Elaborazione del linguaggio naturale automi trasduttori morfologia

Elaborazione del linguaggio naturale automi, trasduttori & morfologia Maria Teresa PAZIENZA a. a. 2007 -08

Programma § § § Breve introduzione all’NLP § Linguaggi Naturali e Linguaggi Formali § Complessità Morfologia § Teoria: Morfologia del Linguaggio Naturale § Strumenti: Automi e Trasduttori § Analisi Morfologica: con automi e trasduttori Part of Speech Tagging § Teoria: Le classi morfologiche § Strumenti a Analisi: modelli a regole e statistici Sintassi § Teoria: Sintassi del Linguaggio Naturale § Strumenti: CFG § Analisi Sintattica: parsing top-down, bottom-up, Early Semantica § Lexical Semantics § Sentence Semantics Info

Sommario Strumenti per la Morfologia • Automi a stati finiti (FSA) • • FSA deterministici FSA non-deterministici (NFSA) Introduzione alla Morfologia FSA e Morfologia: riconoscimento • Trasduttori a stati finiti (FST) • Cosa sono • FST e Morfologia: parsing

FSA: semplice esempio FSA per riconoscere e generare sequenze di simboli appartenenti al linguaggio (regolare) delle caprette, descritto dall’espressione regolare: /baa+!/ SIMBOLO STATO INIZIALE STATO TRANSIZIONE STATO FINALE FSA : il suo comportamento durante la fase di riconoscimento è totalmente determinato 1. dallo stato in cui si trova e 2. dal simbolo in arrivo. FSA

FSA non-deterministici (NFSA) Un automa è detto non-deterministico se ha due archi uguali uscenti dallo stesso stato. Quindi: - Deterministico vuol dire che ad ogni stato può essere presa una sola decisione - Non-Deterministico vuol dire che ad ogni stato si può scegliere tra più decisioni Equivalenza tra FSA e NFSA - Un NFSA può essere sempre convertito in un FSA equivalente (che definisce cioè lo stesso linguaggio) - NFSA e FSA hanno quindi lo stesso potere di riconoscimento/generazione - L’FSA equivalente di un NFSA ha sempre più stati dell’NFSA

FSA non-deterministici (NFSA) Un tipo particolare di non-determinismo è quello causato dalla presenza di εtransizioni (o jump arcs) ovvero da archi/transizioni non legati ad alcun simbolo ingresso. ε Una ε-transizione corrisponde ad un passaggio di stato che non influenza la stringa in esame: - in riconoscimento: non viene letto il simbolo corrente della stringa -in generazione: non viene prodotto alcun simbolo In questo caso si introduce una forma di non determinismo in quanto non si sa se seguire la transizione ε oppure l’arco ! NFSA

FSA non-deterministici (NFSA) Un tipo particolare di non-determinismo è quello causato dalla presenza di ε-transizioni (o jump arcs) ovvero da archi/transizioni non legati ad alcun simbolo ingresso. Possibili soluzioni: 1. Backup: inserire un marker per indicare un punto su cui siamo già passati 2. Look-ahead: guardare avanti per decidere quale percorso scegliere 3. Parallelismo: in uno stato con più scelte, verificare in parallelo percorsi alternativi NFSA

FSA non-deterministici (NFSA) Algoritmo di backup: quando si raggiunge un punto con nessuna possibilità di andare avanti (no input oppure nessuna transizione legale), ri ritorna al precedente punto di decisione , si selezione una delle alternative ancora non esplorate, e si continua da quella fase. In questo NFSA, per ciascun punto di scelta, bisogna solo ricordare lo stato in cui ci si trova (nodo) e la posizione corrispondente sul nastro in input. La combinazione di stato e posizione del nastro corrispondente (search-state) nel suo insieme costituisce lo spazio di ricerca

FSA non-deterministici: ricerca Riconoscimento: negli stati non-deterministici l’FSA può seguire strade diverse, ovvero prendere decisioni errate. In tal caso deve essere in grado di: - Riconoscere la soluzione errata; - Cercare altre soluzioni prendendo strade diverse; - Ricordare quali sono le strade diverse L’automa deve quindi effettuare una ricerca nello spazio delle soluzioni (state-space search) Ad ogni bivio (choice point) devono quindi essere memorizzate in una agenda tutte le coppie di stati alternativi e la posizione nella stringa dopo la transizione δ (search-states) SEARCH STATES STATO CORRENTE q 2, [b, a, a] q 3, [b, a, a] q 2, [b, a, a] NFSA

Ricerca in NFSA: esempio b q 0 a q 1 a a q 2 ! q 3 q 4 NFSA

Ricerca in Profondità NFSA: esempio NFSA

Ricerca in Ampiezza NFSA: esempio NFSA

Ricerca in NFSA: algoritmo di ricerca NFSA

Ricerca in NFSA: algoritmo di ricerca L’algoritmo produce in uscita un reject solo quando l’agenda diventa vuota (quindi non alla fine del nastro in uno stato di nonaccettazione, nè per affermare che il nastro non può avanzare in un nuovo stato). Essendo in una situazione di non-determinismo, si indica un errore in un dato percorso, non un insuccesso totale. Si rigetta una stringa solo quando tutte le scelte possibili sono state prese in esame e si è arrivati ad un insuccesso. Lo spazio degli stati consiste di tutte le coppie possibili (stato, posizione); la ricerca avverrà navigando attraverso questo spazio cercando una coppia con stato accept e posizione fine nastro. Ruolo dell’ordine con cui avviene la ricerca (si possono esaminare molte situazioni non utili prima di incontrare quella corretta). (profondità verso ampiezza, stack verso coda)

Sommario Strumenti per la Morfologia • Automi a stati finiti (FSA) • • FSA deterministici FSA non-deterministici (NFSA) Introduzione alla Morfologia FSA e Morfologia: riconoscimento • Trasduttori a stati finiti (FST) • Cosa sono • FST e Morfologia: parsing

Morfologia: definizioni La morfologia (morphology) è lo studio di come le parole sono costruite a partire da unità atomiche dette morfemi. I morfemi (morphemes) sono le più piccole unità linguistiche possiedono un significato. Possono essere divisi in due classi: - Radice (stem) il morfema che dà il significato principale alla parola - Affisso (affix) particelle apposte alla radice che ne completano il significato e la funzione grammaticale ESEMPIO radice gatt-o gatt-i buy-s affisso buy - er Morfologia

Morfologia: definizioni La morfologia può essere divisa in due parti principali - Inflectional Morphology: combinazione di una radice con un affisso che risulta in una parola (forma flessa) della stessa classe (nome, verbo, aggettivo, ecc. . ) con una funzione grammaticale specifica § cat (nome sing) cat-s (nome plur) § cut (verbo base) cut-ting (verbo progressivo) - Derivational Morphology: combinazione di una radice con un affisso che risulta in una parola di una classe diversa. Il significato della nuova parola non è facilmente prevedibile § trasporto (nome) trasport-abile (aggettivo) § computerize (verbo) computeriz-ation (nome) Morfologia

Quante morfologie ? Ogni linguaggio naturale ha una sua morfologia (affissi, regole, ecc. ) Due classi principali: - Concatenative morphology: una parola è composta da morfemi concatenati insieme § Italiano, Inglese: gatt-o, cat-s, buy-er - Non-concatenative morphology: le parole sono composte in maniera complessa § Ebraico: lamad (radice: lmd; affissi: a-a pass. rem. attivo) Lingue agglutinanti: le parole sono formate da molti affissi § Turco: uygarlaştiramadiklarimizdanmişsinizcasina (“comportarsi come se fossi tra quelli che non possono civilizzare”) Morfologia

Morfologia inglese Caratteristiche: - Concatenative morphology - Non-agglutinative (al più 4 o 5 affissi) - Una parola può avere più affissi: - Prefissi: - Suffissi: - Combinazioni: un-certain eat-s un-clear-ly - Inflectional morphology: semplice, applicata solo a nomi, verbi e aggettivi - Derivational Morphology: complessa Morfologia

Inflectional Morphology NOMI: Due solo inflessioni: - Plurale: - Possessivo: cat-s dog’s thrush-es childrens’ VERBI: Quattro forme morfologiche: - stem: walk - s form: walk-s - past form: walked - ing form: walking - Irregolari: (ca. 250) Parole che non seguono le regole morfologiche (Esempio: mouse mice go goes, going, went). La maggior parte dei nomi e verbi inglesi sono regolari - La classe dei verbi regolari è produttiva : una nuova parola della lingua è automaticamente inclusa nella classe (Esempio: faxes, faxing, faxed ) Morfologia

Derivational Morphology nominalizzazione (verbo, aggettivo nome) -ation computerize computerization -ee appointee -er killer -ness fuzzy fuzziness nome, verbo aggettivo -al Computational -able Embraceable -less Clueless Morfologia

A cosa serve l’analisi morfologica automatica? - Stemming in Information Retrieval § Data una parola della query, cercare le pagine che contengano anche le sue forme flesse - Spell Checking § Riconoscere quali forme flesse sono ammissibili in una lingua e quali no (ad esempio gatt-o e gatt-are) - Traduzione Automatica § Ricondurre parole diverse a una stessa radice e quindi alla stessa traduzione (ad esempio amatore, amare love) Morfologia & FSA

Quali strumenti usare ? - Lessico esteso § Un lessico (lista di parole) che contiene tutte le parole della lingua in tutte le forme flesse § Spreco di spazio e non è produttivo! - Lessico ridotto + Automi § La morfologia è generalmente produttiva (gran parte delle parole segue le regole morfologiche per formare le forme flesse) § Conviene quindi utilizzare: § Lessico contenente solo radici e affissi (ed eventualmente irregolarità) § Implementazione delle regole morfologiche in un dispositivo § FSA sono semplici dispositivi per implementare tali regole Morfologia & FSA

Sommario Strumenti per la Morfologia • Automi a stati finiti (FSA) • • FSA deterministici FSA non-deterministici (NFSA) Introduzione alla Morfologia FSA e Morfologia: riconoscimento • Trasduttori a stati finiti (FST) • Cosa sono • FST e Morfologia: parsing

FSA: riconoscimento Un FSA può essere utilizzato per riconoscere se una parola è ammissibile in una lingua - Cosa serve? Lessico: lista di radici ed affissi della lingua (invece di lista di tutte le parole della lingua – troppo lunga e non esaustiva) § 1. Esempio: [cat, dog, cut, go, …, -s, -ed, -ation, -able, …, un-, dis-] Regole Morfologiche (morphotactics): le regole di costruzione dei morfemi che spiegano come classi di morfemi possono seguire altre classi di morfemi in una parola § Esempio: Plurale inglese: radice + -s 2. Regole Ortografiche: cambiamenti che occorrono in una parola quando due morfemi si combinano § Esempio: city cities Morfologia & FSA

NOMI: regole morfologiche FSA per modellare l’inflessione plurale per nomi regolari ed irregolari Come modellare i nomi (regolari ed irregolari) nell’FSA? Ovvero: Come si può integrare il lessico? Morfologia & FSA

NOMI: regole morfologiche + lessico Integrazione del lessico dei nomi regolari ed irregolari R E G O L A R I I R R E G O L A R I Morfologia & FSA

Sommario Strumenti per la Morfologia • Automi a stati finiti (FSA) • • FSA deterministici FSA non-deterministici (NFSA) Introduzione alla Morfologia FSA e Morfologia: riconoscimento • Trasduttori a stati finiti (FST) • Cosa sono • FST e Morfologia: parsing

Dal Riconoscimento al Parsing RICONOSCIMENTO : indica se una data parola in input è morfologicamente corretta oppure no (ad esempio gatti è corretta, gattare è scorretta) FSA PARSING/GENERAZIONE : - parsing: produce un’analisi morfologica della parola in input: data la parola in input viene restituita la sua struttura cats cat +N +PL - generazione: data una struttura morfologica in input, produce una forma superficiale (parola) cat +N +PL cats FST

Trasduttori a Stati Finiti (FST) I Trasduttori sono automi a stati finiti con due nastri A e B Ad es, può leggere da un nastro (ad es. “cats”) e scrivere sull’altro (“cat + N + PL”) Quattro modalità di utilizzo dell’ FST: riconoscitore: riceve in input una coppia di stringhe su A e B, e restituisce accept se essa appartiene al linguaggio delle coppie (una stringa per nastro) § cats, cat+N+PL accept produttore: restituisce coppie di stringhe appartenenti al linguaggio su A e B § Output: tutte le parole del lessico con la loro struttura traduttore: riceve in input una stringa su A (o B) e ne restituisce un’altra su B (o A) § cats cat+N+PL (PARSING) § cat+N+PL cats (GENERAZIONE) correlatore: correla set di stringhe in A e B FST

FST: definizione formale Un FST è definito dai seguenti parametri: - Q : un insieme finito di N stati q 0…. q. N -Σ : un alfabeto finito di simboli complessi. Ogni simbolo complesso è una coppia (uno per nastro) di simboli i: o appartenenti rispettivamente agli alfabeti I e O (Σ I x O) - q 0 : lo stato iniziale - F : un insieme di stati finali F Q -δ(q, i: o) : funzione di transizione tra stati (relazione da Q x Σ a Q) che restituisce un nuovo stato a partire da un dato stato e un simbolo complesso in input ESEMPIO di utilizzo di un FST : - riconosce tutte le coppie di stringhe in cui una ha tutte a e l’altra uno stesso numero di b - produce stringhe di a su un nastro e stringhe di b sull’altro, con la stessa lunghezza - traduce stringhe di a in input in stringhe di b della stessa lunghezza in output, e viceversa FST

Trasduttori a Stati Finiti (FST) Un FSA definisce un linguaggio formale attraverso la definizione di un insieme di stringhe – un FSA è isomorfo ai linguaggi regolari Un FST definisce una relazione tra insiemi di stringhe – un FST è isomorfo alle relazioni regolari Ovvero l’FST esprime il concetto della relazione tra due entità formalmente definite

Trasduttori a Stati Finiti (FST) Un FST gode delle proprietà di Inversione: l’inversione di un transducer T (T -1) cambia l’input in output - se T correla l’input I all’ouput O, T -1 correla l’input O all’ouput I Composizione: se T 1 è un transducer da I 1 ad O 1 , e T 2 è un transducer da I 2 ad O 2, allora T 1 ◦T 2 correla I 1 ad O 2 La proprietà di inversione inverte i ruoli di input ed output, facendo passare il FST da un ruolo ad un altro (da parser a generatore) La proprietà di composizione permette di porre più transducer in serie ed ottenere un transducer più complesso

FST: -transizioni Come gli FSA, anche gli FST possono avere ε-transizioni (o jump arcs) ESEMPIO : : - riconosce tutte le coppie di stringhe in cui quella sul primo nastro ha tutte a e quella sul secondo un numero doppio di b - produce le coppie di stringhe … ε: - traduce stringhe di a in input in stringhe di b di lunghezza doppia Σ = {a: b, : b} L = {0, abb, aabbbb, aaabbbbbb…} FST

Sommario Strumenti per la Morfologia • Automi a stati finiti (FSA) • • FSA deterministici FSA non-deterministici (NFSA) Introduzione alla Morfologia FSA e Morfologia: riconoscimento • Trasduttori a stati finiti (FST) • Cosa sono • FST e Morfologia: parsing

FST e morfologia: parsing OBIETTIVO: Livello Superficiale Livello Lessicale Passare da un livello superficiale ad un livello lessicale e viceversa, utilizzando un FST in funzione di traduttore: § cats cat+N+PL (PARSING) § cat+N+PL cats (GENERAZIONE) Morfologia & FST

FST e morfologia: parsing OBIETTIVO: c: c a: a t: t N: ε PL: s Passare da un livello superficiale ad un livello lessicale e viceversa, utilizzando un FST in funzione di traduttore: § cats cat+N+PL (PARSING) § cat+N+PL cats (GENERAZIONE) Morfologia & FST

Analisi morfologica a due stadi Dal livello superficiale al livello lessicale (PARSING) Sono necessari due stadi ( due trasduttori) 1. IDENTIFICAZIONE DEI MORFEMI: Data la parola in input sul nastro A, il trasduttore la divide su B nei morfemi costituenti (radice + affissi) 2. IDENTIFICAZIONE DELLA STRUTTURA: Dati i morfemi costituenti sul nastro A, il trasduttore identifica la categoria della radice e il significato degli affissi Livello Superficiale Livello Intermedio Livello Lessicale P A R S I N G Morfologia & FST

Stadio 1: Identificazione dei morfemi ESEMPIO: nomi singolari/plurali Obiettivo § Rappresentare con un FST le regole ortografiche della lingua per i nomi regolari e irregolari § Input: cats Output: cat+s Regola e-insertion cats cat+s foxes fox+s + kisses kiss+s s: s, z: z, x: x + s: s Morfologia & FST

Stadio 1: non è così facile … Problemi § Il trasduttore gestisce solo la regola della e-insertion, e non altri casi: § Regola y-replacement: berries berry +s § Regola raddoppio consonanti: begging § Ecc. ecc. (berrie +s) § Bisogna quindi implementare più regole ortografiche, nello stesso trasduttore, o in trasduttori paralleli! § Ambiguità locale: foxes produce due forme di cui solo la prima è corretta: fox+s , foxe+s, foxes. Morfologia & FST

Stadio 2: Identificazione della struttura ESEMPIO: nomi singolari/plurali Obiettivo § Rappresentare con un FST le regole morfologiche della lingua per i nomi regolari e irregolari § Input: cat+s, mouse, mice Output: cat N PL, mouse N SG, mouse N PL reg: reg irr_sing: irr_sing irr_plur: irr_sing Bisogna aggiungere il lessico ! Morfologia & FST

Stadio 2: Identificazione della struttura ESEMPIO: nomi singolari/plurali

Stadio 1+2: Combinare lessico e regole E’ possibile combinare i due stadi mettendo in cascata (serie) i due trasduttori: l’output dell’uno sarà l’input dell’altro (bottom-up parsing, top-down generazione) Livello Lessicale Livello Intermedio in serie o in parallelo Livello Superficiale Oppure, è possibile fondere i due trasduttori, attraverso un’operazione di intersezione Morfologia & FST

Vantaggi e problemi Vantaggi degli FST § Computazionalmente efficienti § Semplici § Doppio uso: parsing e riconocimento § Qual’è la morfologia di foxes ? foxes fox+N+PL § Qual è il plurale di fox ? Fox+N+PL foxes Problemi § Laborioso costruire e codificare un trasduttore per gestire ogni regola ed eccezione: § Soluzione: Tool automatici di traduzione regola FST § Ambiguità globale: kisses può essere sia verbo che nome § kisses kiss+N+PL kisses kiss+V+3 SG § Per disambiguare sono necessarie risorse esterne (non morfologiche), ad esempio il contesto sintattico Morfologia & FST

Argomenti trattati in questa lezione • • DFSA, NFSA ε-transizioni (o jump arcs) state-space search Morfologia (derivazionale/inflezionale, concatenativa/non-concatenativa, FSA e riconoscimento, FST e loro proprietà)

Elaborazione del linguaggio naturale Le presentazioni sugli argomenti di elaborazione del linguaggio naturale fanno in alcuni passi riferimento ad alcune presentazioni dei colleghi prof. Fabio Massimo Zanzotto e dottor Marco Pennacchiotti, oltre che ad alcune parti del libro: Speech and Language Processing, Prentice Hall, 2000, autori D. Jurafsky, J. H. Martin.