espressioni polirematiche, Slide di Linguistica

Scarica espressioni polirematiche e più Slide in PDF di Linguistica solo su Docsity!

Multiword expression

discovery

Tecniche di estrazione automatica delle polirematiche 1

Multiword expressions (MWE)  (^) Anche chiamate «espressioni polirematiche» o «frasi fisse».  (^) Presentano idiosincrasie distribuzionali, sintattiche o semantiche.  (^) Dal punto di vista semantico sono assimilabili alle parole singole.  (^) Comprendono fenomeni linguistici molto diversi tra loro.

Alcuni esempi Nomi: (cane da guardia; casa editrice; doppio senso; gratta e vinci ). Verbi: (sputare il rospo; mandare giù; prendere una decisione; arrabbiarsi; farcela). Aggettivi: ( usa e getta ; su misura). Avverbi: (per filo e per segno; a piene mani). Determinanti: ( un sacco di).

Caratteristiche delle MWE  (^) Co-occorrenza  (^) Idiomaticità  (^) Variabilità  (^) Ambiguità  (^) Discontiguità N.B. non tutte le MWE hanno le stesse caratteristiche.

Idiomaticità Il significato delle MWE non è riconducibile alla combinazione dei significati delle sue parti: significato non-composizionale. es. mangiare la carne vs. mangiare la foglia. Problema : interpretazione letterale. Opportunità : metriche distribuzionali.

Variabilità Nelle MWE alcuni elementi non possono flettere, inoltre le MWE potrebbero non accettare alcune trasformazioni come la passivizzazione. es. I ragazzi corrono come i venti __ le cuoia sono state tirate da Carmelo. Problema : flessione. Opportunità : metriche di sostituzione sintattica.

Discontiguità Alcune MWE accettano l’inserzione di elementi estranei. es. prendere in considerazione qualcosa prendere qualcosa in considerazione Problema : non è possibile trattare le MWE come parole singole.

MWE discovery

 (^) Obiettivo: Costruzione automatica di un lessico di MWE ( type ) a partire da un corpus.  (^) Fasi:  (^) Estrazione dei candidati  (^) Calcolo delle metriche  (^) Classificazione

Estrazione dei candidati

Dal corpus viene estratta una serie di parole che potrebbero essere MWE ( candidati ).  (^) bigram = sequenza di 2 parole  (^) trigram = sequenza di 3 parole  (^) n-gram = sequenza di n parole

Estrazione dei candidati

Pattern morfosintattici:  (^) Aggettivo + Nome doppio senso  (^) Nome + Aggettivo cabina telefonica  (^) Nome + Prep + Nome carta di credito  (^) Verbo + Nome cantar vittoria  (^) Verbo + Aggettivo giocare sporco  (^) Verbo + Prep + Nome andare al diavolo

Metriche di associazione

 (^) Misurano la co-occorrenza di due o più parole ovvero quante volte queste parole compaiono nel testo in sequenza.  (^) Sono le metriche più diffuse.  (^) Si basano sulla teoria dell’informazione o sul test di ipotesi.

Metriche di associazione

Pointwise Mutual Information (PMI)

1

2

) = log

2

1

2

1

2

Metriche di associazione:

problemi

Falsi positivi : Verbi seguiti da argomenti tipici. Es. bussare alla porta , risolvere il problema , inviare un messaggio, tornare a casa Falsi negativi : Alcune parole frequenti formano numerose MWE. Es. avere voce, avere successo, essere indice, essere opera di, dare via e fare fuori

Metriche distribuzionali

 (^) Misurano la non-composizionalità del significato degli n-gram.  (^) Sono basate sui word embeddings.  (^) Confrontano il vettore ottenuto combinando i vettori delle singole parole presenti nell’MWE con il vettore prodotto direttamente dall’MWE.