《中文文本信息处理》 第八章 语法分析.ppt

中文文本信息处理的原理与应用 概率上下文无关文法(PCFG) 定义 本章用到的符号 句子概率的计算公式 PCFG模型假设所基于的条件 文法示例 中文文本信息处理的原理与应用 句子概率的计算公式 一个句子的概率由以下公式给出： t是句子的分析树 而且，我们很容易利用PCFG模型确定一棵树的概率，只需把构造它的各个子树的规则概率相乘即可 中文文本信息处理的原理与应用 概率上下文无关文法(PCFG) 定义 本章用到的符号 句子概率的计算公式 PCFG模型假设所基于的条件 文法示例 中文文本信息处理的原理与应用 PCFG模型假设所基于的条件 这个模型的假设所需要的条件是： 位置不变性。 is the same 上下文无关性。 祖先无关性。 中文文本信息处理的原理与应用 概率上下文无关文法(PCFG) 定义 本章用到的符号 句子概率的计算公式 PCFG模型假设所基于的条件 文法示例 中文文本信息处理的原理与应用 文法示例 中文文本信息处理的原理与应用 文法示例(续1) 利用上表中的语法分析句子“astronomers saw stars with ears ”则有两个概率语法分析树： 中文文本信息处理的原理与应用 文法示例(续2) 中文文本信息处理的原理与应用 概率上下文无关文法分析 概率上下文无关文法(PCFG) 概率上下文无关文法的一些特征 概率上下文无关文法的问题 词串概率的计算 内部-外部算法的问题 中文文本信息处理的原理与应用 概率上下文无关文法的特征 为了覆盖一个庞大而且变化多端的文本语料库中的语言现象，需要不断扩展语法，这样就会使语法出现越来越多的歧义，因而对于大部分词序列开始出现很多结构不同的分析。一个PCFG给出了计算这些不同分析的合理度的一些思路 一个PCFG并没有给出一个计算不同分析的合理度的好思路，因为它的概率估计是基于纯粹的结构因素的，并没有考虑词汇的同现因素。 中文文本信息处理的原理与应用 概率上下文无关文法的特征(续1) PCFG有利于语法归纳。 鲁棒性。 PCFG给出了一个英语的概率语言模型(然而CFG没有)。 如果用熵来衡量，那么一个PCFG的预测能力要比一个有相同参数的有限状态语法更强。 中文文本信息处理的原理与应用 概率上下文无关文法的特征(续2) 在实践中，对于英语而言PCFG是一个比n元语法模型描述能力更差的语言模型。一个n元语法模型可以考虑局部词汇上下文，但是一个PCFG却没有利用它。 就PCFG本身而言，它并不是很好的模型，但是我们希望把一个PCFG和三元语法模型结合起来。 PCFG有一些不合适的偏置。 中文文本信息处理的原理与应用 概率上下文无关文法分析 概率上下文无关文法(PCFG) 概率上下文无关文法的一些特征 概率上下文无关文法的问题 词串概率的计算 内部-外部算法的问题 中文文本信息处理的原理与应用 概率上下文无关文法的问题 对应于一个语法G，句子 的概率P( |G)是什么？ 句子最可能的分析是什么： arg maxt P( t| , G)?？ 我们怎样选择语法G的规则概率才能使一个句子的概率最大：arg maxＧP( |G)?？ 中文文本信息处理的原理与应用 概率上下文无关文法分析 概率上下文无关文法(PCFG) 概率上下文无关文法的一些特征 概率上下文无关文法的问题 词串概率的计算 内部-外部算法的问题 中文文本信息处理的原理与应用 词串概率的计算 内部概率的使用 外部概率的使用 确定句子的最佳句法分析结果 概率上下文无关文法的训练 中文文本信息处理的原理与应用 内部概率的使用 计算一个词串的总概率的有效方法是内部算法(inside algorihtm)，它是一种基于内部概率的动态规则算法 ： 基本形式：我们希望得到 ，即规则 的概率大小： 中文文本信息处理的原理与应用 词串概率的计算 内部概率的使用 外部概率的使用 确定句子的最佳句法分析结果 概率上下文无关文法的训练 中文文本信息处理的原理与应用 外部概率的使用 利用外部概率来计算词串的概率，对于任意k，1≤k≤m 外部概率的推导计算需要参考内部概率 中文文本信息处理的原理与应用 外部概率的使用(续) 基本形式：就是非终结符作为根节点时的概率： 当 中文文本信息处理的原理与应用 词串概率的计算 内部概率的使用 外部概率的使用 确定句子的最佳句法分析结果 概率上下文无关文法的训练 中文文本信息处理的原理与应用 确定句子的最佳句法分析结果 算法思想：通过使用内部算法寻找总体最优来构建一个Viterb