.4. The Centering Theory and Zero Pronoun Resolution
• 3. II Resolution
• 3.1. Overview
• 3.2. Previous Work
• 3.2.1. Pronoun Resolution: An Overview
• 3.2.2. The Traditional Approach
• 3.2.3. The Statistical Approach
• 3.2.4. The Knowledge-Poor Approach
• 3.2.5. Resolution of Zero Pronouns: The Case of Spanish
• 3.2.6. Centering Theory and Pronoun Resolution
• 3.2.6.1. Brennan, Friedman and Pollard (1987)
• 3.2.6.2. Strube’s (1998) “S-list” Approach
• 3.2.6.3. Left-Right Centering by Letreault (1999)
• 3.2.6.4. Resolution of Zero Pronouns Using Centering: The Case of Thai
• 3.2.7. Optimality Approaches to Anaphora Resolution
• 3.2.7.1. Hong (2002) and Kim (2003): OT-Based Korean Anaphora Resolution
• 3.3. The Data: The Penn Korean Treebank Corpora
• 3.3.1. HQ va ko
• 3.3.2. Q HQ ung vo
• 3.3.3. Zero Pronouns with a Intra-sentential Antecedent
• 3.3.4. Determining the Categories
• 3.4. A Rule-Based Approach: Variations of the Hobbs Algorithm
• 3.4.1. The Hobbs Algorithm
• 3.4.2. Variations of Hobbs on Korean Zero Pronouns
• 3.4.3. Significance of Syntactic Environments
• 3.4.4. Summary
• 3.5. A Maximum Entropy Reference Resolution System
• 3.5.1. The Design
• 3.5.1.1. Classification and Resolution
• 3.5.1.2. Two-Phased vs. Single-Phased System
• 3.5.1.3. Maximum Entropy as a Ranking Method
• 3.5.1.4. Selection of Features
• 3.5.2. Single-Phased System
• 3.5.2.1. Performance by Type
• 3.5.3. Two-Phased System
• 3.5.3.1. A Resolution System for Anaphoric Zero Pronouns
• 3.5.3.2. A Maximum-Entropy Model
• 3.5.3.3. Feature Opt-In Models
• 3.5.3.4. Performance Scores: A Round-Up
• 3.6. Conclusions
• Bibliography

Tóm tắt

I. Phân Tích Đại Từ Không Xác Định Trong Tiếng Hàn

Đại từ không xác định trong tiếng Hàn, hay còn gọi là đại từ số không, là một hiện tượng ngữ pháp phổ biến. Chúng có thể được phân loại thành nhiều loại khác nhau, mỗi loại có những đặc điểm ngữ nghĩa và ngữ dụng riêng. Các loại đại từ này thường phụ thuộc vào các biểu thức ngôn ngữ khác để xác định tham chiếu của chúng. Các loại đại từ không xác định bao gồm đại từ anaphoric và đại từ deictic. Nghiên cứu trước đây cho thấy rằng việc sử dụng và diễn giải các đại từ này thường bị chi phối bởi các nguyên tắc ngữ nghĩa và ngữ dụng trong ngữ cảnh. Điều này cho thấy tầm quan trọng của việc hiểu rõ các loại đại từ này trong việc giao tiếp hiệu quả.

1.1. Định Nghĩa và Phân Loại

Đại từ không xác định trong tiếng Hàn có thể được phân loại thành nhiều nhóm khác nhau, bao gồm đại từ chỉ định, đại từ không chỉ định và đại từ tình huống. Mỗi loại đại từ này có cách sử dụng và ý nghĩa riêng. Ví dụ, đại từ chỉ định thường được sử dụng để chỉ một đối tượng cụ thể trong ngữ cảnh, trong khi đại từ không chỉ định có thể chỉ đến một nhóm người hoặc sự vật không xác định. Việc phân loại này giúp người học tiếng Hàn hiểu rõ hơn về cách sử dụng đại từ trong các tình huống giao tiếp khác nhau.

1.2. Vai Trò của Ngữ Cảnh

Ngữ cảnh đóng vai trò quan trọng trong việc xác định ý nghĩa của đại từ không xác định. Các đại từ này thường không có hình thức rõ ràng và cần phải dựa vào ngữ cảnh để hiểu đúng. Ví dụ, trong một cuộc hội thoại, đại từ không xác định có thể được hiểu là một người cụ thể dựa trên thông tin đã được đề cập trước đó. Điều này cho thấy rằng việc nắm bắt ngữ cảnh là rất cần thiết để hiểu và sử dụng đúng đại từ không xác định trong tiếng Hàn.

II. Phân Tích Ngữ Pháp và Ngữ Nghĩa

Phân tích ngữ pháp và ngữ nghĩa của đại từ không xác định trong tiếng Hàn cho thấy sự phức tạp trong cách mà chúng được sử dụng. Các nghiên cứu đã chỉ ra rằng các yếu tố ngữ pháp như vị trí trong câu và mối quan hệ với các thành phần khác trong câu có thể ảnh hưởng đến cách mà đại từ này được hiểu. Hơn nữa, các yếu tố ngữ nghĩa như tính chất của đối tượng được đề cập cũng đóng vai trò quan trọng trong việc xác định cách mà đại từ không xác định được sử dụng.

2.1. Các Yếu Tố Ngữ Pháp

Các yếu tố ngữ pháp như cấu trúc câu và vị trí của đại từ không xác định trong câu có thể ảnh hưởng đến cách mà chúng được hiểu. Ví dụ, đại từ không xác định có thể được đặt ở vị trí chủ ngữ hoặc tân ngữ trong câu, và điều này có thể thay đổi ý nghĩa của câu. Việc phân tích các yếu tố ngữ pháp này giúp người học tiếng Hàn nhận thức rõ hơn về cách mà đại từ không xác định hoạt động trong ngữ cảnh cụ thể.

2.2. Tính Chất Ngữ Nghĩa

Tính chất ngữ nghĩa của đại từ không xác định cũng rất đa dạng. Chúng có thể chỉ đến các đối tượng cụ thể hoặc không cụ thể, và điều này phụ thuộc vào ngữ cảnh mà chúng xuất hiện. Việc hiểu rõ tính chất ngữ nghĩa này là rất quan trọng để có thể sử dụng đại từ không xác định một cách chính xác trong giao tiếp hàng ngày.

III. Ứng Dụng Thực Tiễn

Việc phân tích và giải quyết đại từ không xác định trong tiếng Hàn có nhiều ứng dụng thực tiễn trong việc dạy và học ngôn ngữ. Hiểu rõ về cách sử dụng đại từ không xác định giúp người học cải thiện khả năng giao tiếp và hiểu biết về ngôn ngữ. Hơn nữa, nghiên cứu này cũng có thể hỗ trợ trong việc phát triển các công cụ ngôn ngữ học, chẳng hạn như phần mềm dịch thuật và hệ thống nhận diện ngôn ngữ tự nhiên.

3.1. Cải Thiện Kỹ Năng Giao Tiếp

Việc nắm vững cách sử dụng đại từ không xác định giúp người học tiếng Hàn giao tiếp hiệu quả hơn. Họ có thể hiểu và sử dụng các đại từ này trong các tình huống giao tiếp khác nhau, từ đó nâng cao khả năng diễn đạt và hiểu biết của mình. Điều này đặc biệt quan trọng trong môi trường giao tiếp đa văn hóa, nơi mà sự hiểu biết về ngôn ngữ và văn hóa là rất cần thiết.

3.2. Phát Triển Công Cụ Ngôn Ngữ

Nghiên cứu về đại từ không xác định cũng có thể hỗ trợ trong việc phát triển các công cụ ngôn ngữ học. Các phần mềm dịch thuật và hệ thống nhận diện ngôn ngữ tự nhiên có thể được cải thiện bằng cách áp dụng các kiến thức từ nghiên cứu này. Điều này không chỉ giúp nâng cao chất lượng dịch thuật mà còn tạo ra các công cụ hỗ trợ học tập hiệu quả hơn cho người học tiếng Hàn.

Nội dung chính

Tổng quan luận án

Luận án tiến sĩ ngôn ngữ học "Korean Zero Pronouns: Analysis and Resolution" của tác giả Na-Rae Han, bảo vệ năm 2006 tại Đại học Pennsylvania dưới sự hướng dẫn của Giáo sư Ellen F. Prince và Giáo sư Martha Palmer, tập trung vào hiện tượng lược bỏ đối số (dropped arguments/zero pronouns) trong tiếng Hàn.

Trong tiếng Hàn, các đối số như chủ ngữ và tân ngữ có mức độ tự do cú pháp lớn: chúng có thể xuất hiện dưới dạng danh từ kèm trợ từ cách (chủ cách, đối cách, trạng từ cách), danh từ kèm trợ từ đặc biệt (như trợ từ chủ đề -un/-nun), danh từ trần, đại từ tường minh hoặc ở dạng khuyết (null form). Dạng thức khuyết này xuất hiện với tần suất cao và đảm nhận chức năng thay thế cho đại từ. Tuy nhiên, việc sử dụng và giải thích đại từ khuyết không thuần túy là hiện tượng cú pháp trong phạm vi câu mà chịu sự chi phối của các nguyên lý diễn ngôn và ngữ cảnh.

Khoảng trống nghiên cứu được luận án chỉ ra gồm hai khía cạnh:

1. Về mặt lý thuyết: Các nghiên cứu trước đây (điển hình là Lý thuyết Tâm điểm - Centering Theory) nỗ lực mô hình hóa việc sử dụng đại từ anaphora thông qua việc thiết lập trật tự xếp hạng danh sách tâm điểm hướng tới tương lai (Cf-ranking) đơn chiều dựa trên các thang bậc ngữ pháp hoặc ngữ dụng. Tác giả nhận định cách tiếp cận này không thỏa đáng do tính chất nổi bật (saliency) của thực thể được mã hóa bởi các yếu tố ngôn ngữ không đồng nhất, không thể biểu diễn trên một chiều duy nhất. Đồng thời, đại từ khuyết tiếng Hàn bao gồm nhiều tiểu loại ngữ nghĩa và ngữ dụng khác nhau chứ không chỉ giới hạn ở dạng hồi chỉ văn bản (text-dependent).
2. Về mặt tính toán/kỹ thuật: Sự đa dạng của các loại đại từ khuyết đặt ra thách thức cho việc tích hợp đồng thời hai nhiệm vụ: phân loại kiểu quy chiếu (categorization) và xác định danh từ tiền ngữ (antecedent identification).

Luận án đặt ra hai mục tiêu chính:

1. Mục tiêu lý thuyết: Khảo sát và phân tích hiện tượng đại từ khuyết trong diễn ngôn tự nhiên nhằm xác định các tiểu loại, quy luật phân bố và đề xuất hệ thống phân loại, gán nhãn ngữ nghĩa - ngữ dụng.
2. Mục tiêu kỹ thuật: Thiết kế và đánh giá hệ thống tự động giải quyết đại từ khuyết trong tiếng Hàn thông qua mô hình thống kê học máy (Maximum Entropy) và tiếp cận dựa trên luật (thuật toán Hobbs biến thể), được huấn luyện và kiểm thử trên ngữ liệu Penn Korean Treebank.

Luận án giải quyết hai câu hỏi nghiên cứu cơ bản:

1. Bản chất ngôn ngữ học của đại từ khuyết tiếng Hàn là gì, và chúng bao gồm những kiểu loại quy chiếu nào?
2. Bằng cách nào có thể mô hình hóa bằng máy tính quá trình tự động phân loại và khôi phục tiền ngữ cho đại từ khuyết tiếng Hàn dựa trên các đặc trưng ngôn ngữ?

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Hiện tượng đại từ khuyết (zero pronouns / pro) ở các vị trí đối số (chủ ngữ, tân ngữ, trạng ngữ) trong tiếng Hàn.
• Phạm vi dữ liệu: Dữ liệu ngữ liệu thực nghiệm từ Penn Korean Treebank (KTB 1 và KTB 2), bao gồm văn bản tin tức kinh tế, chính trị và tài liệu văn bản tiếng Hàn được gán nhãn cây cú pháp và quan hệ đối số khuyết.

---

Tổng quan tài liệu và vị trí của luận án

Luận án điểm lại và phân tích các hướng tiếp cận lý thuyết và tính toán về đại từ khuyết:

1. Hướng tiếp cận cú pháp cấp độ câu

• Lý thuyết Ràng buộc và Quản nhiệm (Government and Binding - GB): Chomsky (1981, 1982, 1986) phân loại các phạm trù rỗng (Empty Categories) dựa trên hai đặc trưng nhị phân [±anaphor] và [±pronominal], đưa ra các Nguyên lý Ràng buộc A, B, C và định nghĩa pro ([-anaphor, +pronominal]) cùng PRO ([+anaphor, +pronominal]). Tham số pro-drop được Taraldsen (1980), Rizzi (1986), Borer (1986) lý giải dựa trên tính phong phú của hệ thống hình thái chia động từ (AGR/INFL).
• Mở rộng cho các ngôn ngữ Đông Á: Huang (1983, 1984, 1989) đề xuất tham số zero-topic cho tiếng Trung, tiếng Nhật và tiếng Hàn dựa trên phân loại ngôn ngữ nổi bật chủ đề (topic-prominent) của Li và Thompson (1976). Huang đề xuất Quy tắc Kiểm soát Khái quát (Generalized Control Rule - GCR) để gộp pro và PRO, đồng thời cho rằng tân ngữ khuyết là biến số chịu sự ràng buộc của chủ đề khuyết. Luận án trích dẫn phản biện của Kim (2003) và chỉ ra các hạn chế trong mô hình của Huang khi áp dụng vào tiếng Hàn (sự tồn tại của đại từ khuyết chỉ xuất và quan hệ đồng chỉ của tân ngữ khuyết trong mệnh đề phụ).
• Lý thuyết Tối ưu (Optimality Theory - OT): Grimshaw (1997), Grimshaw và Samek-Lodovici (1998) giải thích sự biến thiên ngôn ngữ qua thứ tự các ràng buộc: DROPTOPIC, PARSE, SUBJECT, FULL-INT, ALIGNFOCUS. Speas (2001) phân chia ngôn ngữ thành 3 nhóm dựa trên sự phân bố của Pro ở mệnh đề hữu biên/vô biên và vị trí tân ngữ với các ràng buộc CONTROL, BTB, MAX(PRO).

2. Hướng tiếp cận ngữ dụng và cấu trúc diễn ngôn

• Lý thuyết Tâm điểm (Centering Theory): Grosz, Joshi và Weinstein (1983, 1995) thiết lập mô hình tính kết nối cục bộ dựa trên tâm điểm hướng về trước (Cf), tâm điểm hướng về sau (Cb), tâm điểm ưu tiên (Cp) và các chuyển tiếp (CONTINUE, RETAIN, SMOOTH-SHIFT, ROUGH-SHIFT).
• Nghiên cứu đa ngôn ngữ: Walker, Iida và Cote (1990, 1994) áp dụng cho tiếng Nhật với thứ bậc Cf đưa Chủ đề (Topic) và Thấu cảm (Empathy) lên đầu; Turan (1995) áp dụng cho tiếng Thổ Nhĩ Kỳ dựa trên thang bậc vai nghĩa (thematic roles); Di Eugenio (1990, 1996, 1998) nghiên cứu tiếng Ý chỉ ra mối liên hệ giữa đại từ khuyết và chuyển tiếp CONTINUE; Ryu (2001), Choi và Lee (1999) đề xuất thứ bậc tâm điểm tiếng Hàn; Lee và Lee (2000) xây dựng Lý thuyết Đóng gói Thông tin Có kiểm soát (CIPT) đưa thành phần Slotlink lên đầu danh sách Cf.

3. Các thuật toán giải quyết hồi chỉ

• Thuật toán tìm kiếm cú pháp của Hobbs (1978); thuật toán tâm điểm của Brennan, Friedman và Pollard (1987); phương pháp S-list của Strube (1998); mô hình Left-Right Centering của Tetreault (1999); các mô hình OT của Hong (2002) và Kim (2003).

Vị trí và khoảng trống luận án giải quyết

Luận án chỉ ra rằng các nỗ lực xây dựng thứ tự Cf cố định không thể bao quát toàn bộ tương tác phức tạp của các yếu tố cú pháp và ngữ dụng trong tiếng Hàn. Luận án chọn giải quyết khoảng trống này bằng cách kết hợp phân tích phân loại ngữ nghĩa - ngữ cảnh đầy đủ, đồng thời ứng dụng kỹ thuật học máy Maximum Entropy để tích hợp đồng thời nhiều đặc trưng ngôn ngữ đa chiều mà không cần ép buộc vào một thang bậc xếp hạng tuyến tính duy nhất.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết

1. Ngữ pháp Tạo sinh và Phân tích Cú pháp Diễn ngôn: Sử dụng các khái niệm về cấu trúc tầng bậc câu, quan hệ phụ thuộc, vai trò ngữ pháp (chủ ngữ, tân ngữ, trạng ngữ) và tính chất của phạm trù rỗng (pro).
2. Lý thuyết Tâm điểm (Centering Theory): Vận dụng khung phân tích Cb, Cf, Cp và 4 kiểu chuyển tiếp để kiểm nghiệm mức độ tác động của tính nổi bật diễn ngôn đối với việc giải thích đại từ khuyết.
3. Lý thuyết Đóng gói Thông tin (Information Packaging Theory) và CIPT: Vận dụng cấu trúc liên kết khung - khe (frame-slot) và phân chia tiêu điểm/chủ đề.

Phương pháp nghiên cứu

Luận án áp dụng phương pháp hỗn hợp bao gồm phân tích định tính ngôn ngữ học và thực nghiệm định lượng tính toán:

• Phương pháp định tính: Phân tích ngữ cảnh, kiểm tra ngữ nghĩa và phân loại chức năng tham chiếu của đại từ khuyết trong các cặp câu, đoạn văn bản diễn ngôn tự nhiên.
• Phương pháp dựa trên luật (Rule-based): Thích ứng và kiểm thử các biến thể của thuật toán Hobbs trên cây cú pháp tiếng Hàn của kho ngữ liệu Treebank, đánh giá vai trò của vị trí cú pháp (mệnh đề chính, mệnh đề phụ, mệnh đề trạng ngữ).
• Phương pháp học máy thống kê (Machine Learning / Maximum Entropy):
  • Mô hình Entropy Cực đại (MaxEnt) được sử dụng để ước lượng phân phối xác suất có điều kiện $P(c|x)$ cho các lớp phân loại và đánh giá xếp hạng ứng viên tiền ngữ.
  • Thiết kế hai kiến trúc hệ thống:
    • Hệ thống một giai đoạn (Single-phased system): Đồng thời phân loại nhãn loại hình (generic, deictic, situational,...) và gán quan hệ đồng chỉ với từng ứng viên danh từ (NP).
    • Hệ thống hai giai đoạn (Two-phased system): Giai đoạn 1 phân loại kiểu loại quy chiếu của đại từ khuyết; Giai đoạn 2 chỉ kích hoạt tìm kiếm tiền ngữ đối với các đại từ khuyết được xác định là loại hồi chỉ (anaphoric).
  • Đánh giá mô hình: Sử dụng phương pháp kiểm thử chéo 10 lượt (10-fold cross-validation), ma trận nhầm lẫn (confusion matrix), độ chính xác (accuracy), và kỹ thuật phân rã đặc trưng (feature ablation) để lượng hóa đóng góp của từng nhóm đặc trưng.

Nguồn tư liệu và dữ liệu thực nghiệm

Nghiên cứu sử dụng hai kho ngữ liệu từ Penn Korean Treebank:

• KTB 1: Ngữ liệu văn bản tin tức kinh tế và quân sự tiếng Hàn ban đầu.
• KTB 2: Ngữ liệu mở rộng được gán nhãn cú pháp chi tiết hơn về các phạm trù rỗng và đối số.

---

Nội dung chính theo từng chương

Luận án gồm hai phần chính (Phần I: Phân tích; Phần II: Giải quyết) chia thành 7 chương và phần Kết luận:

Phần I: Phân tích (Analysis)

Chương 1: Previous Work on Zero Pronouns (Các nghiên cứu trước về đại từ khuyết)

Chương này tổng kết hai nhánh nghiên cứu chính: cấp độ câu (cú pháp) và cấp độ diễn ngôn (ngữ dụng).

• Cấp độ câu: Phân tích sự phát triển từ lý thuyết GB của Chomsky, các tham số pro-drop, công trình của Huang về zero-topic và GCR trong tiếng Trung, Nhật, Hàn, cùng các mô hình Lý thuyết Tối ưu (OT) của Grimshaw & Samek-Lodovici và Speas.
• Cấp độ diễn ngôn: Trình bày cấu trúc Lý thuyết Tâm điểm của Grosz, Joshi, Weinstein và các công trình ứng dụng cho các ngôn ngữ cho phép khuyết đối số như tiếng Nhật (Walker et al.), tiếng Thổ Nhĩ Kỳ (Turan), tiếng Ý (Di Eugenio), và tiếng Hàn (Ryu; Choi & Lee; Lee & Lee).

Chương 2: Analysis of Korean Zero Pronouns (Phân tích đại từ khuyết tiếng Hàn)

Chương này định nghĩa đại từ khuyết tiếng Hàn và xây dựng bảng phân loại chi tiết dựa trên hành vi ngữ nghĩa - ngữ cảnh:

Nhóm quy chiếu	Tiểu loại	Đặc điểm ngữ nghĩa và ngữ dụng
Phụ thuộc văn bản (Text-dependent)	Discourse-Anaphoric (Hồi chỉ diễn ngôn)	Quy chiếu đến một thực thể danh từ (NP) đã xuất hiện trước đó trong ngữ cảnh văn bản.
	Discourse-Deictic / Textual-Deictic	Quy chiếu đến một mệnh đề, sự tình hoặc phân đoạn văn bản trước đó.
Độc lập văn bản (Text-independent)	Deictic (Chỉ xuất)	Quy chiếu trực tiếp đến các thành tố trong ngữ cảnh không - thời gian (người nói, người nghe, thực thể hiện diện).
	Generic Indefinite (Bất định khái quát)	Quy chiếu đến con người nói chung (tương đương one, they, you trong tiếng Anh; man trong tiếng Đức; on trong tiếng Pháp); mang hạn chế ngữ nghĩa [+human].
	Specific Indefinite (Bất định cụ thể)	Quy chiếu đến thực thể bất định nhưng cụ thể trong ngữ cảnh.
	General Situational (Tình huống chung)	Quy chiếu đến thời gian, thời tiết hoặc tình huống chung (tương đương chủ ngữ giả it trong tiếng Anh).

Chương cũng phân tích hiện tượng biên giới mờ giữa chỉ xuất và hồi chỉ (fuzzy distinction) và chỉ ra rằng đại từ tường minh ngôi thứ ba trong tiếng Hàn có tần suất sử dụng hạn chế so với đại từ khuyết.

Chương 3: The Centering Theory and Korean Zero Anaphora (Lý thuyết Tâm điểm và hiện tượng khuyết chỉ trong tiếng Hàn)

Chương này đánh giá mức độ tương thích của Lý thuyết Tâm điểm với tiếng Hàn:

• Kiểm nghiệm các tiêu chí xếp hạng Cf: vai trò ngữ pháp (chủ ngữ, tân ngữ), đánh dấu chủ đề (-un/-nun), vai nghĩa, và tính thấu cảm.
• Khảo sát sự cạnh tranh giữa danh từ đánh dấu chủ đề (Topic-Marked NPs) và danh từ chủ ngữ (Subject NPs).
• Chứng minh rằng việc gán độ nổi bật vào một thang bậc Cf tuyến tính duy nhất gặp thất bại khi gặp các cấu trúc phức hợp hoặc diễn ngôn phi tuyến tính, từ đó đặt nền tảng cho việc chuyển dịch sang mô hình học máy đa đặc trưng.

---

Phần II: Khôi phục và giải quyết đại từ khuyết (Resolution)

Chương 1: Previous Work (Tổng quan các công trình về giải quyết đại từ khuyết)

Khảo sát các phương pháp tính toán trong bài toán giải quyết hồi chỉ:

• Các tiếp cận truyền thống dựa trên tri thức cú pháp/ngữ nghĩa sâu.
• Các tiếp cận thống kê và tiếp cận nghèo tri thức (knowledge-poor approaches).
• Các thuật toán tâm điểm: Brennan, Friedman, Pollard (1987); Strube (1998); Tetreault (1999).
• Các mô hình giải quyết anaphora dựa trên OT cho tiếng Hàn của Hong (2002) và Kim (2003).

Chương 2: The Data: The Penn Korean Treebank Corpora (Dữ liệu: Ngữ liệu Penn Korean Treebank)

Chương này phân tích chi tiết dữ liệu thực nghiệm từ hai kho ngữ liệu KTB 1 và KTB 2:

• Thống kê tần suất xuất hiện của đại từ khuyết theo vai trò ngữ pháp (chủ ngữ chiếm ưu thế tuyệt đối, tiếp theo là tân ngữ và các đối số khác).
• Thống kê phân bố giữa các loại đại từ khuyết (hồi chỉ chiếm tỷ lệ lớn nhất, theo sau là các loại chỉ xuất và khái quát).
• Phân tích hiện tượng đại từ khuyết có tiền ngữ nội câu (intra-sentential antecedents) và liên câu (inter-sentential).
• Phương pháp gán nhãn và xác định các lớp phân loại phục vụ huấn luyện máy học.

Chương 3: A Rule-Based Approach: Variations of the Hobbs Algorithm (Tiếp cận dựa trên luật: Các biến thể của thuật toán Hobbs)

Thực nghiệm thuật toán duyệt cây cú pháp của Hobbs trên ngữ liệu tiếng Hàn:

• Kiểm thử thuật toán Hobbs nguyên bản (Naive Hobbs).
• Thử nghiệm các biến thể: loại bỏ các cụm danh từ trạng ngữ (Adverbial NPs), giới hạn ứng viên ở các vị trí đối số (argument antecedents only).
• Đánh giá hiệu năng của thuật toán phân chia theo các nhóm môi trường cú pháp (clausal groups): mệnh đề chính (matrix clause), mệnh đề trạng ngữ (adverbial clause), và mệnh đề lồng (embedded clause).

Chương 4: A Maximum Entropy Reference Resolution System (Hệ thống giải quyết quan hệ quy chiếu dựa trên Entropy Cực đại)

Đây là chương thực nghiệm trọng tâm của luận án:

• Thiết kế hệ thống: Xây dựng mô hình phân loại nhị phân và xếp hạng ứng viên dựa trên Maximum Entropy.
• Trích xuất đặc trưng: Mã hóa các thuộc tính ngôn ngữ bao gồm:
  • Đặc trưng cú pháp: Vai trò ngữ pháp của đại từ khuyết và tiền ngữ (chủ ngữ, tân ngữ), vị trí trong cây cú pháp, loại mệnh đề.
  • Đặc trưng hình thái - ngữ dụng: Đánh dấu chủ đề (-un/-nun), hình thức khuyết (nullness), sự xuất hiện của danh từ trong câu trước.
  • Đặc trưng khoảng cách: Khoảng cách tuyến tính giữa đại từ khuyết và ứng viên danh từ (tính theo số từ, số mệnh đề, số câu).
• Thực nghiệm và Kết quả:
  • So sánh giữa hệ thống một giai đoạn (Single-phased) và hệ thống hai giai đoạn (Two-phased). Kết quả cho thấy hệ thống hai giai đoạn cho độ chính xác phân giải đồng chỉ tổng thể cao hơn nhờ giảm nhiễu từ các đại từ khuyết phi hồi chỉ (generic, deictic, situational).
  • Phân tích trọng số đặc trưng (Feature weights): 20 đặc trưng có trọng số dương cao nhất và 20 đặc trưng có trọng số âm lớn nhất được trích xuất. Các đặc trưng đóng góp mạnh nhất gồm: tính chủ đề (topic-hood), tính chủ ngữ (subject-hood), và trạng thái khuyết của tiền ngữ trước đó (nullness of form).
  • Phân tích mô hình theo 3 nhóm mệnh đề: Mô hình huấn luyện riêng cho mệnh đề chính, mệnh đề trạng ngữ và mệnh đề lồng cho thấy sự khác biệt về phân bổ trọng số đặc trưng.

Conclusions (Kết luận)

Tổng kết các phát hiện lý thuyết và kết quả thực nghiệm kỹ thuật, đồng thời khẳng định tính khả thi của việc tích hợp phân tích ngôn ngữ học vào mô hình học máy thống kê để giải quyết hiện tượng đại từ khuyết tiếng Hàn.

---

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận

1. Hệ thống hóa phân loại đại từ khuyết: Xây dựng khung phân loại toàn diện cho đại từ khuyết tiếng Hàn, phân định rõ ràng giữa các loại phụ thuộc văn bản (hồi chỉ diễn ngôn, chỉ xuất văn bản) và độc lập văn bản (chỉ xuất ngữ cảnh, bất định khái quát, bất định cụ thể, tình huống chung).
2. Phản biện giới hạn của Centering Theory: Chứng minh bằng thực nghiệm rằng việc giản lược tính nổi bật của thực thể vào một thang bậc Cf đơn chiều không đủ khả năng giải thích hành vi hồi chỉ trong tiếng Hàn. Độ nổi bật là kết quả tương tác của nhiều thuộc tính ngữ pháp - ngữ cảnh không đồng nhất.
3. Xác thực thực nghiệm vai trò của các yếu tố ngôn ngữ: Cung cấp bằng chứng định lượng khẳng định vai trò chi phối của tính chủ đề (topic-hood), tính chủ ngữ (subject-hood) và hình thức khuyết (nullness) trong việc xác định quan hệ quy chiếu.

Đóng góp về mặt thực tiễn và tính toán

1. Xây dựng hệ thống giải quyết đại từ khuyết tự động: Phát triển thành công hệ thống đầu tiên ứng dụng mô hình Maximum Entropy trên kho ngữ liệu Penn Korean Treebank để giải quyết đại từ khuyết tiếng Hàn.
2. Đề xuất kiến trúc hai giai đoạn hiệu quả: Chứng minh tính ưu việt của mô hình hai giai đoạn (phân loại loại hình trước, tìm tiền ngữ sau) so với mô hình một giai đoạn, giúp giải quyết triệt để sự nhập nhằng giữa đại từ khuyết hồi chỉ và phi hồi chỉ.
3. Tối ưu hóa thuật toán dựa trên luật: Cung cấp dữ liệu thực nghiệm về các biến thể của thuật toán Hobbs khi áp dụng cho ngôn ngữ đầu cuối (head-final) như tiếng Hàn.

---

Hạn chế và hướng nghiên cứu tiếp

Dựa trên phạm vi và nội dung văn bản luận án trình bày:

Hạn chế

• Phụ thuộc vào đặc thù ngữ liệu: Dữ liệu thực nghiệm bị giới hạn trong phạm vi thể loại văn bản của Penn Korean Treebank (chủ yếu là văn bản tin tức kinh tế, chính trị và quân sự), chưa phản ánh đầy đủ đặc tính của ngôn ngữ hội thoại tương tác tự nhiên thường ngày.
• Độ nhập nhằng giữa chỉ xuất và hồi chỉ: Một số trường hợp đại từ khuyết nằm ở ranh giới giữa chỉ xuất ngữ cảnh và hồi chỉ văn bản gây khó khăn cho việc gán nhãn dứt khoát và phân loại tự động.
• Giới hạn cấu trúc cú pháp phức tạp: Hiệu năng của hệ thống suy giảm ở các cấu trúc câu lồng ghép sâu hoặc khi tiền ngữ nằm cách xa nhiều tầng mệnh đề.

Hướng nghiên cứu tiếp

• Mở rộng mô hình và kiểm thử trên các thể loại văn bản đa dạng hơn, đặc biệt là ngữ liệu hội thoại khẩu ngữ đa thoại.
• Tích hợp thêm các đặc trưng ngữ nghĩa sâu và tri thức bách khoa/thế giới thực để cải thiện khả năng phân giải các trường hợp tiền ngữ nằm ngoài câu hoặc không xuất hiện trực tiếp trong văn bản.

---

Giá trị tham khảo

Luận án là tài liệu tham khảo cho các nhóm đối tượng:

• Nghiên cứu sinh và giảng viên ngôn ngữ học: Cung cấp khung lý thuyết vững chắc về cú pháp học, ngữ dụng học, Lý thuyết Ràng buộc (GB), Lý thuyết Tối ưu (OT) và Lý thuyết Tâm điểm (Centering Theory) áp dụng cho các ngôn ngữ pro-drop Đông Á.
• Nhà nghiên cứu Xử lý Ngôn ngữ Tự nhiên (NLP) và Ngôn ngữ học Tính toán: Cung cấp phương pháp luận chi tiết về thiết kế không gian đặc trưng ngôn ngữ học, áp dụng mô hình Maximum Entropy và kỹ thuật xử lý hồi chỉ/phạm trù rỗng trên ngữ liệu Treebank.
• Chuyên gia phát triển hệ thống dịch máy và hiểu ngôn ngữ: Các quy tắc phân loại và trọng số đặc trưng giúp cải thiện khâu khôi phục đại từ bị lược bỏ trong bài toán dịch máy tự động từ tiếng Hàn sang các ngôn ngữ không cho phép lược bỏ đối số (như tiếng Anh).

Các phần đáng tham khảo nhất:

• Khung phân loại chi tiết các loại đại từ khuyết tiếng Hàn (Chương 2, Phần I).
• Phân tích đánh giá tiêu chí Cf trong Lý thuyết Tâm điểm (Chương 3, Phần I).
• Thiết kế hệ thống Maximum Entropy và phân tích trọng số đặc trưng ngôn ngữ (Chương 4, Phần II).

---

Câu hỏi thường gặp

1. Đại từ khuyết tiếng Hàn được phân loại thành những nhóm chính nào trong luận án?

Luận án phân loại đại từ khuyết tiếng Hàn thành hai nhóm lớn:

• Nhóm phụ thuộc văn bản (Text-dependent): Đại từ khuyết hồi chỉ diễn ngôn (discourse-anaphoric) và đại từ khuyết chỉ xuất văn bản (discourse-deictic/textual-deictic).
• Nhóm độc lập văn bản (Text-independent): Đại từ khuyết chỉ xuất ngữ cảnh (deictic), đại từ khuyết bất định khái quát (generic indefinite), đại từ khuyết bất định cụ thể (specific indefinite), và đại từ khuyết tình huống chung (general situational).

2. Tại sao tác giả cho rằng xếp hạng Cf đơn chiều trong Lý thuyết Tâm điểm là chưa thỏa đáng cho tiếng Hàn?

Tác giả chứng minh rằng độ nổi bật (saliency) của thực thể trong diễn ngôn tiếng Hàn được quy định đồng thời bởi nhiều yếu tố ngôn ngữ không đồng nhất (như đánh dấu chủ đề -un/-nun, vai trò ngữ pháp chủ ngữ/tân ngữ, vai nghĩa, tính thấu cảm, và trạng thái khuyết). Các yếu tố này tương tác đa chiều và thường xuyên xung đột trong các cấu trúc câu thực tế, do đó không thể nén thành một thang bậc xếp hạng tuyến tính đơn chiều cố định.

3. Thuật toán Hobbs được điều chỉnh như thế nào khi áp dụng cho tiếng Hàn?

Tác giả đã thử nghiệm thuật toán duyệt cây cú pháp Hobbs nguyên bản và phát triển các biến thể:

• Loại bỏ các cụm danh từ trạng ngữ (Adverbial NPs) khỏi danh sách ứng viên tiền ngữ.
• Giới hạn không gian tìm kiếm chỉ tập trung vào các ứng viên danh từ giữ vai trò đối số (argument antecedents).
• Đánh giá hiệu năng riêng biệt theo 3 nhóm mệnh đề: mệnh đề chính, mệnh đề trạng ngữ và mệnh đề lồng.

4. Hệ thống hai giai đoạn (Two-phased system) khác hệ thống một giai đoạn (Single-phased system) như thế nào?

• Hệ thống một giai đoạn: Gộp chung việc phân loại loại hình đại từ khuyết và xác định quan hệ đồng chỉ của ứng viên NP vào một bước phân loại nhị phân duy nhất.
• Hệ thống hai giai đoạn: Giai đoạn 1 sử dụng mô hình MaxEnt phân loại đại từ khuyết vào các nhóm (hồi chỉ, chỉ xuất, khái quát, tình huống); Giai đoạn 2 chỉ tiến hành tìm kiếm và xếp hạng tiền ngữ cho những đại từ khuyết đã được xác định là loại hồi chỉ. Hệ thống hai giai đoạn đạt độ chính xác cao hơn do loại bỏ được các trường hợp không có tiền ngữ trong văn bản.

5. Những đặc trưng ngôn ngữ nào có trọng số đóng góp lớn nhất trong mô hình Maximum Entropy?

Qua phân tích bảng trọng số, các đặc trưng có đóng góp tích cực lớn nhất trong việc xác định tiền ngữ gồm: danh từ ứng viên mang dấu chủ đề (topic-marked NP), danh từ ứng viên giữ vai trò chủ ngữ (subject NP), tiền ngữ ở dạng đại từ khuyết trước đó (nullness of form), và khoảng cách câu/mệnh đề ngắn nhất tới đại từ khuyết.

---

Kết luận

Luận án "Korean Zero Pronouns: Analysis and Resolution" của Na-Rae Han là công trình nghiên cứu toàn diện kết hợp giữa phân tích lý thuyết ngôn ngữ học và thực nghiệm xử lý ngôn ngữ tự nhiên về hiện tượng đại từ khuyết trong tiếng Hàn. Tác giả đã giải quyết thành công bài toán phân loại ngữ nghĩa - ngữ dụng cho các dạng thức khuyết đối số, đồng thời chỉ ra giới hạn của các mô hình xếp hạng tâm điểm đơn chiều truyền thống. Thông qua việc ứng dụng mô hình học máy Maximum Entropy trên ngữ liệu Penn Korean Treebank, luận án đã xây dựng thành công hệ thống tự động nhận diện và khôi phục tiền ngữ có độ chính xác cao dựa trên việc tích hợp các đặc trưng cú pháp, hình thái và cấu trúc diễn ngôn.

Trích đoạn nội dung tài liệu

KOREAN ZERO PRONOUNS: ANALYSIS AND RESOLUTION Na-Rae Han A DISSERTATION in Linguistics Presented to the Faculties of the University of Pennsylvania in Partial Fulfillment of the Requirements for the Degree of Doctor of Philosophy 2006 f oY ` Ellen F. Prince Supervisor of Dissertation “ns Martha Palmer Co-Supervisor of Dissertation ⁄ 2 4 Eugen Buckley [) \ Graduate Group Chairperson UMI Number: 3211080 INFORMATION TO USERS The quality of this reproduction is dependent upon the quality of the copy submitted. Broken or indistinct print, colored or poor quality illustrations and photographs, print bleed-through, substandard margins, and improper alignment can adversely affect reproduction. In the unlikely event that the author did not send a complete manuscript and there are missing pages, these will be noted.

Also, if unauthorized copyright material had to be removed, a note will indicate the deletion. ® UMI UMI Microform 3211080 Copyright 2006 by ProQuest Information and Learning Company. All rights reserved. This microform edition is protected against unauthorized copying under Title 17, United States Code.

ProQuest Information and Learning Company 300 North Zeeb Road P. Box 1346 Ann Arbor, MI 48106-1346 To my dear brother Baek-Kyoung. H Acknowledgements First and foremost, I thank my two advisors, Ellen Prince and Martha Palmer. I am eternally indebted to them for their encouragement and intellectual and spiritual! guidance, which shaped me as a researcher throughout my long journey towards graduation.

Ellen, whom I have the honor of being the last student of, has been a great source of inspiration to me for her sharp intellect and wisdom, as well as her unparalleled zest for life. I owe Martha not only for her generous financial support over the years, but also for her guardianship — she truly took me under her wings. I also thank Robin Clark for his teachings during my early years of graduate school; Bill Poser, whose love and knowledge of everything linguistic has always shown me the greatness to aspire to; and last but not the least, my committee, Maribel Romero and Ar- avind Joshi, who provided valuable feedbacks on the directions of the thesis, which not unlike any other theses started out as a entangled jumble of grand ideas. XRCE and LDC are two great institutions I was fortunate enough to have opportunities to conduct research at.

I thank Lauri Karttunen, Ken Beesley and Mike Maxwell for their mentorship during my times there. I would like to thank Justin Mott, Cassie Creswell, Tom Morton, Andy Schein, Sham Kakade, and Heejong Yi, with whomI shared the most cherished memories of my graduate school years. They stayed close and bore witness to my years of battle with my thesis; without their cheering, I might well be writing it still. lil There are many other friends and colleagues at Penn, who over the years made it much more than just a school but rather like a home to me.

I had many lunches, dinners, parties, and heated discussions with them: John Bell, Alexis Dimitriadis, Kieran Snyder, Ron Kim, Sophia Malamud, Uri Horesh, Eva Banik, Tom McFadden, Elsi Kaiser, Sandhya Sundare- san, Rashmi Prasad, Eleni Miltsakaki, Seungyen Yang, Eon-Suk Ko, Chunghye Han and Jiyoon Lee. My friends and mentors from my previous school, the linguistics program at Seoul National University, have been always there for me, sometimes in the States and other times across the Pacific Ocean. I thank Jinyoung Choi, Seunghun Lee and Hyunjoo Kim for their friendship (and also for being great “juniors” to me); Yoonshin Kim for being my close friend (and a great “senior”); Sookhee Chae, Shijong Ryu and Chulwoo Park for their kind mentoring. And finally Prof.

Chungmin Lee for the very first linguistics class I took and for guiding me into the field. He taught me during my SNU linguistics years, and he encouraged me to pursue this degree in the U. Also many special thanks to Gene Buckley and Amy Forsyth for their wonderful help regarding administrative matters; as I fumbled through the maze of graduation, their knowl- edge and attention on intricate procedural details saved me more than once from crucial mistakes. I cannot forget Mrs.

Carole Lingle, whose warm presence filled the department office in earlier years of my graduate school. Staff at IRCS also has been the quiet yet essential organizing force behind that great institution, to which I owe much of my profes- sional development. Finally, my deepest gratitude goes to my parents and my sister, without whose constant support and encouragement none of my academic goals would have been realized. Their faith in me and my love for them kept me going at times of difficulty and anguish.

iv ABSTRACT KOREAN ZERO PRONOUNS: ANALYSIS AND RESOLUTION Na-Rae Han Supervisors: Ellen F. Prince and Martha Palmer Zero pronouns, or dropped arguments, are a remarkably frequent phenomenon in Korean. This single syntactic form is made up of diverse subcategories, each of which is character- ized by distinct semantic and pragmatic properties. More widely acknowledged types are those that depend on other linguistic expressions for their reference: such text-dependent types include anaphoric and discourse-deictic zero pronouns.

Other text-independent types are deictic zero pronouns, generic and specific indefinite zero pronouns and situational zero pronouns, although it is possible for some of these text-independent types to enter coreferential relations with other nominal expressions in their surroundings. Previous re- search focusing on anaphoric zero pronouns, most notably that based on Centering Theory, claims that information-theoretic notions such as saliency govern their felicitous use and interpretation. While the general insight holds true, various efforts to encapsulate it by way of precise formulation of Cf-ranking or other hierarchies fall short, largely due to the fact that the notion is encoded by heterogeneous linguistic factors whose relations cannot be expressed single-dimensionally. From a language processing point of view, the diverse nature of Korean zero pronouns presents the unique challenge of blending the tasks of cat- egorization and identification of their antecedents.

In this dissertation, using Maximum Entropy as the machine learning method of choice, various statistical models for Korean zero pronoun resolution have been successfully trained and tested on two Korean Treebank corpora. These Models serve as a valuable opportunity for empirically testing various the- oretical claims and observations made on Korean zero pronoun anaphora. Features used in constructing the models and making predictions on zero pronoun reference encode lin- V guistic properties surrounding zero pronouns and their potential antecedents. The features found to have a particularly strong contribution are indeed those that encode the linguistic aspects that are commonly cited in the linguistic literature as playing a crucial role in Ko- rean Zero pronoun usage, such as topic-hood, subject-hood and the nullness of form.

While the relative importance of such features does not directly translate to linguistic hierarchies, it nevertheless provides support to some of the specific criteria used in them. vi Contents Acknowledgements iii Abstract M Contents vii List of Tables xi Introduction 1 I Analysis 4 1 Previous Work on Zero Pronouns 5 1.1 Previous Sentence-Level Work on Zero Pronouns .1 proin Government and Binding Theory.2 Huang’s (1983, 1984, 1989) Work on Chinese, Japanese and Ko- TEAN PYO a. Optimality Theory Approaches to Zero Pronouns .2 Centering Theory: A Discourse-Oriented Approach to Pronouns .1 The Centering Theory: An Overview .2 Centering Theory Across Languages. The Zero Pronoun and Centering.

30 2 Analysis of Korean Zero Pronouns 35 2.1 Defining the Object of the Study .1 Why Zero “Pronouns” .2 Overt Pronounsin Korean. eee ee ee 38 2.3 The Problem of Identification: Where to Find the Invisible .4 Korean Zero Pronouns by Reference Types.1 General Situational Zero Pronouns.43 Indefinite Personal Zero Pronouns.1 Specific Indefinite Zero Pronouns.2 +human Semantic Restriction on Generic Zero Pronouns 60 2. Coreference in Generic Zero Pronouns .4 Discourse-Anaphoric Zero Pronouns.5 Semantic Interpretation of Anaphoric Relations .1 Discourse(Textual)-Deictic Zero Pronouns .6 Deictic and/or Anaphoric: the Fuzzy Distincion. 76 3 The Centering Theory and Korean Zero Anaphora 80 3.1 Criteria for Cf Ranking: What EncodesSalence?.2 Establishing Cf Ranking for Korean.

Topic-Marked NPs vs.4 The Centering Theory and Zero Pronoun Resolution. 115 viii II Resolution 118 Overview 119 1 Previous Work 121 1.1 Pronoun Resolution: An Overview. 0000 ee eee nae 121 1.2 The Traditional Approach .13 The Statistical Approach.4 The Knowledge-Poor Approach .5 Resolution of Zero Pronouns: The Case of Spanish .2 Centering Theory and Pronoun Resolulon. Brennan, Friedman and Pollard(1987).2 Strube’s (1998)“S-lst”Approach.3 Left-Right Centering by letreault(1999).4 Resolution of Zero Pronouns Using Centering: The Case of Thai.

Optimality Approaches to Anaphora Resolulon.2 Hong (2002) and Kim (2003): OT-Based Korean Anaphora Reso- lution ©. nu kg và ky 141 2 The Data: The Penn Korean Treebank Corpora 145 2. HQ va ko 145 2. Q HQ ung vo 151 2.1 Zero Pronouns with a Intra-sentential Antecedent.2 Determining the Categories.

157 ix 3 A Rule-Based Approach: Variations of the Hobbs Algorithm 161 3.1 The Hobbs Algorithm.2 Variations of Hobbs on Korean Zero Pronouns 164 3.3 Significance of Syntactic Environments 168 344 Summary. 170 4 A Maximum Entropy Reference Resolution System 171 41 TheDesign .1 Classification and Resolution.2 Two-Phased vs. Single-Phased System 175 4. Maximum Entropy asa Ranking Method .4 Selection of Features.

183 42 Single-Phased System.1 Performance by Type. 196 43 Two-Phased System.4 A Resolution System for Anaphoric Zero Pronouns 204 4.1 A Maximum-Entropy Model 205 4.2 Feature Opt-InModels .5 Performance Scores: A Round-Up 219 Conclusions 222 Bibliography 227 List of Tables 1.1 Dropped topic subject in Italian (cantare(x), x=lui, x=topic) .2 Overt non-topic subject in Italian (cantare(x),x=lui) .3 Overt topic subject in English (sing(x), x=he, x=topic) .4 Overt non-topic subject in English (sing(x),x=he) .5 Overt topic subject in Yiddish (sing(x), x=he, x=topic) .6 Overt topic subject in Yiddish (ranedQ).7 Thai input with overt subject ©.8 Thai input with Prosubject. LH HH KV 21 1.9 Thai input with embedded Pro subJect.10 Centering transition states.1 Pronominal system of Korean, 1st and 2ndperson.2 Pronominal system of Korean, 3rdperson.3 Classification of Japanese zero anaphor by Kameyama (1985) .4 Classification of Korean zero pronouns. 46 11 Pronoun resolution algorithms for New York Times .2 Pronoun resolution algorithms for fictional texts.3 COHERE and ALIGN produce preference ranking of 4 centering transition TYPES / .1 Zero pronoun frequencies in KTB landKTB2.2 pro and PRO frequencies in the Penn Chinese Treebank5.3 Zero pronoun frequencies by grammaticalroles.4 Zero pronoun frequencies bytype .5 Overt pronouns inKTB 1, lstand2nd person .6 Overt pronouns in KTB 1, 3rd person and other .7 Overt pronouns in KTB 2, lstand 2ndperson.8 Overt pronouns in KTB 2, 3rd personandother.1 Naive Hobbs algorithm on Korean zero pronouns .3 Hobbs algorithm on Korean zero pronouns, adverbial NPs not considered .4 Hobbs algorithm on Korean zero pronouns, argument antecedents only .5 Hobbs algorithm on Korean zero pronouns, performance by clausal groups .1 Binary classification for zero pronoun and its potential antecedent NP in 06:2182 4.2 Binary classification of coreference for zero pronounin06:2 .3 Binary classification of coreference for zero pronounin06:2.4 Feature vector of coreference events for two pro subjects, partially repre- sented 2.5 Numbers of targets/events generated per7Ør2.6 Numbers of coreferential targets/events generated perpro.7 Training and testing set sizes forthe two corpora.

2nu ng Q g kg V v ki ki k va 194 4.9 Performance of models as a binary classifer.10 Confusion matrix for binary classifiers, KTBI.11 Confusion matrix for binary classifiers, KTB2.12 Performance of coreference resolution models.13 Performance of coreference resolution models, averaging on 10 cross-fold validation 2.14 Accuracy by zero pronoun type,KTBI,.15 Accuracy by zero pronoun type,KTB2.16 Prediction pattern for anaphoric (a) zero pronouns, KTB2 .17 Prediction pattern for deictic-speaker (1) zero pronouns, KTB2 .18 Prediction pattern for generic (g) zero pronouns, KTB2 .19 Confusion matrix for category classification model (Phase 1), KTB 1.20 Combined performance of Phase 1 and Phase2, KTB1.21 Comparison of two approaches, KTB 1 .22 Confusion matrix for category classification model (Phase 1), KTB2.23 Combined performance of Phase 1 and Phase2, KTB2.24 Comparison of two approaches, KTB2 .25 Numbers of coreferential NPs per NP-anaphorlcøo.26 Performance of coreference resolution models.