74
Courses 5-6 Processing the natural language Main issues and solu6ons

Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

  • Upload
    others

  • View
    3

  • Download
    0

Embed Size (px)

Citation preview

Page 1: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Courses5-6Processingthenaturallanguage

Mainissuesandsolu6ons

Page 2: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Theresearchdomain

•  Computa(onalLinguis(cs(CL)–givesthetheore6calbackground,linguis6cmodels,computa6onaltheoriesonlanguage

•  NaturalLanguageProcessing–appliedCL– naturallanguagetechnology– humanlanguagetechnology

2

Page 3: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Naturallanguagetechnology

•  Spokenlanguage–speechprocessing•  WriGenlanguage•  Languageincorrela6onwithothermodali6es(mul6modality)

3

Page 4: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Speechtechnologies

•  Interpre6nghumanvoice–  reprezenta6onofvocalsignal– speechrecogni6on(speechtotext-S2T)– prosodyanalyses– speakerrecogni6on

•  Synthesizinghumanvoice– speechsynthesis– prosodysynthesis

4

Page 5: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

ProcessinghumanspeechsignalPRAATinterface

ThankstoProf.H.N.Teodorescu5

Page 6: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

WriGenlanguagetechnologies

•  Documentsegmenta6onandinterpreta6on– cleaning(ellimina6onofdots,enhancingcontrast,etc.)

– separa6onoftextfromimage,curvedlines...–  recognisingprinted,semi-uncialcharactersandhandwri6ng

•  Op(calCharacterRecogni(on(OCR)

6

Page 7: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Ms.45BARCluj-Napoca,secondhalfof17thcentury

Differenttypesofwri6ngintherevisedcopyofNicolaeMilescu’stransla6onofSeptuaginta,p.412-413

7

Page 8: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

WriGenlanguagetechnologies

•  AnalysisandunderstandingofwriGenlanguage– sub-syntac6cprocessing

•  lexicalunits•  sentencespli[ng•  clauseborders•  partofspeechandmorphologicalinforma6on•  lemmas•  en6tynames•  groups(nominal,verbal,prepozi6onal,etc.)andlexicalaGrac6ons(coloca6ons)

8

Page 9: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

SentencesTheLegalCommissionoftheChamberofDepu6esvotedMondayagainsttheini6a6onofcriminalprosecu6onofRovanaPlumb,theresigningministeroftheEuropeanFunds,a_erhearingher,alongwiththelawyer,foraboutanhourbylawmakers.|RovanaPlumbonceagaindeclaredherself,whenoutofhearingsinthelegalcommission,innocentoftheaccusa6onsmadebyan6corrup6onprosecutors.|

9

Page 10: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

ClausesOnSeptember22,DNAannouncedthat|DeputyPrimeMinisterSevilShhaidehissuspectedof|commi[ngserviceabusewhenhewasastatesecretaryatMDRAP,inadossierthat,in2013,|throughtheconcertedac6onofsomepublicofficials,partsoftheBelinaIslandandthePavelBrassillegallypassedfromtheStatepropertytopropertyofTeleormanCountyandintheadministra6onofTeleormanCountyCouncil,|justafewdaysa_er,theyalsobeingillegallyleasedtoaprivatecompany.| 10

Page 11: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Lexicalunits

SolicitatsăcomentezeuneditorialrecentalluiDinuPatriciu,încareacestaprecizacănucredeînsocial-liberalismşisăapreciezedacă,asfel,adatoloviturădeimagineUSL,Antonescuaspuscănuş6edacăPatricius-areferitlaUSL.

11

Page 12: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Nameen66esOnSeptember22,DNAannouncedthatDeputyPrimeMinisterSevilShhaidehissuspectedofcommi[ngserviceabusewhenhewasastatesecretaryatMDRAP,inadossierthat,in2013,throughtheconcertedac6onofsomepublicofficials,partsoftheBelinaIslandandthePavelBrassillegallypassedfromtheStatepropertytopropertyofTeleormanCountyandintheadministra6onofTeleormanCountyCouncil,justafewdaysa_er,theyalsobeingillegallyleasedtoaprivatecompany.

person

12

Page 13: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Nameen66esOnSeptember22,DNAannouncedthatDeputyPrimeMinisterSevilShhaidehissuspectedofcommi[ngserviceabusewhenhewasastatesecretaryatMDRAP,inadossierthat,in2013,throughtheconcertedac6onofsomepublicofficials,partsoftheBelinaIslandandthePavelBrassillegallypassedfromtheStatepropertytopropertyofTeleormanCountyandintheadministra6onofTeleormanCountyCouncil,justafewdaysa_er,theyalsobeingillegallyleasedtoaprivatecompany. temporalexpression

date

13

Page 14: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Nameen66esOnSeptember22,DNAannouncedthatDeputyPrimeMinisterSevilShhaidehissuspectedofcommi[ngserviceabusewhenhewasastatesecretaryatMDRAP,inadossierthat,in2013,throughtheconcertedac6onofsomepublicofficials,partsoftheBelinaIslandandthePavelBrassillegallypassedfromtheStatepropertytopropertyofTeleormanCountyandintheadministra6onofTeleormanCountyCouncil,justafewdaysa_er,theyalsobeingillegallyleasedtoaprivatecompany.

Ins6tu6on

14

Page 15: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Nameen66esOnSeptember22,DNAannouncedthatDeputyPrimeMinisterSevilShhaidehissuspectedofcommi[ngserviceabusewhenhewasastatesecretaryatMDRAP,inadossierthat,in2013,throughtheconcertedac6onofsomepublicofficials,partsoftheBelinaIslandandthePavelBrassillegallypassedfromtheStatepropertytopropertyofTeleormanCountyandintheadministra6onofTeleormanCountyCouncil,justafewdaysa_er,theyalsobeingillegallyleasedtoaprivatecompany.

geoloca6ons

15

Page 16: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Lemmaandthepartofspeech

Solicitat–solicita–vbsă–să–conjcomenteze–comenta–vbun–un–art.nehot.editorial–editorial–sbrecent–recent–adj...

16

Page 17: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

•  English

Morphologicalannota6on

0 1 He he subj:>2 @SUBJPRON2 did do v-ch:>4 @+FAUXVV3 not not neg:>2 @ADVLNEG-PART4 knowknowmain:>0 @-FMAINVV5 her she subj:>6 @OBJPRON6 namenameobj:>4@-FMAINVV

•  Romanian

<TOKID="TOK478"root="Nu"pv="Par6cle"Type="nega6on">Nu</TOK><TOKID="TOK479"root="ş6"pv="Verb"Type="main"Mood="indic."

Tense="imperfect"Person="third"Number="singular">ş6a</TOK><TOKID="TOK480"root="cum"pv="Adverb"type="int_rel">cum</TOK><TOKID="TOK481"root="el"pv="Pronoun"Type="pers"Person="third"

Gender="feminine"Number="singular"Case="accusa6ve">o</TOK><TOKID="TOK482"root="chema"pv="Verb"Type="main"Mood="indic."

Tense="present"Person="third">cheamă</TOK>

17

Page 18: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Nominalphrases

Solicitatsăcomenteze[uneditorialrecentallui[DinuPatriciu]],în[care][acesta]precizacănucredeîn[social-liberalism]şisăapreciezedacă,asfel,adat[oloviturăde[imagine]][USL],[Antonescu]aspuscănuş6edacă[Patriciu]s-areferitla[USL].

18

Page 19: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

<NPID="NP903"HEADID="W3190"VERBPOS="W3191"><WID="W3190"POS="PRON"NUM="SG"GENDER="M"ROLE="SUBJ" LEMMA="he"LINK="W3191"LINKTYPE="subj">He</W></NP>

<WID="W3191"POS="V"ROLE="+FAUXV"LEMMA="do"LINK="W3193"LINKTYPE="v-ch">did</W>

<WID="W3192"POS="NEG-PART"ROLE="ADVL"LEMMA="not"LINK="W3191"LINKTYPE="neg">not</W>

<WID="W3193"POS="V"ROLE="-FMAINV"LEMMA="know"LINK="W3189"LINKTYPE="main">know</W>

<NPID="NP1188"HEADID="W3195"><NPID="NP904"HEADID="W3194"VERBPOS="W3189"> <WID="W3194"POS="PRON"NUM="SG"GENDER="F” ROLE="OBJ"LEMMA="she"LINK="W3195“LINKTYPE="subj">her</W></NP><WID="W3195"POS="V"ROLE="-FMAINV"LEMMA="name”LINK="W3193"LINKTYPE="obj">name</W></NP>

Annota6onofnominalphrases

19

Page 20: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

WriGenlanguagetechnologies

•  Languageanalysisandunderstanding– syntac6cprocessing

•  gramma6calformalisms•  parsingèsyntac6cstructureofthesentence

20

Page 21: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Syntac6cambigui6es

Mariapriveştecalulcuochelari.(Mariawatchesthehorsewithspectacles.)

VP

priveşte

S

Maria

NP

calul

PP

NP

cu ochelari

NP

VP

priveşte

S

Maria

NP

calul

NP

cu ochelari

NP

PP

21

Page 22: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

ElementaryNLPtools

•  Tokenizer:getthewordboundaries–  Input:rawtext– Output:<tok id=“...”>word</tok>– How:byregularexpressions

22

Page 23: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

ElementaryNLPtools

•  POS-Tagger:Part-of-Speechtagging(morfo-syntac6cdisambigua6on)–  Input:<tok id=“...”>word</tok>– Output:<tok id=“...” POS=“...”>word</tok>– How:byexploi6ngthefrequenciesofoccuranceofadjacentPOSs=>op6misegloballythesequenceoftags

Thesawmadenoise.

DET VN

NV

N

23

Page 24: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

ElementaryNLPtools

•  Lemma_ser:getthebaseformofwords–  Input:<tok id=“...” POS=“...”>word</tok>– Output:<tok id=“...” POS=“...” lemma=“...”>word</tok>

– How:byusingadic6onaryandexploi6ngfrequenciesofoccuranceofadjacentlemmas

Thesawmadenoise.

the sawsee

mademake

noise

24

Page 25: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

ElementaryNLPtools

•  NP-Chunker:detectNounPhrases–  Input:sequenceof<tok>elements– Output:<npid=“...”>...</np>– How:applyregularexpressions

25

Page 26: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

ElementaryNLPtools

•  NER:recogniseNameEn66esandclassifythem–  Input:rawtext– Output:<neid=“...”type=“...”>...</ne>– How:basedonregularexpressions,largelistsofen6tynamesspecialisedperlanguage(gazeteers)

26

Page 27: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

WriGenlanguagetechnologies

•  Languageanalysisandunderstanding– Seman6canddiscourseprocessing

•  seman6cdisambigua6onèwordsenses•  seman6croleslabelling•  rhetoricalstructureofdiscourseanddialogue•  anaphoraresolu6on•  textsummarisa6on

27

Page 28: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Coreferential chains

Winston was just taking his place in one of the middle rows when two people whom he knew by sight, but had never spoken to, came unexpectedly into the room. One of them was a girl whom he often passed in the corridors. He did not know her name, but he knew that she worked in the Fiction Department.

28

Page 29: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Coreferential chains

Winston was just taking his place in one of the middle rows when two people whom he knew by sight, but had never spoken to, came unexpectedly into the room. One of them was a girl whom he often passed in the corridors. He did not know her name, but he knew that she worked in the Fiction Department.

29

Page 30: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Coreferential chains

Winston was just taking his place in one of the middle rows when two people whom he knew by sight, but had never spoken to, came unexpectedly into the room. One of them was a girl whom he often passed in the corridors. He did not know her name, but he knew that she worked in the Fiction Department

30

Page 31: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Coreferential chains

Winston was just taking his place in one of the middle rows when two people whom he knew by sight, but had never spoken to, came unexpectedly into the room. One of them was a girl whom he often passed in the corridors. He did not know her name, but he knew that she worked in the Fiction Department.

31

Page 32: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Wordsensesaredeterminedbytheircontexts

•  Ionseprinseînhorăcuofatăcucosiţelungi.•  Cândfatăiapata?

•  Mămaidauodatăpepâr(aroşie.•  I-amdatunapestemână.•  Mariaadatcarteaînapoi.

•  M-amscos…•  Mi-amscosmăseauademinte.

32

Page 33: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Pre-processing

TEXT

TOK

Tokeniser

TOK(POS,LEM)

POS-tagger+Lemma6ser

SENT

SENT-SPLITTER

33

Page 34: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

NP-chunking,NER

TOK+NP

NP-chunker

TOK+NP+NE(PER)

TOK(POS,LEM)

TOK+NP+NE(TIME)

NER_6me

TOK+NP+NE(ORG)

NER_orgNER_person

TOK+NP+NE

merge

34

Page 35: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Coreference,syntac6cparsing

TOK+NP+NE+COREF

TOK+NP+NE

TOK+SENT+SYNT

TOK+NP+NE+COREF+SENT+SYNT

merge

RARE

TOK(POS,LEM) SENT

TOK+SENT

FDG-parser

merge

35

Page 36: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Events

EVENT-finder

TOK+NP+NE+COREF+SENT+SYNT

TOK+NP+NE+COREF+SENT+SYNT+EVENT

TEXT

EVENT

simplifica6on

manualannota6on

36

Page 37: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

KinshipandSpace

KINSHIP-finder

TOK+NP+NE+COREF+SENT+SYNT

TOK+NP+NE+COREF+SENT+SYNT+KINSHIP

TEXT

KINSHIP SPACE

SPACE-finder

simplifica6onsimplifica6on

manualannota6on

manualannota6on

TOK+NP+NE+COREF+SENT+SYNT+SPACE

37

Page 38: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Kinshiprela6ons:exemple

-Lascăcu(nemărăfuiescdupă,îiscăpăprintredințiomuluieiDonca,nevastacălugăruluizbanghiuZuicu,care-IaduseselaelacasăpeIonșipepreședinte.

Aposi6on:Per-X,Rel(atrib)Per-Ygen,=>marriage(X:person[sex:?],Y:person[sex:?])

marriage(Donca:person[sex:f],Zuicu:person[sex:m])

38

Page 39: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Kinshiprela6ons:exemple-Forfortyyears,EllaRubinstein1’slifewasasastandingwater…Her1husband,David,wasasuccessfulden(st…

Aposi6on:Per-Xpron,genRel,Per-Y,=>marriage(antecedent(X):person[sex:?],Y:person[sex:?])

marriage(EllaRubistein:person[sex:f],David:person[sex:m])

39

Page 40: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Spa6alrela6onships:exemple

AtfiveverstsofAremzianskyurts,inthemiddleoftheriverIrtâş,liestheislandofKuntai.Filatov'svillageisonthele_bank,twoverstsfromtheisland.

40

Page 41: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Anexampleofcallibra6onofaModule

SupposewewanttobuildaToolperformingaspecifictask.Thenwehavetobuild3modules:§ TheTrainingModule(TM)§ TheToolitself(X)§ TheEvalua_onModule(EM)

41

Page 42: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

•  ThismoduleextractsamodelwhichwillbeusedbytheTool.

TheTrainingModule

TrainingModuleTrainingCorpus

model

preferencesTraining.pref

42

Page 43: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

•  Thismoduleappliesanalgorithmontheinputandtransformsitaccordingtothelearnedmodel.

TheModuleX

ThemoduleX output.xml

input.xml

preferencesX.pref

model

43

Page 44: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

•  ThismoduleevaluatestheTestfileagainsttheGoldfile.

TheEvalua_onModule

Evalua6onModule evalLog

preferencesEvalua6on.pref

output.xml

gold.xml

Test

44

Page 45: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Evalua6onmeasures

•  Precision=#itemiîncomunînTest&Gold/#itemiînTest•  Recall=#itemiîncomunînTest&Gold/#itemiînGold•  F-measure=2*P*R/(P+R)

45

Page 46: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

GeneralArhitecture

TMTrainingcorpus

model

preferencesTraining.pref

X

EM

preferencesEvalua6on.pref

input.xml

output.xml

gold.xml

evalLog

preferencesX.pref

46

Page 47: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Calibra6onsystem

TM

X

EM

configura6on.cfg

TrainingCorpus

input.xml

gold.xml

preferencesTraining.pref

preferencesSegmenter.pref

C

Op6malvalues

preferencesEvalua6on.pref

47

Page 48: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

AnyelementaryNLPtoolpar6cipa6nginaprocessingchain

ModuleXstandardinput

standardoutput

outputinput

resourses

standardresourses

parameters

txt

48

Page 49: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Eventshappenin6me

Cândaintratîncamerăe1,Ionaaprinsluminae2.Dupăcinciminuteaieşite3.Laieşireas(nsluminae4.

49

Page 50: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Eventshappenin6me

Cândaintratîncamerăe1,Ionaaprinsluminae2.Dupăcinciminuteaieşite3.Laieşireas(nsluminae4.

Twotypesoftemporalexpressions:•  instants...

e1:t1/e2:t1/e3:t2=t1+5min/e4:t2

time

e1

t1

e3

t2

e2 e4 50

Page 51: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Eventshappenin6me

Cândaintratîncamerăe1,Ionaaprinsluminae2.Dupăcinciminuteaieşite3.Laieşireas(nsluminae4.

Twotypesoftemporalexpressions:•  ...andintervals:

time

e1

t1

e3

t2

e2 e4

5 minutes

51

Page 52: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Eventscanbe...

•  Instantaneous:Ionaieşitdincameră.Marias-aîntâlnitcuprofuldemate.

•  Take6me:Ionaci(ttoatăseara.Afarăplouă.

time t

e

time t1

e

t2

52

Page 53: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Signalsfortemporalrela6ons

Cândaintratîncamerăe1,Ionaaprinsluminae2.Dupăcinciminuteaieşite3.Laieşireas(nsluminae4.

cândei,ejèt(ei)=t(ej)ei.După<interval>ejèt(ej)=t(ei)+<interval>La<reference(ei)>ejèt(ei)=t(ej)

timp

e1

t1

e3

t2

e2 e4

5 minute

53

Page 54: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Typeofreasoningwhere6memaGers

2. [Falimentul firmei] a avut loc la un an după [înfiinţarea ei].

un an

1. Samurai S.R.L. a luat fiinţă la 23 ianuarie 1984.

Când a falimentat Samurai S.R.L.?

54

Page 55: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Processingstatements

a luat fiinţă

Samurai S.R.L.(id=obj1) subj

la

23 ianuarie 1984

compl

PP ev1

23ianuarie1984

ISA aluafiinţă

SamuraiS.R.L. REC

TIME

evenimential representation

<object ID=“obj1” ISA=“companie” NAME=“Samurai S.R.L.”/>

<event ID=“ev1” ISA=“a_lua_fiinţă” REC=“obj1” TIME=“23.01.1984”/>

55

Page 56: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

simplificări

a avut loc

falimentarea subj

la

an

compl

atrib. genit? firmei

un după

înfiinţarea

ei

PP

atrib. genit?

det

a avut loc

falimentarea subj

la

an

compl

atrib. genit? obj1

un după

înfiinţarea

obj1

PP

atrib. genit?

det

rezoluţia anaforelor

a falimenta subj

la

an

compl obj1

un după

ev1

PP

det

dacă are_loc falimentarea lui X atunci X falimentează

referinţă anaforică la un eveniment deja menţionat

56

Page 57: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Processingstatements

evenimential representations

a falimenta subj

la

an

compl obj1

un după

ev1

PP

det temporal expression

anchored in another event

<event ID=“ev2” ISA=“a_falimenta” REC=“obj1” TIME=“timex1”/>

<timex ID=“timex1” TYPE=“after” REF=“ev1” DUR=“1” UNIT=“year”/>

57

Page 58: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Compu6ng6me<objectID=“obj1”ISA=“companie”NAME=“SamuraiS.R.L.”/><eventID=“ev1”ISA=“a_lua_fiinţă”REC=“obj1”TIME=“23.01.1984”/><eventID=“ev2”ISA=“a_falimenta”REC=“obj1”TIME=“6mex1”/><6mexID=“6mex1”TYPE=“a_er”REF=“ev1”DUR=“1”UNIT=“year”/><eventID=“ev2”ISA=“a_falimenta”REC=“obj1”TIME=“23.01.1985”/>

58

Page 59: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

TheQuoVadiscorpus

59

Page 60: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Acorpusofen66esandseman6crela6ons

•  En66es–types:–  persons–  gods–  groupsofpersonsandgods–  bodyparts

•  Seman6c rela6onsmen6onedbetween theseen66es

60

Page 61: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

En66es–examples

•  Characters (Marcus Vinicius, Ligia), groups (theChris(ans,thesoldiers);

•  At the text level: nominal groups (the youngpatrician,sonoftheconsul);

•  Imbricatedreferen6alexpressions:[daughter[ofAulus]2]1

61

Page 62: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Typesofrela6ons

•  Anaphoric•  Seman6c

– kinship– affec6ve– social

62

Page 63: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Anaphoricrela6ons•  coref•  coref-interpret•  member-of,has-as-member(inverse)•  isa,class-of(inverse)•  part-of,has-as-part(inverse)•  subgroup-of,has-as-subgroup(inverse)•  has-name,name-of(inverse)1:[Acteea]...2:[theyounglibert]...=>[2]coref[1]1:[2:[his]righthand]=>[1]part-of[2]

63

Page 64: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Kinshiprela6ons•  parent-of•  child-of(inverseofparent-of)•  grandparent-ofandgrandchild-of(inverse)•  sibling(symmetrical)•  ant-uncle-of,nephew-of(inverserela6on)•  cousin-of(symmetrical)•  spouse-of(symmetrical)•  unknown

1:[thesecondhusbandof2:[Popeia]]=>[1]spouse-of[2]1:[sisterof2:[Petronius]]=>[1]sibling-of[2]

64

Page 65: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Socialrela6ons

•  superior-of•  inferior-of•  incoopera(on-with•  colleague-of•  incompe((on-with•  opposite-toLibera(ng1:[her],2:[Nero]…=>[2]superior-of[1]1:[Theyoungman]foughtunderthecommandof2:[Corbulon]=>[1]inferior-of[2]

65

Page 66: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Affec6verela6ons•  love•  loved-by•  hate•  hatedby•  upset•  friendship•  worship•  angerPe1:[Vinicus]îlcuprinseomânienăprasnicăîmpotriva

2:[împăratului]șiîmpotriva3:[Acteii]=>[1]anger[2],[1]anger[3]

66

Page 67: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

<ENTITYID="E8"TYPE="PERSON"><Wid="28"LEMMA="Marcus">Marcus</W><Wid="29"LEMMA="Vinicius">Vinicius</W></ENTITY><Wid="30"LEMMA="fi">era</W><KINSHIPID="KIN57"FROM="E12"TO="E11"TRIGGER="31"

TYPE="child-of"><ENTITYID="E12"TYPE="PERSON"><Wid="31"LEMMA="fiu">fiul</W><KINSHIPID="KIN53"FROM="E11"TO="E10"TRIGGER="32"

TYPE="sibling-of"><ENTITYID="E11"TYPE="PERSON"><Wid="32"LEMMA="soră">surorii</W><ENTITYID="E10"TYPE="PERSON"><Wid="33"LEMMA="său">sale</W></ENTITY><Wid="34"LEMMA="mai">mai</W><Wid="35"LEMMA="mare">mari</W></ENTITY></KINSHIP></ENTITY></KINSHIP><Wid="36"LEMMA=",">,</W><KINSHIPID="KIN59"FROM="E13"TO="E15"TRIGGER="44"

TYPE="spouse-of"><ENTITYID="E13"TYPE="PERSON"><Wid="37"LEMMA="care">care</W></ENTITY><Wid="38"LEMMA=",">,</W><Wid="39"LEMMA="cu">cu</W><Wid="40"LEMMA="an">ani</W><Wid="41"LEMMA="în_urmă">înurmă</W><Wid="42"LEMMA=",">,</W><Wid="43"LEMMA="sine">se</W>

<Wid="44"LEMMA="căsători">căsătorise</W><Wid="45"LEMMA="cu">cu</W><KINSHIPID="KIN61"FROM="E15"TO="E14"TRIGGER="46"TYPE="parent-of"><ENTITYID="E15"TYPE="PERSON"><Wid="46"LEMMA="tată">tatăl</W><ENTITYID="E14"TYPE="PERSON"><Wid="47"LEMMA="acesta">acestuia</W></ENTITY></ENTITY></KINSHIP></KINSHIP><SOCIALID="SOC9"FROM="E17"TO="E16"TRIGGER="49"TYPE="inferior-of"><ENTITYID="E17"TYPE="PERSON"><Wid="49"LEMMA="consul">consul</W><Wid="50"LEMMA="pe">pe</W><Wid="51"LEMMA="vreme">vremea</W><Wid="52"LEMMA="el">lui</W><ENTITYID="E16"TYPE="PERSON"><Wid="53"LEMMA="Tiberiu">Tiberiu</W></ENTITY></ENTITY></SOCIAL><Wid="54"LEMMA=".">.</W><REFERENTIALID="REF37"FROM="E12"TO="E8"TYPE="coref"/REFERENTIAL><REFERENTIALID="REF38"FROM="E13"TO="E11"TYPE="coref"/REFERENTIAL><REFERENTIALID="REF39"FROM="E14"TO="E8"TYPE="coref"/REFERENTIAL><REFERENTIALID="REF40"FROM="E17"TO="E15"TYPE="class-of"/REFERENTIAL>

Anno

ta6o

n

67

Page 68: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Sta6s6csinvolvingthecorpus

•  7.281sentences•  146.822wordsandpunctua6onsigns•  24.636en66esmen6ons•  22.301referen6alrela6ons•  755AKSrela6ons(Affec6ve+Kinship+Social)•  752triggers

68

Page 69: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Example:rela6onsloveandworship

69

Page 70: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Affec6verela6onsfear-ofandhate

70

Page 71: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Rela6onsbetweenViniciusandothercharacters

71

Page 72: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Distribu6onofseman6crela6onsinvolvingVinicius

72

Page 73: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Linguis(csLinkedOpenData(LLOD)

-  Developmentoftechniquesthatwillallowtodeciphertheseman_ccontentoftexts-  abstracts(general,focusedoncertaincharacters),-  narra6velines(e.g.theevolu6onoffeelingsbetweenViniciusandLigia)

-  sta6cconnec6onsbetweenen66es(e.g.genealogictrees),

-  sta6s6csoveren66es(e.g.domina6ngsen6mentsamongChris6ansascomparedtothoseamongRomans)

73

Page 74: Courses 5-6 Processing the natural language Main issues ...dcristea/cursuri/IA/2017-2018/Curs5-6EN... · Dinu Patriciu , în care acesta preciza că nu ... Antonescu a spus că nu

Linguis(csLinkedOpenData(LLOD)

-  Genera6onofontologiesfromtrea6es-  applica6onsableto“read”textsreferingtoadomainandtoformalisetheconceptsandtheirrela6ons

-  Intelligentdocumentsretrieval-  personalisedagentsintheresearchac6vity

74