A Machine Learning Approach to Anaphora Resolution Including Named Entity Recognition, PP Attachment Disambiguation, and Animacy Detection
Anders Nøklestad · NORA - Norwegian Open Research Archives · 2009
Avhandlingen beskriver et automatisk anaforløsningssystem (AL-system) for norsk med fokus på pronominale anaforer i skjønnlitterære tekster. Systemet bygger primært på maskinlæringsmetoder og er det første norske AL-systemet som bruker maskinlæring. Et sett av lingvistisk funderte filtre fjerner inkompatible antecedentkandidater før de resterende kandidatene klassifiseres enten som antecedenter eller ikke-antecedenter. Den nærmeste kandidaten som klassifiseres som passende antecedent (hvis en slik finnes), velges som antecedent for pronomenet. Tre ulike maskinlæringsmetoder for klassifisering blir evaluert og sammenliknet: minnebasert læring (MBL), maksimum entropi-modellering (MaksEnt) og støttevektormaskiner (SVMer). Metodene blir testet både med standard parameterverdier og med automatisk optimiserte verdier. Ulike pronomen håndteres av ulike klassifikatorer. To andre kunnskapsfattige tilnærminger, en faktor/indikator-basert tilnærming og en som er basert på Centering Theory, blir sammenliknet med maskinlæringsmetodene. De beste maskinlæringsmetodene fungerer signifikant bedre enn tilnærmingene som ikke er basert på maskinlæring og signifikant bedre enn det eneste eksisterende AL-systemet for norsk. Avhandlingen beskriver også utvikling og evaluering av tre støttemoduler som bidrar med informasjon til AL-systemet: en navnetypegjenkjenner, en PP-tilordner og en animathetsdetektor. Ulike maskinlæringsmetoder blir testet og sammenliknet med hensyn til hvor godt de fungerer for de to første modulene. PP-tilordneren er basert på en nyskapende form for halvovervåket læring, mens animathetsdetektoren bruker to ulike metoder for å hente ut animathetsinformasjon for substantiver fra Internett. De tre støttemodulene evalueres både som selvstendige NLP-verktøy og som informasjonskilder for AL-systemet. I nesten alle eksperimentene som er beskrevet i avhandlingen, fungerer MBL like godt eller bedre enn MaksEnt, mens prestasjonsnivået til SVMene er signifikant dårligere.