Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

© Fraunhofer FKIE Computerlinguistik apl. Professor Dr. Ulrich Schade Fraunhofer-Institut für Kommunikation, Informationstechnik und Ergonomie

Ähnliche Präsentationen


Präsentation zum Thema: "© Fraunhofer FKIE Computerlinguistik apl. Professor Dr. Ulrich Schade Fraunhofer-Institut für Kommunikation, Informationstechnik und Ergonomie"—  Präsentation transkript:

1 © Fraunhofer FKIE Computerlinguistik apl. Professor Dr. Ulrich Schade Fraunhofer-Institut für Kommunikation, Informationstechnik und Ergonomie 8. Vorlesung ( )

2 © Fraunhofer FKIE Computerlinguistik Einführung Methoden Tagging Formale Methoden Parsing Ontologien Anwendungen Informationsextraktion Maschinelle Übersetzung Textanalyse Inhalt der Vorlesung

3 © Fraunhofer FKIE Computerlinguistik Die Ontologieausschnitte, die wir in der letzten Vorlesung herangezogen hatten, um zu verdeutlichen, wie Ontologien erstellt werden, waren im Wesentlichen auf Objekte bezogen, auf Gegenstände wie Kunstwerke oder Fahrzeuge, auf Personen wie Künstler usw. Natürlich ist für einige Problemstellungen auch Wissen über Handlungen oder Ereignisse notwendig. Um solches Wissen abzubilden, müssen wir Ontologien nutzen, deren Konzepte sprachlich als Verben und nicht als Nomen (wie bei einer reinen Objekt-Ontologie) formuliert werden. Verb-Ontologien

4 © Fraunhofer FKIE Computerlinguistik Verb-Ontologie Subclass Hierarchy Tree entity physical object self connected object region hole astronomical body geographic area geopolitical area water area land area continent island nation state or province address city collection agent process abstract In der Upper Ontology SUMO ( ) wird eine Verb-Ontologie unter process integriert.

5 © Fraunhofer FKIE Computerlinguistik Verb-Ontologie Subclass Hierarchy Tree entity physical object process dual object process intentional process intentional psychological process recreation or exercise organizational process guiding keeping maintaining repairing poking content development making searching social interaction maneuver motion internal change shape change abstract In SUMO sind auch die Prozesse noch weiter kategorisiert. Als Klassen haben wir dabei dual object process intentional process motion internal change shape change

6 © Fraunhofer FKIE Computerlinguistik Definitionen nach SUMO dual object process A process that requires two, nonidentical patients. patient (patient process entity) means that entity is a participant in process that may be moved, said, experienced, etc. For example, the direct objects in the sentences 'The cat swallowed the canary' and 'Billy likes the beer' would be examples of patients. Note that the patient of a process may or may not undergo structural change as a result of the process. [...] patient is used when one wants to specify as broadly as possible the object of a process. Verb-Ontologien

7 © Fraunhofer FKIE Computerlinguistik Sowa (2000 – ) unterscheidet dagegen patient und theme: patient An essential participant that undergoes some structural change as a result of the event. Example: The cat swallowed the canary. theme An essential participant that may be moved, said, or experienced, but is not structurally changed. Example: Billy likes the beer. Verb-Ontologien

8 © Fraunhofer FKIE Computerlinguistik Wir werden auf das System semantischer bzw. thematischer Rollen nach Sowa (2000) weiter unten noch näher eingehen. Die von Sowa gewählte Unterscheidung zwischen theme und patient ist aber nicht unumstritten. So finden wir z.B. bei Nirenburg & Raskin (2004, S. 212f.) folgende Unterscheidung: Theme Definition:The entity manipulated by an action. Semantic constraints:Themes are seldom human. Examples:John kicked the ball. The price is high. The ball rolled down the hill. Verb-Ontologien

9 © Fraunhofer FKIE Computerlinguistik Wir werden auf das System semantischer bzw. thematischer Rollen nach Sowa (2000) weiter unten noch näher eingehen. Die von Sowa gewählte Unterscheidung zwischen theme und patient ist aber nicht unumstritten. So finden wir z.B. bei Nirenburg & Raskin (2004, S. 212f.) folgende Unterscheidung: Patient Definition:The entity that is affected by an action. Semantic constraints:Typically, patients are human. Examples:Mary gave a book to John. Fred heard music. Bill found himself entranced. Verb-Ontologien

10 © Fraunhofer FKIE Computerlinguistik Unterklassen nach SUMO zu dual object process substituting, transaction, comparing, attaching, detaching, combining, separating Verb-Ontologien

11 © Fraunhofer FKIE Computerlinguistik Definitionen nach SUMO intentional process A process that is deliberately (intentionally) set in motion by a cognitive agent (CognitiveAgent). cognitive agent A sentient agent with responsibilities and the ability to reason, deliberate, make plans, etc. This is essentially the legal/ethical notion of a person. [...] there may be instances of CognitiveAgent which are not also instances of Human. For example, chimpanzees, gorillas, dolphins, whales, and some extraterrestrials (if they exist) may be CognitiveAgents. Verb-Ontologien

12 © Fraunhofer FKIE Computerlinguistik Unterklassen nach SUMO zu intentional process intentional psychological process, recreation or exercise, organizational process, guiding, keeping, maintaining, repairing, poking, content development, making, searching, social interaction, maneuver Verb-Ontologien

13 © Fraunhofer FKIE Computerlinguistik Definitionen nach SUMO motion Any process of moving. Unterklassen nach SUMO zu motion body motion, direction change, transfer, transportation, radiating Die klassischen Motion-Aktionen wie marschieren oder fahren besitzen bzw. erlauben spezifische Thematische Rollen wie destination, die für andere Klassen weniger typisch sind. Verb-Ontologien

14 © Fraunhofer FKIE Computerlinguistik Definitionen nach SUMO internal change Processes which involve altering an internal property of an object, e.g. the shape of the object, its coloring, its structure, etc. Processes that are not instances of this class include changes that only affect the relationship to other objects, e.g. changes in spatial or temporal location. Unterklassen nach SUMO zu internal change biological process, quantity change, damaging, chemical process, surface change, creation, state change Verb-Ontologien

15 © Fraunhofer FKIE Computerlinguistik Definitionen nach SUMO shape change The process of changing the shape of an object. Unterklassen nach SUMO zu shape change keine Unterklassen Anmerkung: Die Abgrenzung zur Klasse internal change ist unklar. Verb-Ontologien

16 © Fraunhofer FKIE Computerlinguistik In SUMO sind nicht nur die Taxonomien und die möglichen Attribute (mitsamt Werteinschränkungen) hinterlegt, sondern auch Regeln (Axiome). Ein Axiom für die Klasse shape change lautet z.B.: If alt is an instance of shape change and obj is a patient of alt, then there exists shape attribute property so that property is an attribute of obj immediately before "the time of existence of alt" and property is not an attribute of obj immediately after "the time of existence of alt" or property is not an attribute of obj immediately before "the time of existence of alt" and property is an attribute of obj immediately after "the time of existence of alt". Verb-Ontologien

17 © Fraunhofer FKIE Computerlinguistik Verben haben einen syntaktischen und einen semantischen Rahmen. Den syntaktischen Rahmen nennt man auchSubkategorisierungsrahmen und den semantischen Valenzrahmen (vgl. Helbig, 2006, S. 92). Beispiel: Maria wohnt in Bonn. SYN: wohnen – [SUBJ (NP) | adverbiale Bestimmung des Ortes (PP)] SEM: wohnen – [AGENT, LOCATION] Verb-Ontologien

18 © Fraunhofer FKIE Computerlinguistik Subkategorisierungsrahmen sind sprachspezifisch, Valenzrahmen nicht. AgentZielInstrument Watashi waTōkyō e hikōki de ikimasu. ThemaPPPP (was mich betrifft Tokio nach Flugzeug mit bewege selbst – höflich) Ich fliege nach Tokiomit dem Flugzeug. Ich fliege mit dem Flugzeugnach Tokio. SubjektPP PP Verb-Ontologien

19 © Fraunhofer FKIE Computerlinguistik Subkategorisierungsrahmen sind sprachspezifisch, Valenzrahmen nicht. The widow donates the old Mercedes to the church. Subjektdirektes ObjektPräpositional- objekt Die Witwestiftetden alten Mercedesder Kirche. Subjekt Akkusativ-ObjektDativ-Objekt AgentThemeReceiver Verb-Ontologien

20 © Fraunhofer FKIE Computerlinguistik Für uns ist es wichtig, die Taxonomie der Verb-Ontologie so aufzubauen, dass sich Anteile des Valenzrahmens vererben. Beispielsweise gilt für die Klasse intentional process aus SUMO, dass diejenigen Verb, die letztlich unter dieser Klasse zusammengefasst werden, sämtlich in ihrem Valenzrahmen die thematische Rolle agens (Agent) haben (in SUMO cognitive agent), wohingegen andere Verb etwa das Satzsubjekt (Aktivsatz) auf effector abbilden. Verb-Ontologien

21 © Fraunhofer FKIE Computerlinguistik Definitionen und Beispiele nach Sowa (2000): Agent An active animate entity that voluntarily initiates an action. Example: Eve bit an apple. Effector An active determinant source, either animate or inanimate, that initiates an action, but without voluntary intention. Example: The tree produced new leaves. Verb-Ontologien

22 © Fraunhofer FKIE Computerlinguistik Weitere von Sowa (2000) diskutierten thematischen Rollen sind: Recipient An animate goal of an act. Example: Sue sent the gift to Bob. Beneficiary (Unterrolle zu Recipient) A recipient that derives a benefit from the successful completion of the event. Example: Diamonds were given to Ruby. Verb-Ontologien

23 © Fraunhofer FKIE Computerlinguistik Weitere von Sowa (2000) diskutierten thematischen Rollen sind: Experiencer An active animate goal of an experience. Example: Yojo sees the fish. Experiencer und Beneficiary sind Verfeinerungen zu Recipient. Verb-Ontologien

24 © Fraunhofer FKIE Computerlinguistik Weitere von Sowa (2000) diskutierten thematischen Rollen sind: Result An inanimate goal of an act. Example: Eric builts a house. Result ist das unbelebte Gegenstück zu Recipient. Die Unterteilung zwischen Agent und Effector ist ähnlich, aber die Trennlinie verläuft nicht zwischen belebt und unbelebt bei Initiator, sondern zwischen intentional und nicht intentional bei der Aktion. Verb-Ontologien

25 © Fraunhofer FKIE Computerlinguistik Weitere von Sowa (2000) diskutierten thematischen Rollen sind: Patient An essential participant that undergoes some structural change as a result of the event. Example: The cat swallowed the canary. Theme An essential participant that may be moved, said, or experienced, but is not structurally changed. Example: Billy likes the beer. Verb-Ontologien

26 © Fraunhofer FKIE Computerlinguistik Es soll nochmals betont werden, dass Sowa zwischen der Essenz einer Action und dem Ziel einer Aktion unterscheidet. Zur Essenz gehören die Rollen Patient und Theme, zum Ziel die Rollen Recipient bzw. Beneficiary und Experiencer. Im Deutschen sind erstere syntaktisch eher durch einen Akkusativ und letztere eher durch einen Dativ markiert. Nirenburg und Raskin (2004, S. 213) plädieren dafür, nur Patient zu nutzen: Early implementations of ontological semanitcs, instead of a single patient role, used several: experiencer [Fred heard music] and beneficiary [Mary gave a book to John]. Verb-Ontologien

27 © Fraunhofer FKIE Computerlinguistik Sonstige von Sowa (2000) diskutierten thematischen Rollen sind: Instrument A resource that is not changed by an event. Example: The key opened the door. Matter A resource that is changed by the event. Example: The gun was carved out of soap. Medium A physical resource for transmitting information, such as the sound of speech or the electromagnetic signals that transmit data. Example: Bill told Boris by phone. Verb-Ontologien

28 © Fraunhofer FKIE Computerlinguistik Sonstige von Sowa (2000) diskutierten thematischen Rollen sind: Location An essential participant of a spatial nexus. Example: [The taxi waits at the station]. Origin A passive determinant source of a spatial or ambient nexus. Example: [George leaves Washington]. Verb-Ontologien

29 © Fraunhofer FKIE Computerlinguistik Sonstige von Sowa (2000) diskutierten thematischen Rollen sind: Path A resource of a spatial nexus. Example: The pizza was shipped via Albany and Buffalo. Destination A goal of a spatial process. Example: Bob went to Danbury. Hier fehlt eigentlich noch Direction. Beispiel: Bob rannte nach Norden. Verb-Ontologien

30 © Fraunhofer FKIE Computerlinguistik Sonstige von Sowa (2000) diskutierten thematischen Rollen sind: PointInTime An essential participant of a temporal nexus. Example: At 5:25 PM, Erin left. Start A determinant source of a temporal nexus. Example: Bill waited from noon to three. Verb-Ontologien

31 © Fraunhofer FKIE Computerlinguistik Sonstige von Sowa (2000) diskutierten thematischen Rollen sind: Duration A resource of a temporal process. Example: The truck was serviced for 5 hours. Completion A goal of a temporal process. Example: Mary waited until noon. Verb-Ontologien

32 © Fraunhofer FKIE Computerlinguistik InitiatorResourceGoalEssence Action Agent, Effector Instrument Result, Recipient Patient, Theme Process Agent, Origin Matter Result, Recipient Patient, Theme Transfer Agent, Origin Instrument, Medium Experiencer, Recipient Theme SpatialOriginPathDestinationLocation TemporalStartDurationCompletionPointInTime AmbientOrigin Instrument, Matter ResultTheme

33 © Fraunhofer FKIE Computerlinguistik Verb-Ontologien Sowa hat die Spalten in der Matrix der thematischen Rollen (auch als semantische Rollen bezeichnet) nach Begriffen benannt, die bereits Aristoteles (in seiner Metaphysik) eingeführt hat. Initiator corresponds to Aristotle's efficient cause, "whereby a change or a state is initiated" (1013b23). Resource corresponds to the material cause, which is "the matter or the substrate (hypokeimenon)" (983a30).

34 © Fraunhofer FKIE Computerlinguistik Verb-Ontologien Goal corresponds to the final cause, which is "the purpose or the benefit; for this is the goal (telos) of any generation or motion" (983a32). Essence corresponds to the formal cause, which is "the essence (ousia) or what it is (to ti ên einai)" (983a27).

35 © Fraunhofer FKIE Computerlinguistik Verb-Ontologien Noch einmal, wir bauen die Taxonomie der Verb-Ontologie nach Möglichkeit so auf, dass sich Anteile des Valenzrahmens vererben. Das heißt, alle Verben, die die Rolle Agent tragen, werden von dem Knoten Intentional Process (Action) dominiert und erben von diesem Knoten die thematische Rolle Agent. Analoges gilt auch für die anderen Rollen.

36 © Fraunhofer FKIE Computerlinguistik Verb-Ontologien Die Verben, die die Rolle Agent tragen, werden von dem Knoten Intentional Process (Action) dominiert und erben von diesem Knoten die thematische Rolle Agent. Analoges gilt auch für die anderen Rollen. intentional process intentional psychological process recreation or exercise organizational process guiding keeping maintaining repairing poking content development making searching social interaction maneuver

37 © Fraunhofer FKIE Computerlinguistik Verb-Ontologien die Vererbung der spatialen Rollen für die Verben zu Motion

38 © Fraunhofer FKIE Computerlinguistik Verb-Ontologien

39 © Fraunhofer FKIE Literatur Computerlinguistik Helbig, H. (2006). Knowledge Representation and the Semantics of Natural Language. Berlin: Springer. Levin, B. (1993). English Verb Classes and Alternations: A Preliminary Investigation. Chicago, IL: University of Chicago Press. Mitkov, R. (2003). The Oxford Handbook of Computational Linguistics. Oxford, UK: Oxford University Press. Nirenburg, S. & Raskin, S. (2004). Ontological Semantics. Cambridge, MA: MIT-Press. Sowa, J.F. (2000). Knowledge Representation. Pacific Grove, CA: Brooks/Cole. Staab, S. & Studer, R. (2004), Handbook on Ontologies. Berlin: Springer.


Herunterladen ppt "© Fraunhofer FKIE Computerlinguistik apl. Professor Dr. Ulrich Schade Fraunhofer-Institut für Kommunikation, Informationstechnik und Ergonomie"

Ähnliche Präsentationen


Google-Anzeigen