NLP底层技术之句法分析

　　句法分析是自然语言处理（natural language processing, NLP）中的关键底层技术之一，其基本任务是确定句子的句法结构或者句子中词汇之间的依存关系。

　　句法分析分为句法结构分析（syntactic structure parsing）和依存关系分析(dependency parsing)。以获取整个句子的句法结构或者完全短语结构为目的的句法分析，被称为成分结构分析（constituent structure parsing）或者短语结构分析（phrase structure parsing）；另外一种是以获取局部成分为目的的句法分析，被称为依存分析（dependency parsing）。

　　如以下取自WSJ语料库的句法结构树示例：



　　以及取自哈工大LTP的依存句法分析实例：



　　目前的句法分析已经从句法结构分析转向依存句法分析，一是因为通用数据集Treebank（Universal Dependencies treebanks）的发展，虽然该数据集的标注较为复杂，但是其标注结果可以用作多种任务（命名体识别或词性标注）且作为不同任务的评估数据，因而得到越来越多的应用，二是句法结构分析的语法集是由固定的语法集组成，较为固定和呆板；三是依存句法分析树标注简单且parser准确率高。

　　本文将对学习中遇到的PCFG、Lexical PCFG及主流的依存句法分析方法—Transition-based Parsing（基于贪心决策动作拼装句法树）做一整理。

目录：

PCFG

Lexical PCFG基于词典的PCFG

Transition-based parsing基于贪心决策动作的拼接句法树

参考资料

1.PCFG

　　结合上下文无关文法（CFG）中最左派生规则(left-most derivations)和不同的rules概率，计算所有可能的树结构概率，取最大值对应的树作为该句子的句法分析结果。

　　(The key idea in probabilistic context-free grammars(PCFG) is to extend our definition to give a probability over possible derivations.)

　　对最左派生规则的每一步都添加概率，这样整棵句法分析树的概率就是所有这些“独立”的概率的乘积。



　　如下例:



　　为了方便计算，在PCFG中添加对rules的限制(Chomsky Normal Form)：



　　问题是如何寻找概率最大的句法分析树结构？

　　1. 暴力搜索（Brute-force method）

　　暴力搜索Brute-force method(根据PCFG的rules，暴力计算不同句法结构的概率，选择概率最高的句法分析树作为结论)，缺陷在于随着句子的增长，计算量指数增长:



　　2. 动态规划（dynamic programming）CKY算法

　　π(i,j,X)π(i,j,X)is the highest score for any parse tree that dominates words , and has non-terminal X as its root.

　　因此整个句子的概率为π(1,n,S)=argmaxTG(s)π(1,n,S)=argmaxTG(s)，其中TG(s)TG(s)是句子ss所有可能结构的集合。





结合上面π(i,j,X)π(i,j,X)的定义：



下面举例说明：





因此整个动态规划算法如下：



考虑算法时间复杂度：

i，j，s的选择都是o(n)，对于X、Y和Z 和rules的选择都是o(|N|)。（n是句子中单词的数量，N是非终止符号的数量）

2.Lexical PCFG(基于词典的PCFG)

首先考虑PCFG的缺陷：

　　1、在PCFG中，词的选择具有很强的独立性假设，词的选择完全依赖于当前的词性(POS)，而条件独立于与其他所有句法树上的结构(More formally, the choice of each word in the string is conditionally independent of the entire tree,once we have conditioned on the POS directly above the word)，而这正是很多歧义问题的原因。下例中，’IBM’的选择仅仅与’NP’有关，而与其他树上的结构完全无关。



2、对结构偏好（structure preference）不敏感

　　对于存在歧义的两个句子，具有完全相同的树形结构，但是由于缺乏词汇的信息，进而缺少结构依赖的信息，使得最终不同树形结构计算的概率完全相同。

　　如下例中：同一句话，两个完全不同的句法分析结构，由于采用了相同的rules，因此概率计算最终也会相同。





　　特别是介词短语（PP）的情况，在训练集中能统计到PP与名词短语（NP）或动词短语（VP）结合时不同的比例，但是PCFG完全忽略了这种偏好(preference)。

Lexicalized Context-Free

　　自下向上（bottom-up）的标记每条规则的head child，并添加到句法分析树上，每条规则的head child采用启发式自动选择。





如下图在基于词典的PCFG中，规则概率如下：



基于词典的PCFG的参数估计

　　由于采用lexicalized PCFG之后，添加了词典信息，rules的数量和参数数量增多。因此需要考虑参数估计方法。



　　整个概率计算分为两部分，第一部分预测了规则（rules）的概率，第二部分预测了该规则下的词概率，每部分都利用平滑的估计方法进行计算。





　　对于Lexical PCFG，同样存在如何寻找概率最大的句法分析树结构的问题，而答案和PCFG相同，一样是采用动态规划（dynamic programming）的思想。

　　

3.Transition-based parsing(基于贪心决策动作的拼接句法树)

　　首先介绍Arc-standard transition，动作体系的formal描述如下：



　　整个转移过程中的三种动作：Shift, Left-Arc, Right-Arc。一个stack，Buffer（整个原始的句子）。

　　在arc-standard system中，一次分析任务c=(s,b,A)c=(s,b,A)由一个栈s，一个队列b，一系列依存弧A构成。如果定义一个句子为单词构成的序列w1...wnw1...wn那么——

栈

　　栈s是用来储存系统已经处理过的句法子树的根节点的，初始状态下S=[ROOT]S=[ROOT]。另外，定义从栈顶数起的第ii个元素为sisi。那么栈顶元素就是s1s1，s1s1的下一个元素就是s2s2：

　　


　　在一些中文论文中习惯使用焦点词这个表述，如果我们将栈横着放，亦即让先入栈的元素在左边，后入栈的元素在右边：

　　

　

　　则称s２s２为左焦点词，s1s1为右焦点词。接下来的动作都是围绕着这两个焦点词展开的。

队列

　　初始状态下队列就是整个句子，且顺序不变ｂ＝［w1...wn］ｂ＝［w1...wn］，队列的出口在左边。

依存弧

　　一条依存弧有两个信息：动作类型+依存关系名称I。l视依存句法语料库中使用了哪些依存关系label而定，在arc-standard系统中，一共有如下三种动作：

　　LEFT-ARC(l)：添加一条s1 -> s2的依存边，名称为l，并且将s２s２从栈中删除。前提条件：|s|≥2|s|≥2。亦即建立右焦点词依存于左焦点词的依存关系，例如：

　　


　　RIGHT-ARC(l)：添加一条s2 -> s1的依存边，名称为l，并且将s1s1从栈中删除。前提条件：|s|≥2|s|≥2。亦即建立左焦点词依存于右焦点词的依存关系，例如：

　　


　　SHIFT：将b1出队，压入栈。亦即不建立依存关系，只转移句法分析的焦点，即新的左焦点词是原来的右焦点词，依此类推。例如：

　　


　　

　　But How to check the next operation?(由于有三种动作，因此需要判断在下一步动作的顺序)。

　　Answer: 每一步动作都是由机器学习分类器得到的，如果我们得到treebank的句法分析树结构，我们就能得到序列转移或动作的顺序，最终变成一个有监督学习问题。（Since we have a treebank with parses of sentences,We can use these sentences to see which sequences of operations would give the correct parse of a sentences.）

　　只是在该算法提出之际，只是简单的用到了传统的机器学习方法。



　　当然由于在整个监督学习中，我们只是标识了转移的方向，因此可以看做3分类问题，但是实际过程中，当我们从stack中移出元素时，我们通常标识的dependency关系可以达到40种之多，而这就是分类的标签数量。



　　下面的一个重要的问题就是，How do we train the model,How do we choose the features?

　　一般而言，依存句法分析的可用特征：

　　1. Bilexical affinities（双词汇亲和）

　　2. Dependency distance（依存距离，一般倾向于距离近的）

　　3. Intervening material（标点符号两边的成分可能没有相互关系）

　　4. Valency of heads （词语配价，对于不同词性依附的词的数量或者依附方向）

　　

　　传统的特征是栈和队列中的单词、词性或者依存标签等组合的特征，是一组很长的稀疏向量。



　　相比于使用大量的categorial （类别）特征，导致特征的sparse，使用神经网络可以使得特征更加dense，使用distributed representation of words减少特征的稀疏性。


　

参考资料

宗成庆《统计自然语言处理》

Michael Collins《Natural Language Processing》

斯坦福大学cs224n《Natural Language Processing and Deep Learning》

http://www.hankcs.com/nlp/cs224n-dependency-parsing.html

http://www.hankcs.com/nlp/parsing/neural-network-based-dependency-parser.html/2#h2-6

论文《A Fast and Accurate Dependency Parser using Neural Networks》