Generation (NLG) Argomenti trattati nella lezione: INTRODUZIONE ARCHITETTURA SURFACE REALIZER DISCOURSE PLANNER MICROPLANNING

Transcript

1 Natural Language Generation (NLG) 1 Argomenti trattati nella lezione: INTRODUZIONE ARCHITETTURA SURFACE REALIZER DISCOURSE PLANNER MICROPLANNING

2 Introduzione Il Generazione di Linguaggio Naturale (NLG) si occupa della costruzione di sistemi che producano un testo comprensibile, in un qualsiasi linguaggio umano, apartiredaunarappresentazionenonlinguisticadella conoscenza. Si tratta di un problem solving linguistico, cioè un tentativo di risolvere un goal di tipo comunicativo attraverso l uso del linguaggio, in tutte le sue forme.

3 Introduzione Approcci semplici al NLG Canned test t (testo inscatolato): il realizzatore del software inserisce i in chiaro il testo da generare: Pro: è semplice da implementare Contro: mal si adatta a nuove situazioni i i e lascia l onere della produzione linguistica al programmatore e non al programma stesso. Template filling (compilazione modulo): Pro: è più flessibile e di largo uso Contro: talvolta è facile generare frasi senza senso compiuto User: Let s talk just about you not me. Can you think? ELIZA: YOU LIKE TO THINK I NOT YOU DON T YOU User: I think you are an extremely stupid program ELIZA: PERHAPS YOU WOULD LIKE TO BE AN EXTREMELY STUPID PROGRAM

4 Introduzione Si rendono necessari approcci più elaborati che devono operare delle scelte: Selezione strutturale frase Selezio ne del contenuto Aggregazione Espressioni di riferimento Selezione lessicale Sele- zione strutturale discorso

5 Architettura Communication Goal Knowledge Base Discourse Planner Discourse Specification Surface Realizer Natural Language Output

6 Surface Realizer Communication Goal Knowledge Base Discourse Planner Discourse Specification Genera delle singole frasi in funzione delle sue risorse lessicali e grammaticali, che definiscono le potenzialità di generazione in uscita del componente. Surface Realizer Natural Language Output Systemic Grammar FUG

7 Surface Realizer Systemic Grammar Le frasi sono rappresentate come collezioni di funzioni, e si adoperano delle regole per il mapping di tali funzioni in esplicite forme grammaticali. Queste funzioni, dette meta-funzioni, vengono organizzate secondo una gerarchia a livelli, e rappresentano i vari aspetti alla base di un task di generazione linguistica.

8 Surface Realizer I livelli di una systemic grammar sono: Le meta-funzioni interpersonali raggruppano quelle funzioni che stabiliscono e mantengono l interazione tra lo scrittore e il lettore. Il mood layer determina se la frase ha un carattere imperativo, affermativo o interrogativo. Le meta-funzioni iconcettuali si riferiscono i a quello comunemente definito i come il propositional content dell espressione, ovvero la semantica della frase. Il transitivity layer determina la natura dell informazione espressa. Le meta-funzioni i testualit si riferiscono i al modo con cui le espressioni i si adattano al discorso corrente. Ciò include le problematiche di thematization e reference. Il theme layer rappresenta la marcatura del tema della frase.

9 Surface Realizer La grammatica viene rappresentata usando un grafo and/or aciclico etichettato detto system net- work, costituito da: Operatori AND Operatori OR Asserzioni realizzative

10 Surface Realizer Le realization statements sono impiegate da una systemic grammar per mappare le caratteristiche specificate della grammatica nella forma sistematica. Ogni caratteristica nella rete può avere un insieme di asserzioni realizzative, che specificano dei limiti sulla forma finale dell espressione. Le asserzioni realizzative sono ottenute impiegando i seguenti operatori: +X: specifica, ad esempio, che tutte le frasi devono avere un predicato; X/Y: usato, ad esempio, per combinare l attore con il soggetto; X^Y: impiegato, ad esempio, per porre il soggetto prima del predicato nelle frasi affermative; X:A: consente l utilizzo ricorsivo della struttura grammaticale, in quanto notifica che l elemento X verrà ulteriormente specificato da un altra porzione della grammatica stessa. X!L: delinea l assegnazione ad una precisa entità grammaticale un preciso elemento lessicale. Ad esempio, all elemento finito del passivo è assegnato l elemento lelementolessicalelessicale be.

11 Surface Realizer Procedura di generazione linguistica attraverso una systemic grammar Si attraversa la rete da sinistra verso destra, scegliendo la caratteristica appropriata e collezionando le associate asserzioni realizzative Si costruisce un espressione unespressione intermedia che riconcilia l insieme delle limitazioni imposte dagli statement realizzativi collezionati al passo precedente Si ripercorre la grammatica dal basso per ogni funzione che non è stata pienamente specificata

12 Surface Realizer Frase Affermativa Save è un verbo transitivo non usato nella forma passiva Poiché non è pre- sente in ingresso alcuna specifica tematica, si sceglie uno schema di default

13 Surface Realizer Function Unification Grammar (FUG) Si usa l unificazione per manipolare e valutare le strutture caratteristiche. L operazione di unione o merge prende in ingresso due strutture e ne restituisce una in uscita, fusione delle due in ingresso. Una grammatica ad unificazione è un insieme di tratti la cui unione costituisce la corretta struttura grammaticale di una frase. Faccia Occhi Naso Zigomi Cosa è un tratto?... Pupille

14 Surface Realizer Una struttura di tratti, detta anche feature structure, è un insieme di coppie del tipo tratto e particolare valore assunto dal tratto. Diagramma ad archi orientati ed etichettati (DAG, Direct Acyclic Graph) Matrice di attributi e valore (AVM, Attribute-Value Matrix)

15 Surface Realizer Ha nel suo livello ll più alto una serie di alternative per le frasi, interconnesse con l operatore OR L elemento sentence S si compone di un attore, un processo e uno scopo. Attore e processo si uniscono rispetto al numero dell attore. Tale formalismo supporta una strutturazione a più livelli: la definizione degli elementi di S si trovano ripercorrendo dall inizio la grammatica.

16 Surface Realizer La struttura di input specifica i dettagli della particolare frase da generare, e viene rappresentata in una forma affine a quello della grammatica, che prende il nome di Functional Description ofd

17 Surface Realizer Per generare l uscita del componente, l ingresso FD viene unificato con la grammatica, attraverso degli esami multipli li lidella grammatica stessa. L unione preliminare fa corrispondere all input, il livelloll S della grammatica, ovvero la prima alternativa del top level, dando luogo a un FD pienamente unificato. Ad esempio, la caratteristica associata ad ACTOR include anche l elemento lelemento lessicale system proprio dell FD di ingesso, congiuntamente con la categoria NP della grammatica.

18 Discourse Planner Communication Goal Knowledge Base Discourse Planner Discourse Specification Seleziona il contenuto dalla base di conoscenza e successivamente struttura tale contenuto in maniera appropriata, specificando tutte le scelte operare. Surface Realizer Natural Language Output Text Schemata Rhetorical Relations

19 Discourse Planner La base di conoscenza da dare in pasto al pianificatore del discorso può essere rappresentata nella forma KL-ONE.

20 Discourse Planner Text Schemata Si lega la struttura tt del discorso con la struttura del-la base di conoscenza. Si cerca di realizzare uno schema rappresentante tale struttura. Lo schema viene rappre- sentato con un Augmented Transition Network oatn,in cui ogni nodo è uno stato e ogni arco una transizione.

21 Discourse Planner Rhetorical Relations Gli schemi sono affetti da due principali problemi: Gli schemi sono impraticabili quando il testo da generare richiede una maggiore varietà strutturale e ricchezza di espressione. La struttura del discorso generata dagli approcci con schemi, è data da una semplice frase, senza includere alcuna struttura ad alto livello che pone in relazioni le frasi tra loro. Il Rhetorical eo Structure Theory o RST, una teoria descrittiva dell organizzazione o del testo basato sulle relazioni che sussistono tra le sue parti. Le relazioni che costituiscono tale teoria designano il segmento centrale di un discorso come nucleo, mentre il segmento periferico come satellite.

22 Discourse Planner Le relazioni RST sono delle limitazioni sul nucleo, sul satellite o sulla loro unione: Elaboration: il satellite presenta dei dettagli aggiuntivi che si riferiscono al contenuto del nucleo; Contrast: i nuclei presentano elementi che, sebbene simili in alcuni aspetti, sono differenti in certi modi; Condition: il satellite presenta qualcosa che deve verificarsi prima della situazione espressa nel nucleo; Purpose: il satellite presenta lo scopo del verificarsi dell azione espressa dal nucleo; Sequence: l insieme dei nuclei sono realizzati in sequenza; Result: la situazione espressa dal nucleo deriva da quella del satellite.

23 Discourse Planner Le relazioni RST vengono rappresentate graficamente e possono essere organizzateinunagerarchiaalivelli.

24 Discourse Planner Sebbene RST è stato originariamente proposto come strumento descrittivo, può essere anche impiegato come tool per NLG. Le relazioni sono tipicamente usate come operatori per un planner basato sull Intelligenza Artificiale. Ogni nodo della base della conoscenza diventa di volta in volta nucleo e satellite, e si valuta l applicabilità delle varie regole RST, fino a giungere alla base di un albero retorico, non ulteriormente espandibile.

25 Microplanning Communication Goal Knowledge Base Discourse Planner Realizza il mapping delle strutture del discorso in uscita al Discourse Planner e l ingresso del Surface Realizer Discourse Specification Microplanner Surface Realizer Natural Language Output t Referring expressions: quali aspetti di un entità usare per riferimenti in un particolare contesto Aggregation: come ripartire il contenuto t dalla base di conoscenza in frasi e parole