Un sistema per la rappresentazione lessico-semantica di istruzioni in linguaggio naturale

La tesi è il punto di partenza per la costruzione di un corpus per la lingua inglese, contenente istruzioni in linguaggio naturale e annotato semi-automaticamente.
Si intende cioè ottenere come risultato un corpus nel quale ogni frase sia affiancata da una rappresentazione del proprio significato. Si vogliono costruire queste annotazioni semi-automaticamente, vale a dire costruendo un numero limitato di rappresentazioni semantiche valide per più casi, cosi da evitare di doverne scrivere una diversa per ogni parola presente nel lessico.
Il lavoro si concentra quindi sulla costruzione della semantica per alberi di parsing.
Ciò si è ottenuto per mezzo della semantica lessicale, che offre un metodo più intuitivo dell’approccio tradizionale (logica di primo ordine) per derivare conclusioni su ciò che le frasi affermano.
Nonostante oggi siano disponibili parser che coprono diverse tipologie di frasi, in genere questi non producono rappresentazioni semantiche ma solamente sintattiche.
Scopo di questo lavoro è quindi ottenere un sistema dall’ampia copertura che contemporaneamente produca una rappresentazione del significato basata sulla semantica lessicale.
Per ottenere questi risultati sono state sfruttate le nozioni del lessico VERBNET per quanto riguarda i verbi, e della risorsa semantica CORELEX per i sostantivi, usando come parser LCFLEX.
LCFLEX è un parser robusto, capace di restituire un parsing anche parziale quando le regole della grammatica non sono sufficienti al riconoscimento dell’intera frase.
Questo può facilmente accadere quando, come anche nel lavoro proposto, il corpus è molto grande, contiene dialoghi e si usa un registro informale. A causa della dimensione del corpus, sarebbe stato difficile avere un sistema dalla copertura totale.
Inoltre i dati usati per allenare e testare il nostro sistema contengono a volte errori grammaticali o di trascrizione.
Tra tutti i lessici disponibili si è prestata particolare attenzione a VERBNET il quale implementa e migliora la classificazione semantica dei verbi proposta da Beth Levin.
Per quanto riguarda i sostantivi si è fatto riferimento alla risorsa lessicale CORELEX, che propone un’analisi semantica dei sostantivi compatibile con quella usata per i verbi.

Sfruttare le nozioni di VERBNET e CORELEX e introdurle nel nostro sistema si è rivelato un compito non banale. In particolare un problema importante è stato riuscire a costruire, in modo compositivo, la semantica della frase da quella del verbo e dei suoi argomenti. A questo scopo ci siamo serviti di AUTOSEM, uno strumento compatibile con LCFLEX, in grado di costruire in modo compositivo la semantica durante il parsing. Per funzionare questo strumento necessita di un’ontologia che abbiamo costruito ispirandoci alle nozioni semantiche di VERBNET e CORELEX.
Ci siamo concentrati su frasi appartenenti a domini task-oriented, nei quali si devono eseguire azioni per ottenere un obiettivo, e poichè sono i verbi ad esprimere l’azione, la maggior parte della conoscenza è racchiusa in essi. Tuttavia questa conoscenza impone spesso dei vincoli sugli argomenti dei verbi (che generalmente sono sostantivi), per questo si è rivelato necessario avvalersi di una semantica di riferimento anche per i sostantivi.
Abbiamo così definito un’ontologia e un lessico che gestiscono sette classi che coprono il significato di 109 verbi, e 47 classi che coprono il significato di 289 sostantivi.
Il sistema è stato quindi valutato su un insieme di 751 frasi tratte dalla sezione homerepair di un corpus di nove Megabyte originariamente creato presso la University of Brighton.
I risultati ottenuti mostrano che il sistema ha prodotto una rappresentazione semantica corretta nel 96% dei casi, e ha generato una rappresentazione parziale per il 2,6%.