解決歧義問題之一般化語義機率模式GPSM:A GENERALIZED PROBABILISTIC SEMANTIC MODEL FOR AMBIGUITY RESOLUTION

Abstract

在大型的自然語言處理系統及機器翻譯系統中，解決歧義(ambiguity) 問題是最具挑 戰性的工作。針對此一問題，已有各式各樣的解決方案被提出討論過。傳統的規則式 系統雖能在小型系統上發揮其功能，然而，當系統逐漸擴大之後，我們必需尋求一個 系統化的解決方案，才能應付系統膨脹所引起的諸多不利現象。 解決歧義問題最主要的關鍵在於：如何對不同語義解釋，給予適當評分。本論文將以 一個建立在機率架構之下的語義模式，由語者說寫的偏好，來探討這個優劣評斷的問 題。同時，嘗試以這套一般化的語義機率模式，來整合語彙、語法及語義等各階層的 語言知識，使其評斷標準均建立在單一的機制下。 本論文主要分成兩大部份。前半段在於建立評分函數的最佳化評分標準，以及語義評 分函數的數學模式和計算模式。這部份幾乎可以視為與語言無關。因此，只要符合一 些機率上的假設，各種語言均可以適用。在論文後半段中，我們依據目標語英文的特 性，找出與語義解釋關係較密切的句法範疇，並提出一套語義屬性架構，以實際測試 語義機率模式的可行性。