8、概率句法分析.ppt

概率句法分析 徐志明 哈工大语言技术中心 语言的描述 语言的描述 统计学的方法： 语言是个概率分布。 构造概率模型，描述语言句子的概率分布。 例如：n-gram模型、HMM。 代数学的方法 语言是一个句子集合。 定义一种文法，它可推导出该语言的所有句子。 通过能否推导出完整的句法分析树，判断句子的合法性。 上述两种方法结合 概率文法：将概率引入到语言文法中，分析句子的句法结构。 用概率指导句法结构歧义的消解。 语言文法 语言文法： 四元组：G=(VN ,VT ,R,S) VN：非终结符的集合，表示句子结构分析的中间成分 VT ：终结符的集合，相当于词汇表。 R ：规则集 ：基本形式： 。其中： ， 。 S ：初始符号，代表语言的句子。 例如：句子：The man ate the apple. 文法的类型 0-型（无约束文法） – 无限制 1-型（上下文相关文法） αAβ ? αγβ 2-型（上下文无关文法） A ? γ 3-型（正则文法） A ? aB A ? a 上下文无关文法 上下文无关文法 (Context Free Grammar，CFG) 四元组：G=(VN ,VT ,R,S) VN：非终结符的集合 VT ：终结符的集合。 R ：规则集。基本形式： 。其中： ， 。 S ：初始符号。 概率上下文无关文法(Probabilistic Context Free Grammar，PCFG) 将概率引入到CFG文法中。 每条规则 ，附带一个概率值 。 约束： PCFG：例子 句法分析 句法分析(Parsing) 和句法分析器(Parser) 任务： 词序列 ? 句法分析树。 本质：线性序列 ? 非线性序列。 动机：自然语言是一种非线性的符号序列。句子结构表现为复杂的嵌套性，而N-gram和HMM只能处理线性序列。 句法分析例子： 输入句子：I saw the dog with the telescope. 输出该句子的句法分析树 CFG：句法分析树表示 (S (NP (Pro I)) (VP (VP (V saw) (NP (Det the) (N dog))) (PP (P with) (NP (Det the) (N telescope))))) 句法分析模型 Parser Model 计算句法分析树概率： 。 计算句子概率： 句法歧义消解：选择概率最大的句法分析树： 句法分析树概率计算 句法分析树：假设 位置无关 子树的概率与构成子树所在的位置无关。 类似于HMM中的时间无关。 上下文无关 子树的概率与子树以外的词无关。 祖先无关 子树的概率与子树以外的节点无关。 PCFG规则概率估计 语言学文法 构造CFG。编写语言规则。 语料库建设 建立基于CFG的句法树库(Tree Bank)： 带有句法标注的语料库。 句法分析树的集合。如Pen Tree Bank 文法训练：规则概率 对于规则 ，在树库上统计该规则及其非终结符A的频度。 然后可估计规则概率 应用： 应用概率Parser进行句法分析。 PCFG规则概率估计—例子 句法分析的难点 句法分析的难点： 句法歧义：一个句子对应着几种可能的句法分析结果（多颗句法分析树） 句法分析的核心任务是消解句子在句法结构上的歧义。 符号注释 一些符号的注释 句子 句法分析树：T 文法G =(VN ,VT ,R,S) 假设文法G的规则 形式只有两种形式： 可以通过范式化处理，使CFG 规则满足上述形式。 PCFG的三个基本问题 与HMM相似，PCFG也有三个基本问题。 问题1： 给定文法G，计算由G生成句子S 的概率 ？ 问题2： 寻找句子S最优句法分析树? 问题3： 如何从语料库W中训练G的概率参数,使得P(W|G)最大 模型参数训练问题 问题12 思路 采用动态规划算法，将句法分析树的概率计算转换成句法分析树的子树的概率计算。 问题1：向内算法 向内变量 非终结符A的内部概率（Inside probability）（可理解成子树概率）。根据文法G从A推出词串 的概率。 问题1：向