Análisis Morfológico

PLN Análisis Morfológico 1

Análisis Morfológico

• Introducción• Morfología• Análisis morfológico • Uso de técnicas de estados finitos en morfología• Aprendizaje automático de la morfología de una lengua


Morfología 1

• Morfología• Funciones

• Flexión

• Derivación

• Composición

• Resultado• categorización morfosintáctica

• Ej. categorías Parole

• Ej. Penn Treebank tagset

• rasgos morfológicos

• Problemas• alteraciones fonológicas

• morfotáctica

ej. VMIP1S0ej. VBD


Morfología 2

• Problemas• sufijos flexivos sufijos derivativos

• la derivación implica a veces cambio semántico que además no es siempre predecible

• ej. extensiones de significado

• reglas léxicas

• Un sufijo derivativo puede ir seguido de su flexión• amar => amante => amantes

• La flexión no cambia la categoría gramatical, la derivación a veces si

• La flexión afecta a otras palabras de la oración• concordancia


Morfología, Modelos Computacionales

• Funciones• Flexión, Derivación, Composición

• Morfotáctica• Reglas de formación de palabras

• Combinaciones posibles entre morfemas• Encadenamiento simple

• modelos complejos raiz/patrón

• Regularidad y cercanía dependientes de la lengua

• Alteraciones fonológicas (Morfofonología)• cambios al unir los morfemas

• origen: fonología, morfología, ortografía

• variables en número y complejidad

• p.ej. armonía vocálica


Morfemas

• 1 morfema:• evitar

• 2 morfemas:• evitable = evitar + able

• 3 morfemas:• inevitable = in + evitar + able

• 4 morfemas:• inevitabilidad = in + evitar + able + idad


Morfología Flexiva

• número• house houses• cheval chevaux• casa casas

• tiempo verbal• walk walkes walked walking• amo amas aman ...

• género• niño niña


Morfología Derivativa

• Forma de la derivación• sin cambio barcelonés

• prefijación inevitable

• sufijación importantísimo

• infijación

• Origen• verbo => adjetivo tardar => tardío

• verbo => nombre sufrir => sufrimiento

• nombre => nombre actor => actorazo

• nombre => adjetivo atleta => atlético

• adjetivo => adjetivo rojo => rojizo

• adjetivo => adverbio alegre => alegremente


Morfología Derivativa vs Flexiva

• sufijos flexivos <> sufijos derivativos• la derivación implica a veces cambio semántico que

además no es siempre predecible• ej. extensiones de significado

• reglas léxicas

• Un sufijo derivativo puede ir seguido de su flexión• amar => amante => amantes

• La flexión no cambia la categoría gramatical• La flexión afecta a otras palabras de la oración


Análisis morfológico 1

• Tipos de analizadores morfológicos• formarios

+ eficiencia

+ poca variación (ej. inglés)

+ extensibilidad

+ construcción a partir de un generador morfológico

– lenguas muy flexivas

– derivación, composición

• técnicas de estados finitos• autómatas

• analizadores de un nivel

• transductores• analizadores de dos o más niveles

Maco+Atserias et al, 1998

Martí, 1988Koskenniemi, 1983Sproat, 1993

Roche,Schabes, 1997Kornai, 1999


Modelos de cómputo 1

• Mezcla de conocimiento lingüístico y procedimental• Sistemas automáticos. Multilingüismo. Corpus• Problema de la eficiencia• Problema de la sobregeneración


Modelos de cómputo 2

• Criterios de clasificación• Poder descriptivo

• Flexión, Derivación, Composición

• Análisis y Generación

• Enfoque• Basados en léxico

• Basados en paradigma (Calder,89)

• Tratamiento de la morfotáctica• Estados Finitos

• Unificación

• Tratamiento de la morfofonología• Estados Finitos

• Métodos ad-hoc

• Elementos del léxico• Morfemas

• Segmentos de palabra


Morfología un nivel

Sistema AMCAS (Marti,89)

START RNA

RV1

RNA1

RV

F

INFIJ

RGN


SISTEMA AMCAS 1

DICCIONARIORAICES

ESTADOS

REGLAS

DICCIONARIOSUFIJOS

MODELOSSUFIJO

MODELOSRAIZ

AUTOMATA

ANALIZADOR MORFOLOGICOTEXTOENTRADA

TEXTOETIQUETADO


SISTEMA AMCAS 2

DICCIONARIO DE RAICES (FRAGMENTO)

RAIZ MODELO PROPIEDADES DIVISIBLE "d" D (("B1" "DORW")("TVM" "VI") ("SEM" "DECIR-1")) nil"de" PREP () nil"del" PREP () nil"deposit" AM (("TGN" "OM") ("BL" "&3")) nil"dese" AM (("TGN" "OM") ("B1" "OSOJ") ("TVM" "VI")) nil"dich" HECH (("TGN" "OM") ("CONJ" "3")) nil"dich" DETN (("DET" "DEM")) nil "dich" PRON (("PRN" "DEM") ) nil"diner" NOM ("B1" "DAF") ("B2" "ALM") ("SEM" "DINERO-1")) nil"directori" NOM () nil


SISTEMA AMCAS 3

DICCIONARIO DE SUFIJOS (FRAGMENTO)

SUFIJO MODELO PROPIEDADES DIVISIBLE "a" AASAM (("NUM" "SG")) nil "a AASFEM (("NUM" "SG")) nil "a" GAF (("GEN" "FEM")("NUM" "SG")) nil "a" GAM (("NUM" "SG")) nil "a" GBAJ (("GEN" "FEM")("NUM" "SG")) nil "a" GBAW (("GEN" "FEM")("NUM" "SG")) nil "a" GN1 (("GEN" "FEM")("NUM" "SG")) nil "a" GOAJ (("GEN" "FEM")("NUM" "SG")) nil "a" IMP (("NUM" "SG")("PERS" "2")) nil "a" IPO (("NUM" "SG")("PERS" "3")) nil "a" SP2 (("NUM" "SG")("PERS" "1/3")) nil "aba" IMA (("PERS" "1")("NUM" "SG")) nil "lo" PROE (("ENCL" "LO")("BL" "&1")) nil "me" PROE (("BL" "&1")) nil "&" GBF&1 (("NUM" "SG")) nil "&" GBM&1 (("NUM" "SG")) nil


SISTEMA AMCAS 4

DICCIONARIO DE MODELOS DE RAIZ (FRAGMENTO)

MODELO PROPIEDADES

CSS (("CAT" "CONJ") ("TCON" "CSS") ("BL" "SI"))D (("CAT" "VERB") ("TV" "D"))DETD1 (("CAT" "DET") ("PERS" "1") ("TGN" "EAO") ("BL" "SI") ("DET" "DEM"))


SISTEMA AMCAS 5

DICCIONARIO DE MODELOS DE SUFIJO (FRAGMENTO)

MODELO PROPIEDADES

AASAM (("GEN" "AMBI"))AASFEM (("GEN" "FEM") ("CAT" "ADJ"))GAF (("CAT" "NOM") ("GEN" "FEM"))GAM (("CAT" "NOM") ("GEN" "MASC"))GBAJ (("CAT" "ADJ"))GBAW (("CAT" "ADJ"))GN1 ()GOAJ (("CAT" "ADJ"))IMP (("CAT" "VERB") ("TEMP" "PRES") ("PROE" "SI") ("MODO" "IMP"))IPO (("CAT" "VERB") ("TEMP" "PRES") ("BL" "SI") ("MODO" "IND"))PROE ()SP2 (("CAT" "VERB") ("TEMP" "PRES") ("MODO" "SUBJ"))& ()


SISTEMA AMCAS 6

DICCIONARIO DE REGLAS (FRAGMENTO)

EST_INI EST_FIN MODELO CONDICIONES

RNA1 RGN OOSMAS (("TGN" "OAJ"))RV F BL (("BL" "SI"))RV F & (("BL" "&1"))RV RV PROE (("PROE" "SI"))RV1 INFIJ CC (("U" "CCVD"))RV1 RGN AASFEM (("T1" "OAJ"))RV1 RGN GAF (("T1" "AF")("TGN" "AF"))RV1 RGN GAM (("TGN" "AM"))RV1 RGN GOAJ (("B1" "TOJ"))RV1 RV IMP (("TV" "R")("TV" "ACUE) ("TV" "ADC")

("TV" "ADZ")("TV" "D"))RV1 RV IPO (("TV" "PONG")("TV" "R")("TV" "HIZ")

("TV" "PUED"))RV1 RV SPB (("TV" "PONG")("TV" "SEP")("TV" "D"))START RV1 D ()


Morfología de dos niveles 1

• Modelo general para lenguas con encadenamiento de morfemas

• Independencia entre información lingüística y analizador• Válido para análisis y generación• Distinción entre nivel léxico y superficial• Reglas paralelas para expresar la morfofonología• Implementación simple• Elementos: Sistema léxico + Reglas


Morfología de dos niveles 2

• Reglas morfológicas• Expresan las relaciones entre caracteres (superficie) y

morfemas y permiten la descomposición de una cadena de caracteres en una estructura morfémica de la palabra

• Reglas de deletreo (spelling rules)• Trabajan a nivel de las letras que constituyen la palabra

• Reglas gramática de la palabra (word grammar rule)• Permiten definir la composición entre morfemas en

términos de abstracciones sobre las propiedades de éstos, al margen de su realización léxica

• Ritchie,Pulman,Black,Russell,87


reglas gramática de la palabra 1

Caracterizan la morfología abstrayendo de los detalles de lascadenas concretas

Secuencias correctas de morfemasConcatenaciones válidasCategoría sintáctica de la palabra resultante

Categoría (de una palabra, morfema o fragmento) es un conjuntode pares <atributo, valor>

Ej. (GPSG): plural noun == ((N +) (V -) (PLU +) (BAR 0))



alias noun = ((N +) (V -) (BAR 0))alias verb = ((N -) (V +) (BAR 0))alias adj = ((N +) (V +) (BAR 0))

variable C = {noun, adj}

regla del plural:(C (PLU + )) --> (C (PLU - )), ((PLU +))

gatos ((N +) (V -) (PLU +) (BAR 0))

lexicón :gato => (noun (PLU -))...s => ((PLU +))...



regla de prefijación:((BAR 0)) --> ((FIX PRE)), ((BAR 0)).

regla de sufijación:((BAR 0) (N +)) --> ((BAR 0)), ((N +) (FIX SUF)).

regla de sufijación verbal:((N -) (V +) (AUX VAL) (BAR 0)) -->

((AUX VAL) (BAR 0)), ((FIX SUF) (N -) (V +)).


Análisis morfológico con FSA

• Entrada: • forma

• Salida• lema + rasgos morfológicos

Input Outputcat cat + N + sgcats cat + N + plcities city + N + plmerging merge + V + pres_partcaught (catch + V + past) or (catch + V + past_part)


Elementos del analizador

• Lexicon de morfemas• raiz (stem) + afijos

• Morfotáctica• qué combinaciones de morfemas son válidas

• cats = cat + s

• Alteraciones fonológicas• Reglas ortográficas (spelling rules): cambios al producirse la

combinación• city + s = cities


Ejemplo: flexión nominal en inglés

0 1 2

reg_noun plural (-s)

irreg_pl_noun

irreg_sg_noun

reg_noun irreg_pl_noun irreg_sg_noun pluralfox sheep sheep -scat mice mousedog

morfotáctica


Integración de lexicón y morfotáctica

fo

x

s

c at

d

og

n ey

em

ou

s

e

ic

fogcatdogdonkeymousemice

Letter Transducers


Morfología de dos niveles

upper level léxico cat + N cat + N + pllower level superficie cat cats

c:c a:a t:t +N: +pl:s


Utilización de un FST 1

• Como reconocedor• recibe dos cadenas de entrada (una léxica y una

superficial) y responde cierto o falso según una sea transducción de la otra

• Como generador• genera pares de cadenas

• Como traductor• recibe una cadena superficial y genera su transducción

léxica


Utilización de un FST 2

• Simplificaciones notacionales• default pairs

• a:a

• morpheme separator ^• end of word #• default correspondence pairs

• feasible pairs• default correspondences + explicit correspondences in the rules

• any @

a b c … z ‘ ^ #a b c … z ‘


Transductor con rasgos morfológicos

reg_noun irreg_pl_noun irreg_sg_noun pluralfox sheep sheep scat m o:i u: ce mousedog g o:e o:e se goose

0 1 2

reg_noun +pl:s

irreg_pl_noun

irreg_sg_noun

2

3

4

5

6

+N:

+N:

+N:

+sg:

+sg:

+pl:


Integración de morfotáctica y variación fonológica

nivel léxico f o x +N +pl

nivel intermedio f o x ^s

nivel superficial f o x es

morfotáctica

spelling rules


Integración de lexicón y morfotáctica

fogcatdogdonkeymousemice

fo

xc a

t

d

og

n ey

em

ou

se

o:i

+N:

+N:

+pl:^s

+sg:

+sg:

+u: ce

+N:

+pl:


spelling rules

name description example consonant doubling single letter consonant beg/begging

doubled before -ing/-ede deletion silent e dropped before

-ing/-ed make/makinge insertion e added after -s,-z,-x,-ch,-sh

before -s watch/watchesy replacement -y changes to -ie before -s, to

i before -ed try/triesk insertion verbs ending with voyel +c

add -k panic/panicked


Reglas de dos niveles

• a:b Contexto_izquierdo ___ Contexto_derecho• el item léxico a debe corresponder al item superficial b cuando se

encuentra en el contexto

• a:b Contexto_izquierdo ___ Contexto_derecho• el item léxico a sólo puede corresponder al item superficial b cuando se


• a:b Contexto_izquierdo ___ Contexto_derecho• el item léxico a debe corresponder al item superficial b cuando se

encuentra en el contexto y sólo entonces

• a:b / Contexto_izquierdo ___ Contexto_derecho• el item léxico a no puede corresponder al item superficial b cuando se


correspondencia operador contextos


ejemplo e-insertion

:e [xsz]^: ___ s#

descomposición

:e [xsz]^: ___ s# : / [xsz]^: ___ s#

/


Reglas de deletreo (spelling) 1

epenthesis

+ : e <=> {< {s:s c:c} h:h> s:s x:x z:z} --- s:s

<=>=> context restriction<= surface coercion

contexto

C: {...}V: {a,e,i,o,u,y}C2: {...}=: cualquiera

ejemplo: box + sbox e s


Reglas de deletreo 2

e-deletion

e : 0 <=> = :C2 --- <+:0 V:= > or <C:C V:V> --- < +:0 e:e >or <c:c g:g> --- < +:0 {e:e i:i} >or l:0 --- +:0or c:c --- < +:0 a:0 t:t b:b>

mov e + edmov ed

agre e + edagre ed


Reglas de deletreo 3

a-deletion

a : 0 <=> <c:c e:0 +:0> --- t:t

redu c e + a t ionredu c t ion

... contexto izdo foco contexto ... dcho


Transductor :e [xsz]^: ___ s#

estado\input s:s x:x z:z ^: #: :e @:@0 1 1 1 0 _ 0 0 1 1 1 1 2 _ 0 0 2 1 1 1 0 3 0 0 3 4 _ _ _ _ _ _ 4 _ _ _ _ _ 0 _

0 2 431

^:@:@#:#

z:zs:sx:x

z:zs:sx:x

z:zs:sx:x

#:#@:@#:#

@:@#:#

^: :s s:s


Transductor :e / [xsz]^: ___ s#

estado\input s:s x:x z:z ^: #:# @:@0 1 1 1 0 0 0 1 1 1 1 2 0 0 2 3 1 1 0 0 0 3 1 1 1 0 _ 0

0 2 31

^:@:@#:#

z:zs:sx:x

z:zs:sx:x

z:zx:x

@:@^:@:@

#:#^:

@:@#:#

^: s:s

z:zs:sx:x


Integración de morfotáctica y variación fonológica

Lexicon-FST

spelling rules

nivel léxico f o x +N +pl

nivel intermedio f o x ^s

nivel superficial f o x es

FST1 FST2 FSTn...


Intersección y composición de FST

Lexicon-FST

FST1 FSTn...

Lexicon-FST

FSTA= FST1 ... FSTn

Lexicon-FST•

FSTA

intersección composición


Aprendizaje automático de la morfología 1

• Problema• Paradigma raiz + afijos

• Obtención de las raices

• Clasificación de las raices en modelos

• Dos aproximaciones• Sin utilizar conocimiento morfológico alguno

• Goldsmith, 2001

• Brent, 1999

• Snover, Brent, 2001, 2002

• Cuando se dispone de conocimiento morfológico• Oliver at al, 2002



• Análisis morfológico automático• Identificación de fronteras entre morfemas

• Zellig Harris• {prefix, suffix} conditional entropy

• bigrams y trigrams con alta probabilidad de constituir un morfema

• descubrimiento de patrones o reglas de correspondencia entre pares de palabras

• Aproximación global (top-down)• Golsdmith, Brent, de Marcken



• Sistema de Goldsmith basado en MDL (Minimum Description Length)• Partición inicial: palabra -> raiz + sufijo

• split-all-words• Un buen candidato a {raiz, sufijo} en una palabra lo es

también en (muchas) otras palabras

• MI (mutual information) strategy• Convergencia más rápida

• Obtención de Signatures• Regular {signatures, stem, suffixes}

• Más de una raiz, más de un sufijo

• MDL



• Análisis morfológico semi-automático• Oliver, 2004

• Parte de un paquete de reglas morfológicas escritas a mano

• TL:TF:Desc• terminación del lema• terminación de la forma• categoría morfológica

• Lista de clases no flexivas, clases cerradas y palabras irregulares

• Corpus• serbo-croata 9 Mw

• ruso 16 Mw

Documents

Análisis Morfológico