Induzione di significati
In linguistica computazionale, l'induzione (o discriminazione) di significati è un problema aperto di elaborazione del linguaggio naturale che consiste nell'identificazione automatica dei significati di una parola. Essendo l'output di un sistema di induzione di significati è un insieme di sensi (inventario) per la parola obiettivo, questo task è strettamente correlato a quello della disambiguazione, che si fonda invece su un inventario di significati predefinito e mira a risolvere il problema della ambiguità delle parole in un contesto.
Metodi[modifica | modifica wikitesto]
L'output di un sistema di induzione di significati è un clustering di contesti in cui la parola obiettivo appare o, in alternativa, un clustering di parole correlate alla parola obiettivo (co-occorrenze). Sono stati proposti in letteratura tre approcci principali[1]:
- Clustering di contesti
- Clustering di parole
- Grafi di co-occorrenze
Clustering di contesti[modifica | modifica wikitesto]
Nel clustering di contesti ciascuna occorrenza di una parola obiettivo è rappresentata come un vettore di contesto. Tali vettori sono quindi raggruppati in cluster, uno per ogni diverso significato della parola obiettivo. Un approccio storico di questo tipo è basato sul concetto di spazio delle parole (word space)[2], ovvero vettori le cui dimensioni sono parole.
Clustering di parole[modifica | modifica wikitesto]
Un secondo approccio consiste nel raggruppamento di parole che sono semanticamente simili e convogliano quindi un significato specifico della parola obiettivo. Metodi di questo tipo includono l'algoritmo di Lin[3] e l'algoritmo Clustering by Committee[4].
Grafi di co-occorrenze[modifica | modifica wikitesto]
Il terzo approccio all'induzione di significati è basato sulla nozione di grafo di co-occorrenze, ovvero un grafo i cui vertici sono parole correlate alla parola obiettivo e i cui archi collegano parole che co-occorrono tra loro all'interno di corpora di riferimento. Metodi di questo tipo includono: l'uso del Markov clustering algorithm[5], HyperLex[6] e relative varianti[7].
Applicazioni[modifica | modifica wikitesto]
- È stato mostrato che l'induzione di significati migliora le prestazioni del recupero dell'informazione sul Web in presenza di interrogazioni altamente ambigue[6].
- Algoritmi di induzione dei significati su grafi potenziano notevolmente il clustering dei risultati di ricerca Web e migliorano il grado di diversificazione dei risultati di ricerca restituiti da motori di ricerca quali Yahoo![8]
Note[modifica | modifica wikitesto]
- ^ (EN) R. Navigli. Word Sense Disambiguation: A Survey, ACM Computing Surveys, 41(2), 2009, pp. 1-69
- ^ (EN) H. Schutze. Dimensions of meaning. In Proc. of the 1992 ACM/IEEE Conference on Supercomputing. IEEE Computer Society Press, Los Alamitos, CA, 1992, pp. 787-796
- ^ (EN) D. Lin. Automatic retrieval and clustering of similar words Archiviato il 4 marzo 2012 in Internet Archive.. In Proc. of the 17th International Conference on Computational linguistics (COLING), Montreal, Canada, 1998, pp. 768-774.
- ^ (EN) D. Lin and P. Pantel. Discovering word senses from text. In Proc. of the 8th International Conference on Knowledge Discovery and Data Mining (KDD), Edmonton, Canada, 2002, pp. 613-619.
- ^ (EN) D. Widdows and B. Dorow. A graph model for unsupervised lexical acquisition Archiviato il 7 agosto 2011 in Internet Archive.. In Proc. of the 19th International Conference on Computational Linguistics (COLING), Taipei, Taiwan, 2002, pp. 1-7
- ^ a b (EN) J. Véronis. Hyperlex: Lexical cartography for information retrieval Archiviato il 24 luglio 2011 in Internet Archive.. Computer Speech and Language, 18(3), 2004, pp. 223–252
- ^ (EN) E. Agirre, D. Martinez, O. Lopez De Lacalle, A. Soroa. Two graph-based algorithms for state-of-the-art WSD Archiviato il 7 marzo 2010 in Internet Archive.. In Proceedings of the 2006 Conference on Empirical Methods in Natural Language Processing (EMNLP), Sydney, Australia, pp. 585-593
- ^ R. Navigli, G. Crisafulli. Inducing Word Senses to Improve Web Search Result Clustering. Proc. of the 2010 Conference on Empirical Methods in Natural Language Processing (EMNLP 2010), MIT Stata Center, Massachusetts, USA.