数理言語

Similar documents
1

: : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : :

xy n n n- n n n n n xn n n nn n O n n n n n n n n

-2-

untitled

untitled


P1.\..

10_11p01(Ł\”ƒ)

P1.\..

Q34Q35 2

レイアウト 1

WATCH

WATCH

2005


untitled

自然言語は曖昧性だらけ! I saw a girl with a telescope 構文解析 ( パージング ) は構造的な曖昧性を解消 2

x () g(x) = f(t) dt f(x), F (x) 3x () g(x) g (x) f(x), F (x) (3) h(x) = x 3x tf(t) dt.9 = {(x, y) ; x, y, x + y } f(x, y) = xy( x y). h (x) f(x), F (x


6. Euler x

a n a n ( ) (1) a m a n = a m+n (2) (a m ) n = a mn (3) (ab) n = a n b n (4) a m a n = a m n ( m > n ) m n 4 ( ) 552

4.6: 3 sin 5 sin θ θ t θ 2t θ 4t : sin ωt ω sin θ θ ωt sin ωt 1 ω ω [rad/sec] 1 [sec] ω[rad] [rad/sec] 5.3 ω [rad/sec] 5.7: 2t 4t sin 2t sin 4t

平成 29 年度年間授業計画 & シラバス 東京都立足立高等学校定時制課程 対象学年 教科 科目名 担当者名 1 学年 ( 普通科 商業科 ) 外国語科コミュニケーション 佐々木友子 風見岳快 英語 Ⅰ 使用教科書 出版社 : 三省堂 教科書名 :Vista English Communicatio

x, y x 3 y xy 3 x 2 y + xy 2 x 3 + y 3 = x 3 y xy 3 x 2 y + xy 2 x 3 + y 3 = 15 xy (x y) (x + y) xy (x y) (x y) ( x 2 + xy + y 2) = 15 (x y)

_Print

122011pp

Microsoft Word - 映画『東京裁判』を観て.doc

9

戦後の補欠選挙

日経テレコン料金表(2016年4月)

B


Microsoft Word - 田中亮太郎.doc

2

スラヴ_00A巻頭部分

308 ( ) p.121

広報かみす 平成28年6月15日号

.

73 p p.152

A p A p. 224, p B pp p. 3.

p

() L () 20 1

Jacobson Prime Avoidance

東海道新幹線でDS


JA2008

Microsoft PowerPoint - アルデIII 02回目10月14日

平成 30 年度シラバス 3 学年前期 (1 単位 ) コミュニケーション英語 Ⅰ 教科書 ENGLISH NOW Ⅰ 開隆堂 授業時数 01 単元名 Lesson 6 Sempai and Ko hai 本時 Lesson 6 (1) 学習内容備考 常日頃から使っている 先輩 後輩 ということばを

( a 3 = 3 = 3 a a > 0(a a a a < 0(a a a

ac b 0 r = r a 0 b 0 y 0 cy 0 ac b 0 f(, y) = a + by + cy ac b = 0 1 ac b = 0 z = f(, y) f(, y) 1 a, b, c 0 a 0 f(, y) = a ( ( + b ) ) a y ac b + a y

Microsoft PowerPoint - qcomp.ppt [互換モード]

u u u 1 1

.....Z...^.[ \..

.. ( )T p T = p p = T () T x T N P (X < x T ) N = ( T ) N (2) ) N ( P (X x T ) N = T (3) T N P T N P 0

dvipsj.8449.dvi

( ) x y f(x, y) = ax


喀痰吸引

平成18年度「商品先物取引に関する実態調査」報告書

( [1]) (1) ( ) 1: ( ) 2 2.1,,, X Y f X Y (a mapping, a map) X ( ) x Y f(x) X Y, f X Y f : X Y, X f Y f : X Y X Y f f 1 : X 1 Y 1 f 2 : X 2 Y 2 2 (X 1

働く女性の母性健康管理、母性保護に関する法律のあらまし

応力とひずみ.ppt

Unknown

Microsoft PowerPoint - 3.ppt [互換モード]

TypeB 新スローガンイメージ (4:3)

Transcription:

人工知能特論 II 第 5 回二宮崇 1

今日の講義の予定 CCG (COMBINATORY CATEGORIAL GRAMMAR) 組合せ範疇文法 2

講義内容 前回までの内容 pure CCG Bluebird 今回の内容 Thrush Starling 擬似的曖昧性 CCG のすごいところ 3

前回説明したCCG ``pure categorial grammar 関数適用規則 (functional application rules) 例 X/Y Y X (>) Y X\Y X (<) Anna married Manny NP (S\NP)/NP NP S\NP S < Anna married Manny NP V NP > VP S 4

The Bluebird 合成規則 (composition rule) 例 X/Y Y/Z X/Z (>B) Anna met and might marry Manny NP (S\NP)/NP CONJ (S\NP)/(S\NP) (S\NP)/NP NP >B (S\NP)/NP Φ (S\NP)/NP > S\NP < S 5

Bluebird の意味論 合成規則 (composition rule) X/Y: f Y/Z: g X/Z: λx.f(g x) (>B) 例 Anna met and might marry Manny NP (S\NP)/NP CONJ (S\NP)/(S\NP) (S\NP)/NP NP :anna :λx.λy.meet x y :and :λp.λx.might (p x) :λx.λy.marry x y :manny 6

THE THRUSH ( ツグミ ) 7

The Thrush : 導入 Anna married and I detest Manny の解析 Anna, I, Manny := NP married, detest := (S\NP)/NP Bluebird を使って目的語をとらずに大きな動詞句を作りたいが 先に主語 + 動詞をくっつけることができない! 8

The Thrush 型繰り上げ (Type-Raising) 例 NP S/(S\NP) (>T) Anna married and I detest Manny NP (S\NP)/NP CONJ NP (S\NP)/NP NP 9

Thrush の意味論 型繰り上げ (Type-Raising) X: a T/(T\X): λf. f a (>T) X: a T\(T/X): λf. f a (<T) 例 Anna married and I detest Manny NP:anna (S\NP)/NP CONJ NP:i (S\NP)/NP NP :λx.λy.marry x y :and :λx.λy.detest x y :manny >T >T T/(T\NP) T/(T\NP) :λf.f anna :λf.f i 10

Thrush の意味論 Anna married and I detest Manny T/(T\NP) (S\NP)/NP CONJ T/(T\NP) (S\NP)/NP NP :λf.f anna :λx.λy.marry x y :and :λ f.f i :λx.λy.detest x y :manny 11

Thrush の意味論 Anna married and I detest Manny T/(T\NP) (S\NP)/NP CONJ T/(T\NP) (S\NP)/NP NP :λf.f anna :λx.λy.marry x y :and :λ f.f i :λx.λy.detest x y :manny >B S/NP: λx.marry x anna ここの計算は複雑になっている bluebird の規則が X/Y: f Y/Z: g X/Z: λx.f(g x) (>B) なので 出力される意味構造は λz.f(g z) s.t. f=λf.f anna, g=λx.λy.marry x y = λz.(λf.f anna )((λx.λy.marry x y) z) =λz.(λf.f anna )(λy.marry z y) = λz.((λy.marry z y) anna ) =λz.(marry z anna ) 12

Backward Bluebird と Thrush Backward Bluebird Y\Z X\Y X\Z (<B) 例 give a teacher an apple and a policeman a flower (VP/NP)/NP NP NP CONJ NP NP a teacher, a policeman an apple, a flower NP <T (VP/NP)\((VP/NP)/NP) NP <T (VP\(VP/NP)) a teacher an apple, a policeman a flower (VP/NP)\((VP/NP)/NP) (VP\(VP/NP)) <B VP\((VP/NP)/NP) 13

関係節 (the man) that Anna married (N\N)/(S/NP) NP (S\NP)/NP この解析はレポート課題にする予定 14

Thrush の心とは? 動詞が主語をとって文になるのではなく 名詞が動詞句をとって文になる という解釈 anna := S/(S\NP) 選択する側 される側が反転していることに注意! 15

STARLING ( ムクドリ ) 16

The Starling: 導入 Parasitic Gap 関係節の目的語と動名詞の目的語が共有される場合 articles which i I will file i without reading i 17

The Starling 後ろ向き交差代入 (backward crossed substitution) Y/Z (X\Y)/Z X/Z (<Sx) 例 (articles) which I will file without reading (N\N)/(S/NP) S/VP VP/NP (VP\VP)/VPing VPing/NP >B (VP\VP)/NP <Sx VP/NP >B S/NP > N\N 18

Starling の意味論 後ろ向き交差代入 (backward crossed substitution) Y/Z:g (X\Y)/Z:f X/Z: λx.fx(gx) (<Sx) 19

bird 一覧 合成 (functional composition) X/Y Y/Z X/Z (>B) X/Y Y\Z X\Z (>Bx) Y\Z X\Y X\Z (<B) Y/Z X\Y X/Z (<Bx) 型繰り上げ (type-raising) X T/(T\X) X T\(T/X) (>T) (<T) 代入 (functional substitution) (X/Y)/Z Y/Z X/Z (>S) (X/Y)\Z Y\Z X\Z (>Sx) Y\Z (X\Y)\Z X\Z (<S) Y/Z (X\Y)/Z X/Z (<Sx) 20

擬似的曖昧性 擬似的曖昧性 (spurious ambiguity) このような統語構造の順番を無視するような構造をつくると 同じ文に対して可能な解析が爆発的に増えてしまう 特に型繰り上げを使うと 無限に生成できてしまう 21

擬似的曖昧性 Anna married Manny に対する普通の解析 Anna married Manny NP: anna (S\NP)/NP: λx.λy.marry x y S\NP: λy.marry manny y S: marry manny anna < NP: manny > 22

擬似的曖昧性 その他の解析 1 Anna married Manny NP: anna (S\NP)/NP: λx.λy.marry x y NP: manny T/(T\NP) <T T\(T/NP) <T :λp.p anna :λq.q manny < S\NP: λy.marry manny y S: marry manny anna > 23

擬似的曖昧性 その他の解析 2 Anna married Manny NP: anna (S\NP)/NP: λx.λy.marry x y NP: manny T/(T\NP) <T T\(T/NP) <T :λp.p anna :λq.q manny >B S/NP: λx.marry x anna < S: marry manny anna 24

擬似的曖昧性 解析過程や統語構造が異なっていても意味構造は同じ パーザー ( 構文解析器 ) は 与えられた文に対する全ての意味構造に対し それに対応するいくつかの統語構造さえ出力できれば良い 反論 : 全ての統語構造を列挙しないと 全ての意味構造を列挙することは難しい 反論 : 普通の句構造解析でも同じようにたくさんの曖昧性はある さらに言えば 実テキストを解析できるシステムが存在する 25

CCG のすごいところ (1/2) どちらが 良い 統語構造か? という長年の言語学的疑問に一つのエレガントな解を与えた 意味構造が同じならどちらでも良い 文節文法 vs 句構造文法 (NP- を (WH 花子が作った )(NP 弁当を )) (PP (NP (WH 花子が作った ) 弁当 ) を ) 句構造の曖昧性 Manny might watch Anna with a telescope. 動詞は目的語と結びついた後に助動詞と結びつくか 動詞と助動詞が結びついた後に目的語と結びつくか? with a telescope は ``watch Anna に結びつくのか それとも ``might watch Anna に結びつくのか? 26

CCG のすごいところ (2/2) ほとんどの文法理論で失敗している等位接続構造をエレガントに説明できた? おじいさんは山へ芝刈りにおばあさんは川へ洗濯にいきました 27

まとめ CCG 関数適用 bluebird thrush starling 長所 資料 http://aiweb.cs.ehime-u.ac.jp/~ninomiya/ai2/ 28