07-3-深层语义推理

语义分析Python自然语言处理第七章CONTENT目录

01词义消歧02词义角色标注03深层语义推理课前回顾词义角色标注01OPTION02OPTION02OPTION格语法基于统计机器学习技术的语义角色标注深层语义推理在自然语言处理研究中，除了分析句子的表面含义之外，还需要推理出句子深层次语义，分析理解深层语义是当前自然语言处理领域中的重点和难点。基于推理的语义分析主要是分析实体与实体之间的因果关系，常用的方法包括谓词逻辑、语义网络和概念依存理论等。深层语义推理03命名逻辑和谓词逻辑语义网络概念依存理论谓词逻辑的发展命题逻辑和谓词逻辑是最先应用于人工智能的两种逻辑，对于知识的形式化表示，特别是定理的证明发挥了重要作用。谓词逻辑是在命题逻辑的基础之上发展起来的，命题逻辑可看作是谓词逻辑的一种能特殊性形式。谓词逻辑是人工智能中一个重要的知识表示方法。命题逻辑

谓词逻辑谓词逻辑是一种更强的逻辑形式。在谓词逻辑中，命题是用谓词来表示的。一个谓词可分为谓词名和个体词两个部分。其中，个体词是命题中的主语，用来表示独立存在的事物或抽象的概念。谓词名是命题中的谓语，用来表示客体的性质、状态或客体之间的关系等。谓词逻辑

谓词逻辑

谓词逻辑

谓词逻辑

深层语义推理03命名逻辑和谓语逻辑语义网络概念依存理论语义网络语义网络是一种用实体及其语义关系来表达知识的有向图，由西蒙（Simmons）于1972年正式提出。在一个语义网络中，信息被表达为一组结点，结点通过一组带标记的有向直线彼此相连，用于表示结点间的关系。有向图的结点代表实体（entity）或者概念（concept），而有向图的边代表实体/概念之间的各种语义关系，比如说两个实体之间的相似关系。语义关系主要由ISA、PART-OF、IS等谓词表示。语义网络三种语义关系谓词ISA体现的是“具体与抽象”的概念，含义为“是一个”，表示一个事物是另外一个事物的一个实例，例：2.谓词PART-OF指具有组织或者结构特征的“部分与整体”之间的关系。是一种包含关系。例如，“大脑时身体的一部分”这个命题3.谓词IS指表示一个结点是另外结点的一个属性。例如，“北京是中国的首都”这个命题，如图：语义网络除了以上三种关系，语义网络的结点之间的关系还可以有施事(AGENT)、受事(OBJECT)、位置(LOCATION)等。例如，“狮子在草原上捕食羚羊”这一事件，可以表示为下图的形式。结点表现为自然语言的词和短语的概念，语义关系则是句子中动词和主语、宾语等的关系，动词和名词或者是名词性成分的关系是语义网络的核心内容。语义网络用语义网络表示知识的问题求解系统主要由两大部分组成，语义网络的推理过程主要有两种：继承和匹配。语义网络构成的知识库12用于求解问题的推理机构语义网络继承含义：把事物的描述从抽象的结点传递到实例结点。通过继承可以得到所需结点的一些属性。通常是沿着ISA,AKO等继承弧进行的。其主要流程为：建立一个用于存放结点的表。初始情况下，结点表中只有待求结点。检查第一个待求结点是否有继承弧，如果没有则删除结点；如果有，则把继承弧连接的结点都放入节点表的末尾，并记录结点的属性，同时删除第一个结点。重复步骤（2），直到结点表为空，记录的所有属性就是待求结点继承的属性。语义网络继承例：在下图中，通过继承关系可以得到“鱼”的属性：会游泳，生活中水中，能吃等。语义网络匹配含义：在知识库的语义网络中查找和待求解问题相符合的语义网络模式。其主要流程如下：

（1）首先根据待求解问题构建一个语义网络片断，片断中部分结点或继承弧是空的，称之为询问处，它反映的是待求解的问题。（2）根据构建的语义片断去知识库查询需要的信息（3）当知识库的某个语义网络片断和待求解的片断相匹配是，则相匹配的事实就是待求解问题的解。语义网络匹配例：根据图中所示的语义网络，求解“王强在哪工作”这个问题。当用待求解问题语义网络片断和图8-7所示的语义网络进行匹配时，由弧“Work-for”所连接的结点可以得到问题的解，王强在“理想公司”工作。如果还想查询其他问题，则在语义网络片断增加相应的空结点即可。深层语义推理03命名逻辑和谓语逻辑语义网络概念依存理论概念依存理论概念依存理论，是用若干语义基元来表示所有行动和状态的一种思想。这种理论是R.Schank在70年代初期提出的，目的在于为自然语言的机器处理提供比较全面的手段（包括对输入原文的释意、翻译、推理和回答问题），同时也为研究人的语言处理提供一种直观理论。采用概念依存理论的自然语言处理程序，将语义作为首要的考虑因素，