Rotulagem de função semântica - Semantic role labeling

No processamento de linguagem natural , a rotulagem de função semântica (também chamada de análise semântica superficial ou preenchimento de slot ) é o processo que atribui rótulos a palavras ou frases em uma frase que indica seu papel semântico na frase, como o de um agente , objetivo, ou resultado.

Serve para encontrar o significado da frase. Para fazer isso, ele detecta os argumentos associados ao predicado ou verbo de uma frase e como eles são classificados em seus papéis específicos . Um exemplo comum é a frase "Maria vendeu o livro para John". O agente é "Maria", o predicado é "vendido" (ou melhor, "para vender"), o tema é "o livro" e o destinatário é "João". Outro exemplo é como "o livro pertence a mim" precisaria de dois rótulos como "possuído" e "possuidor" e "o livro foi vendido para John" precisaria de dois outros rótulos, como tema e destinatário, apesar dessas duas cláusulas serem semelhantes às funções "sujeito" e "objeto".

História

Em 1968, a primeira ideia para a rotulagem de papéis semânticos foi proposta por Charles J. Fillmore . Sua proposta levou ao projeto FrameNet , que produziu o primeiro léxico computacional importante que descreveu sistematicamente muitos predicados e suas funções correspondentes. Daniel Gildea (atualmente na University of Rochester , anteriormente University of California, Berkeley / International Computer Science Institute ) e Daniel Jurafsky (atualmente ensinando na Stanford University , mas anteriormente trabalhando na University of Colorado e UC Berkeley ) desenvolveram o primeiro sistema de rotulagem de função semântica automática baseado em FrameNet. O corpus do PropBank adicionou anotações de função semântica criadas manualmente ao corpus de Penn Treebank de textos do Wall Street Journal . Muitos sistemas de rotulagem de função semântica automática têm usado o PropBank como um conjunto de dados de treinamento para aprender como anotar novas frases automaticamente.

Usos

A rotulagem semântica de papéis é usada principalmente para que as máquinas entendam os papéis das palavras dentro das frases. Isso beneficia aplicativos semelhantes a programas de Processamento de Linguagem Natural que precisam entender não apenas as palavras das línguas, mas como elas podem ser usadas em frases variadas. Uma melhor compreensão da rotulagem de função semântica pode levar a avanços em resposta a perguntas , extração de informações , resumo automático de texto , mineração de dados de texto e reconhecimento de fala .

Veja também

Referências

  1. ^ Laux, Michael (13/01/2019). "Se você ainda não soubesse" . SunJackson Blog (em chinês) . Obtido em 2020-12-08 .
  2. ^ Boas, Hans; Dux, Ryan. "Do passado ao presente: De quadros de caso a quadros semânticos" (PDF).
  3. ^ Gildea, Daniel; Jurafsky, Daniel (2000). "Rotulagem automática de papéis semânticos" . Anais da 38ª Reunião Anual da Association for Computational Linguistics - ACL '00 . Hong Kong: Association for Computational Linguistics: 512–520. doi : 10.3115 / 1075218.1075283 .
  4. ^ Park, Jaehui (2019). "Autoatenções conectadas seletivamente para rotulagem de papéis semânticos". Ciências Aplicadas . 9 (8) - via ProQuest.
  5. ^ Gildea, Daniel; Jurafsky, Daniel. "Automatic Labeling of Semantic Roles" (PDF) . Association for Computational Linguistics . 28 (3).

links externos