Tìm các câu phụ có ý nghĩa từ một câu

Question

Có cách nào để tìm tất cả các câu phụ của câu vẫn có ý nghĩa và chứa ít nhất một chủ đề, động từ và một biến vị ngữ/đối tượng không?

Ví dụ: nếu chúng tôi có câu như "Tôi sẽ tổ chức hội thảo về NLP tại SXSW ở Austin vào tháng tới". Chúng tôi có thể trích xuất các câu phụ có ý nghĩa sau đây từ câu này: "Tôi sẽ tổ chức hội thảo", "Tôi sẽ tổ chức hội thảo về NLP", "Tôi sẽ tổ chức hội thảo về NLP tại SXSW", " Tôi sẽ tổ chức một hội thảo tại SXSW "," Tôi sẽ tổ chức một hội thảo ở Austin "," Tôi sẽ tổ chức một hội thảo về NLP vào tháng tới ", v.v.

Xin lưu ý rằng không có suy luận câu ở đây (ví dụ: "Sẽ có một hội thảo NLP tại SXSW vào tháng tới". Mặc dù điều này là đúng, chúng tôi không cần điều này như là một phần của vấn đề này.). Tất cả các câu được tạo ra đều là một phần của câu đã cho.

Làm cách nào chúng tôi có thể tiếp cận giải quyết vấn đề này? Tôi đã nghĩ đến việc tạo dữ liệu đào tạo có chú thích có một tập hợp các câu con hợp pháp cho mỗi câu trong tập dữ liệu huấn luyện. Và sau đó viết một số thuật toán học được giám sát (s) để tạo ra một mô hình.

Tôi khá mới với NLP và Học máy, vì vậy sẽ rất tuyệt nếu các bạn có thể đề xuất một số cách để giải quyết vấn đề này.

Answer 1

Có giấy có tiêu đề "Using Discourse Commitments to Recognize Textual Entailment" bởi Hickl và cộng sự thảo luận về việc trích xuất các cam kết diễn ngôn (phụ câu). Bài báo bao gồm một mô tả về thuật toán của họ mà ở một mức độ nào đó hoạt động trên các quy tắc. Họ sử dụng nó cho RTE, và có thể có một số mức khấu trừ tối thiểu trong đầu ra. Văn bản đơn giản hóa có thể là một khu vực liên quan để xem xét.

Answer 2

Một cách tiếp cận sẽ là với trình phân tích cú pháp, chẳng hạn như PCFG. Việc cố gắng đào tạo một mô hình để phát hiện 'những phần phụ thuộc' có khả năng bị dữ liệu thưa thớt. Ngoài ra, tôi nghi ngờ rằng bạn có thể viết ra một định nghĩa thực sự rõ ràng và rõ ràng về một khoản trợ cấp, và nếu bạn không thể xác định nó, bạn không thể nhận được chú thích để chú thích cho nó.

Answer 3

Bạn có thể sử dụng trình phân tích cú pháp phụ thuộc được cung cấp bởi Stanford CoreNLP. Kết quả thu gọn của câu của bạn sẽ trông giống như dưới đây.

nsubj(going-3, I-1) 
xsubj(do-5, I-1) 
aux(going-3, am-2) 
root(ROOT-0, going-3) 
aux(do-5, to-4) 
xcomp(going-3, do-5) 
det(seminar-7, a-6) 
dobj(do-5, seminar-7) 
prep_on(seminar-7, NLP-9) 
prep_at(do-5, -11) 
prep_in(do-5, Austin-13) 
amod(month-15, next-14) 
tmod(do-5, month-15) 

5 kết quả cuối cùng của câu là tùy chọn. Bạn có thể xóa một hoặc nhiều phần không cần thiết cho câu của mình.
Hầu hết các phần tùy chọn này thuộc về prepositional và modifier, ví dụ: prep_in, prep_do, advmod, tmod, vv. Xem Stanford Dependency Manual.

Ví dụ, nếu bạn loại bỏ tất cả các modifier từ đầu ra, bạn sẽ nhận được

Tôi sẽ làm một hội thảo về NLP tại SXSW ở Austin.

Answer 4

Giấy sau đây http://www.mpi-inf.mpg.de/~rgemulla/publications/delcorro13clausie.pdf xử lý các phụ thuộc từ trình phân tích cú pháp Stanford và điều chỉnh các điều khoản đơn giản (đơn giản hóa văn bản).

Xem các bản demo trực tuyến - https://d5gate.ag5.mpi-sb.mpg.de/ClausIEGate/ClausIEGate