TAILIEUCHUNG - Báo cáo khoa học: "Corpus-Based Linguistic Indicators for Aspectual Classification"

Fourteen indicators that measure the frequency of lexico-syntactic phenomena linguistically related to aspectual class are applied to aspectual classification. This group of indicators is shown to improve classification performance for two aspectual distinctions, stativity and completedness (., telicity), over unrestricted sets of verbs from two corpora. Several of these indicators have not previously been discovered to correlate with aspect. | Corpus-Based Linguistic Indicators for Aspectual Classification Eric V. Siegel Department of Computer Science Columbia University New York NY 10027 Abstract Fourteen indicators that measure the frequency of lexico-syntactic phenomena linguistically related to aspectual class are applied to aspectual classification. This group of indicators is shown to improve classification performance for two aspectual distinctions stativity and com-pletedness . telicity over unrestricted sets of verbs from two corpora. Several of these indicators have not previously been discovered to correlate with aspect. 1 Introduction Aspectual classification maps clauses to a small set of primitive categories in order to reason about time. For example events such as You called your father are distinguished from states such as You resemble your father. These two high-level categories correspond to primitive distinctions in many domains . the distinction between procedure and diagnosis in the medical domain. Aspectual classification further distinguishes events according to completedness . felicity which determines whether an event reaches a culmination point in time at which a new state is introduced. For example I made a fire is culminated since a new state is introduced - something is made whereas I gazed at the sunset is non-culminated. Aspectual classification is necessary for interpreting temporal modifiers and assessing temporal entailments Vendler 1967 Dowty 1979 Moens and Steedman 1988 Dorr 1992 and is therefore a necessary component for applications that perform certain natural language interpretation natural language generation summarization information retrieval and machine translation tasks. Aspect introduces a large-scale domaindependent lexical classification problem. Although an aspectual lexicon of verbs would suffice to classify many clauses by their main verb only a verb s primary class is often domaindependent Siegel 1998b . Therefore it is necessary to produce a .

• Báo cáo khoa học
• Corpus Based Linguistic Indicators
• Aspectual Classification
• Eric V
• Siegel
• báo cáo khoa học
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học