Análise Sintática

A análise sintática é a tarefa de recuperar a estrutura gramatical de uma frase, atribuindo-lhe uma árvore de constituintes ou uma estrutura de dependência que mostra como as palavras se combinam e se relacionam.

Definition

A análise sintática mapeia uma frase para uma representação de sua estrutura gramatical — tipicamente uma árvore de constituintes (estrutura de frase) ou um grafo de dependência — de acordo com uma gramática ou um modelo aprendido a partir de dados anotados.

Scope

Este tópico abrange a análise da estrutura de frases: gramáticas livres de contexto e mais ricas, análise de constituintes (árvores de estrutura de frase) e análise de dependências (relações cabeça-dependente), algoritmos clássicos de análise de gráficos como CKY e Earley, e análise probabilística e orientada por dados treinada em treebanks. Aborda como a ambiguidade sintática é representada e resolvida. O uso posterior da estrutura sintática para computar o significado é abordado em semântica computacional.

Core questions

• Como a estrutura gramatical de uma frase é representada, como constituintes ou como dependências?
• Como os algoritmos de análise de gráficos exploram eficientemente as muitas análises possíveis de uma frase?
• Como a ambiguidade sintática é tratada e como os modelos probabilísticos escolhem entre as análises?
• Como os analisadores são treinados e avaliados usando corpora anotados (treebanks)?

Key concepts

• árvores de constituintes (estrutura de frase)
• estruturas de dependência
• gramática livre de contexto
• análise CKY e Earley
• gramática probabilística livre de contexto
• ambiguidade sintática
• treebanks
• etiquetas de classe gramatical

Key theories

Gramáticas livres de contexto e análise de gráficos

As gramáticas livres de contexto modelam a estrutura de frase, e os analisadores de gráficos de programação dinâmica, como os algoritmos CKY e Earley, recuperam todas as análises válidas em tempo polinomial, reutilizando análises de subintervalos.

Análise probabilística

Atribuir probabilidades às regras gramaticais (como nas gramáticas probabilísticas livres de contexto) permite que um analisador classifique análises concorrentes e selecione a estrutura mais provável, abordando a ambiguidade generalizada da sintaxe da linguagem natural.

Treebanks e análise orientada por dados

Grandes corpora anotados, como o Penn Treebank, forneceram os dados de treinamento e avaliação que transformaram a análise em uma tarefa orientada por dados, permitindo que analisadores estatísticos e, posteriormente, neurais fossem aprendidos a partir de estruturas anotadas por humanos.

Clinical relevance

A análise sintática suporta a verificação gramatical, extração de informações, resposta a perguntas e tradução automática, ao expor como as palavras se agrupam e se relacionam; a estrutura de dependência, em particular, é amplamente utilizada como entrada para sistemas semânticos e de extração posteriores.

History

A análise sintática baseou-se nas gramáticas formais de Chomsky; os algoritmos CKY (década de 1960) e Earley (1970) proporcionaram uma análise eficiente livre de contexto. O Penn Treebank (1993) catalisou a análise estatística, e os analisadores probabilísticos e, posteriormente, neurais melhoraram progressivamente a precisão e a robustez em textos reais.

Key figures

• Noam Chomsky
• Tadao Kasami
• Jay Earley
• Mitchell P. Marcus
• Christopher D. Manning

Seminal works

• marcus1993
• jurafsky2023

Frequently asked questions

Qual é a diferença entre análise de constituintes e análise de dependências?

A análise de constituintes agrupa palavras em frases aninhadas (como sintagmas nominais e sintagmas verbais), produzindo uma árvore de constituintes. A análise de dependências, em vez disso, liga cada palavra à palavra da qual ela depende (sua cabeça), produzindo um grafo de relações gramaticais. Ambas capturam a estrutura sintática, mas enfatizam aspectos diferentes.

Por que a análise sintática é difícil, apesar de as gramáticas serem bem definidas?

As frases em linguagem natural são altamente ambíguas: uma única frase pode ter muitas estruturas gramaticalmente válidas, e o número pode crescer rapidamente com o comprimento da frase. Escolher a análise pretendida requer preferências estatísticas ou aprendidas, não apenas uma gramática, o que torna a análise um desafio.