Zum Inhalt springen
Zurück zu den Suchergebnissen

Chunking — Shallow Parsing

Eingeführt von
Steven Abney
Jahr
1991
Typ
NLP partial-parsing task

Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen

Schriftgröße

Was leistet sie?

Chunking, auch Shallow Parsing genannt, ist eine Aufgabe der natürlichen Sprachverarbeitung, die 1991 von Steven Abney eingeführt wurde und Text mithilfe von Part-of-Speech-Tags in grammatikalische Einheiten – wie Nominalphrasen und Verbalphrasen – unterteilt.

Sie extrahiert nützliche syntaktische Strukturen schnell, ohne einen vollständigen Parse-Baum des Satzes zu erstellen.

Die Intuition hinter der Methode

Ein vollständiger syntaktischer Parse beschreibt, wie jedes Wort mit jedem anderen Wort zusammenhängt, was aufwendig ist und oft mehr als eine Anwendung benötigt. Chunking geht einen Umweg: Ausgehend von Wörtern, die bereits mit ihren Wortarten (Part-of-Speech, POS) getaggt sind, gruppiert es benachbarte Tags zu flachen, nicht überlappenden Phrasen. Man erfährt, dass „der kleine Hund“ eine Nominalphrase und „bellt“ eine Verbalphrase ist, ohne den vollständigen grammatikalischen Baum aufzulösen, was schnelle strukturelle Einblicke zu geringen Kosten liefert.

Geschichte

Chunking wurde von Steven Abney (1991) in „Parsing by Chunks“ eingeführt, das Partial Parsing rund um Chunks als effiziente Alternative zur vollständigen syntaktischen Analyse formulierte. Die Aufgabe wurde später durch die CoNLL-2000 Shared Task on Chunking (Tjong Kim Sang & Buchholz, 2000) standardisiert und popularisiert, die einen gemeinsamen Datensatz und eine gemeinsame Bewertung für das Problem etablierte.

Wann wird sie eingesetzt?

Verwenden Sie Chunking, wenn Sie Text mit Part-of-Speech-Tags haben und schnell Phrasen-Strukturen benötigen, ohne die Kosten eines vollständigen syntaktischen Parsens. Es eignet sich für explorative und deskriptive Analysen von Texten und benötigt nur eine moderate Datenmenge (etwa zehn Einheiten). Zwei Bedingungen müssen erfüllt sein: Das POS-Tagging muss bereits abgeschlossen sein, und für die Zielsprache muss eine Chunk-Grammatik oder ein Modell existieren.

Grenzen und Hinweise

  • Erfordert, dass das Part-of-Speech-Tagging zuerst abgeschlossen wird; Fehler in den Tags propagieren sich in die Chunks.
  • Benötigt eine Chunk-Grammatik oder ein Modell, das zur Zielsprache passt.
  • Produziert nur flache, nicht überlappende Phrasen – es stellt nicht die vollständige verschachtelte syntaktische Struktur wieder her.

Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.

Stärken

  • Extrahiert nützliche syntaktische Strukturen schnell, ohne die Kosten für die Erstellung eines vollständigen Parse-Baums.
  • Arbeitet mit POS-Tags und einfachen, transparenten Musterregeln, die leicht zu inspizieren und anzupassen sind.
  • Liefert Phrasen-Bausteine (Nomen- und Verbalphrasen) für nachgelagerte Aufgaben wie die Informationsextraktion.

Anwendungen

  • Informationsextraktion – Isolierung von Nominal- und Verbalphrasen als Kandidaten für Entitäten und Relationen.
  • Vorverarbeitung für Named-Entity-Recognition durch Hervorhebung von Nominalphrasengrenzen.
  • Schnelle strukturelle Analyse großer Textkorpora, bei denen vollständiges Parsing zu kostspielig ist.
  • Explorative und deskriptive Untersuchung grammatikalischer Phrasenmuster in einem Korpus.

So funktioniert es

So funktioniert es

1

Die Methode beginnt mit Text, der bereits nach Wortarten getaggt wurde – jedes Token trägt ein Label wie Determinator, Adjektiv, Nomen oder Verb. Ein abgeschlossenes POS-Tagging ist eine Voraussetzung, da der Chunker auf diesen Tags und nicht auf rohen Wörtern arbeitet.

2

Für die Zielsprache wird eine Chunk-Grammatik spezifiziert, typischerweise als Muster über POS-Tags (z. B. eine Nominalphrase als optionaler Determinator, beliebige Adjektive, dann ein Nomen). Ein Regelsatz oder ein trainiertes Modell für die Sprache muss dafür verfügbar sein.

3

Die Grammatik wird auf die getaggte Sequenz angewendet und gruppiert benachbarte Tags, die einem Muster entsprechen, zu flachen, nicht überlappenden Chunks. Im Gegensatz zum vollständigen Parsing werden Chunks nicht in einen vollständigen Baum verschachtelt – der Parse bleibt flach.

4

Die identifizierten Phrasen-Chunks – Nominalphrasen, Verbalphrasen und dergleichen – werden als Ausgabe ausgegeben. Diese flachen Strukturen speisen nachgelagerte Aufgaben wie Informationsextraktion oder Named-Entity-Recognition.

Häufige Fallstricke

  • Ausführung von Chunking auf ungetaggtem oder schlecht getaggtem Text – POS-Tagging muss zuerst erfolgen, und Tagging-Fehler übertragen sich direkt in die Chunks.
  • Wiederverwendung einer Chunk-Grammatik, die für eine Sprache erstellt wurde, für eine andere; die Musterregeln müssen zur Zielsprache passen.
  • Erwartung von verschachtelter oder vollständiger syntaktischer Struktur von einem Shallow Parser – Chunks sind per Design flach, verwenden Sie daher vollständiges Parsing, wenn tiefe Struktur erforderlich ist.

Häufig gestellte Fragen

Wie unterscheidet sich Chunking von vollständigem Parsing?

Vollständiges Parsing erstellt einen vollständigen syntaktischen Baum, der zeigt, wie jedes Wort mit jedem anderen Wort zusammenhängt. Chunking ist ein Shallow Parse: Es gruppiert benachbarte Wörter zu flachen, nicht überlappenden Phrasen wie Nominal- und Verbalphrasen, ohne sie in einen vollständigen Baum zu verschachteln. Dies macht es viel schneller und oft ausreichend für Aufgaben, die nur Phrasen-Strukturen benötigen.

Benötige ich Part-of-Speech-Tagging vor dem Chunking?

Ja. Chunking arbeitet auf POS-Tags und nicht auf rohen Wörtern, daher muss das Tagging zuerst abgeschlossen sein. Da der Chunker auf diesen Tags basiert, übertragen sich alle Fehler beim Tagging direkt in die Chunks.

Funktioniert Chunking für jede Sprache?

Es funktioniert nur dort, wo eine Chunk-Grammatik oder ein trainiertes Modell für die Zielsprache existiert. Die Musterregeln sind sprachspezifisch, daher sollte eine für eine Sprache geschriebene Grammatik nicht auf eine andere angewendet werden.

Was produziert Chunking?

Es produziert flache, nicht überlappende Phrasen-Chunks – typischerweise Nominal- und Verbalphrasen –, die aus der getaggten Sequenz ausgelesen werden. Diese flachen Strukturen werden üblicherweise als Eingabe für Informationsextraktion und Named-Entity-Recognition verwendet.

Verwandte Methoden

Quellen

  1. Abney, S. (1991). Parsing by Chunks. In Principle-Based Parsing. Kluwer Academic Publishers.

    ISBN: 978-0-7923-1173-4
    Kopiert.
  2. Tjong Kim Sang, E.F. & Buchholz, S. (2000). Introduction to the CoNLL-2000 Shared Task: Chunking. Proceedings of CoNLL-2000.

    Publikationsreferenz öffnen
    Kopiert.