Computerlinguistische Semantik

Die computerlinguistische Semantik befasst sich mit der Darstellung und Berechnung der Bedeutung von Wörtern, Phrasen und Sätzen, indem sie Sprache auf formale Bedeutungsrepräsentationen oder auf distributionelle Bedeutungsrepräsentationen abbildet.

Definition

Die computerlinguistische Semantik ist die Konstruktion von Bedeutungsrepräsentationen für Ausdrücke der natürlichen Sprache, sei es als formale logische Formen, die kompositionell aus Teilen aufgebaut sind, oder als distributionelle Repräsentationen der Wort- und Phrasenbedeutung, zusammen mit Methoden zur Disambiguierung und zum Schlussfolgern über diese.

Scope

Dieses Thema behandelt die Bedeutungsrepräsentation in der NLP: logische/kompositionelle Semantik (Abbildung von Sätzen auf logische Formen, mit dem Prinzip der Kompositionalität und des Quantorenskopus), lexikalische Semantik und Wortbedeutung, semantische Rollenetikettierung sowie distributionelle und vektorielle Bedeutungsrepräsentationen. Es befasst sich mit dem semantischen Parsing in ausführbare oder logische Bedeutungsrepräsentationen und der Auflösung von Ambiguitäten auf Bedeutungsebene. Die syntaktischen Strukturen, die die Bedeutungskomposition speisen, werden unter syntaktischem Parsing behandelt.

Core questions

• Wie wird die Bedeutung eines Satzes aus den Bedeutungen seiner Teile und ihrer syntaktischen Kombination gebildet?
• Wie werden logische Formen und der Quantorenskopus repräsentiert und berechnet?
• Wie wird die korrekte Bedeutung eines mehrdeutigen Wortes im Kontext bestimmt?
• Wie erfassen distributionelle und vektorielle Repräsentationen die Wortbedeutung aus der Verwendung?

Key concepts

• Kompositionalität
• logische Form und Quantorenskopus
• Lambda-Kalkül für Bedeutung
• lexikalische Semantik und Wortbedeutung
• Wortbedeutungsdisambiguierung
• semantische Rollenetikettierung
• distributionelle Semantik und Vektoren
• semantisches Parsing

Key theories

Kompositionelle (formale) Semantik

Nach Montagues Programm wird die Bedeutung eines komplexen Ausdrucks als Funktion der Bedeutungen seiner Teile und ihrer syntaktischen Kombination berechnet, wodurch Sätze auf logische Formen abgebildet werden können, die für die Inferenz geeignet sind.

Lexikalische Semantik und Wortbedeutung

Wörter haben mehrere verwandte Bedeutungen, die in lexikalischen Ressourcen organisiert sind, und die Wortbedeutungsdisambiguierung verwendet den Kontext, um die beabsichtigte Bedeutung auszuwählen, eine Voraussetzung für eine genaue Bedeutungsrepräsentation.

Distributionelle Semantik

Die Bedeutung eines Wortes kann durch die Kontexte repräsentiert werden, in denen es vorkommt, was zu Vektorrepräsentationen führt, in denen semantische Ähnlichkeit der Nähe entspricht, ein Paradigma, das durch die distributionelle Hypothese erfasst wird, dass Wörter in ähnlichen Kontexten ähnliche Bedeutungen haben.

Clinical relevance

Bedeutungsrepräsentationen unterstützen die Beantwortung von Fragen über Wissensbasen, natürlichsprachliche Schnittstellen zu Datenbanken, Dialogverständnis und textuelles Folgern, indem sie Sätze in Formen umwandeln, über die Systeme Schlussfolgerungen ziehen oder Abgleiche vornehmen können; distributionelle Repräsentationen bilden die Grundlage eines Großteils der modernen semantischen Ähnlichkeit und des Informationsabrufs.

History

Die formale Semantik in der NLP stützte sich auf Montagues kompositionelle Behandlung der Quantifizierung (1973) und die logische Bedeutungsrepräsentation. Lexikalische Ressourcen und die Arbeit an Wortbedeutungen reiften in den 1990er Jahren, während die distributionelle Tradition, die in Harris' distributioneller Hypothese verwurzelt ist, sich zu Vektorraum- und Einbettungsmethoden entwickelte, die heute die semantische Repräsentation dominieren.

Key figures

• Richard Montague
• Christopher D. Manning
• Daniel Jurafsky
• Zellig Harris

Seminal works

• montague1973
• jurafsky2023

Frequently asked questions

Was ist Kompositionalität in der Semantik?

Kompositionalität ist das Prinzip, dass die Bedeutung eines komplexen Ausdrucks durch die Bedeutungen seiner Teile und die Regeln zu deren Kombination bestimmt wird. Es ermöglicht Systemen, die Bedeutung neuer Sätze systematisch aus ihren Wörtern und ihrer Struktur zu berechnen, anstatt ganze Sätze auswendig zu lernen.

Wie erfassen distributionelle Repräsentationen Bedeutung?

Sie basieren auf der Beobachtung, dass Wörter, die in ähnlichen Kontexten erscheinen, tendenziell ähnliche Bedeutungen haben. Indem jedes Wort als Vektor dargestellt wird, der die Kontexte zusammenfasst, in denen es vorkommt, erhalten semantisch verwandte Wörter ähnliche Vektoren, sodass die Bedeutungsähnlichkeit zu einer geometrischen Nähe wird.