语义角色标注 (SRL)
- 提出者
- Daniel Gildea & Daniel Jurafsky
- 年份
- 2002
- 类型
- NLP shallow semantic parsing task
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
语义角色标注(Semantic Role Labeling, SRL)由 Gildea 和 Jurafsky 于 2002 年提出,是一项自然语言处理任务,旨在为句子中动词(谓词)周围的成分分配语义角色——谁对谁做了什么、在哪里、何时以及如何做的。它将纯文本转化为结构化的谓词-论元表示,是事件抽取的基础工具。
方法背后的直觉
一个句子描述了一个动作,但机器无法自动知道是谁执行了它、什么受到了影响,或者它发生在何处。SRL 通过围绕动词进行标注,并为周围的短语分配语义角色——施事者、受事者、地点、时间、方式——来回答这些问题。该方法将句子视为一个带有参与者的事件,每个参与者都扮演着一个明确命名的角色,而不是将其视为一串扁平的词语。
历史学
语义角色标注作为一项自动任务由 Gildea 和 Jurafsky (2002) 确立,他们证明了可以使用语料库统计自动标注语义角色。该领域后来转向神经网络模型;Shi 和 Lin (2019) 证明了简单的基于 BERT 的模型在 SRL 和关系抽取上达到了很高的性能,这反映了向预训练语言模型转变的更广泛趋势。
何时使用
当您拥有句子级别的文本,并且需要提取结构化的“谁做了什么给谁”的信息,而不仅仅是主题或情感标签时,可以使用 SRL。它适用于英语或其他支持的语言,最好使用 PropBank 或 FrameNet 风格的本体来定义角色,并且需要至少一个适度的语料库才能有价值。如果您的文本是受支持的语言,或者没有适用的角色本体,SRL 就不是合适的工具。
局限与注意事项
- 质量取决于支持文本语言的语言模型——适用于英语或其他支持的语言。
- 应预先选择合适的角色本体(PropBank 或 FrameNet);没有它,角色集将是未定义的。
- 这是一项中等高级的任务,在句子级别运行,需要足够的数据才有意义。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 将自由文本转化为显式的谓词-论元结构,揭示了谁对谁做了什么。
- 作为事件抽取、问答和信息抽取的基础构建块。
- 将提取的意义与已建立的本体(PropBank、FrameNet)联系起来,而不是使用临时标签。
应用
- 事件抽取——识别新闻和历史文本中的动作及其参与者。
- 需要句子级别结构化“谁/什么/何地/何时”的信息的信息抽取管道。
- 通过揭示文本片段的谓词-论元结构来支持问答。
- 分析社会科学、人文学科和健康研究中事件结构很重要的庞大文本语料库。
使用方式
使用方式
扫描句子以查找谓词——通常是事件的中心动词。每个谓词都将成为组织角色的中心,因为角色的含义是相对于其所服务的动作来定义的。
对于每个已识别的谓词,定位充当其论元的文本跨度。此步骤在确定它们扮演什么角色之前,先确定哪些短语参与了事件,将相关成分与无关词语区分开来。
为每个论元跨度分配一个语义角色标签——施事者、受事者、地点、时间、方式等——通常遵循 PropBank 或 FrameNet 的本体。这就是为每个参与者回答谁/什么/何地/何时/如何的问题。
将标注的谓词和论元组装成句子的谓词-论元结构。这种结构化的事件表示是下游任务(如事件抽取和问答)的基础。
常见陷阱
- 将针对英语训练的模型应用于不受支持的语言的文本会严重降低标注质量。
- 跳过 PropBank 或 FrameNet 本体,会导致跨句子角色定义不一致。
- 谓词识别中的错误会级联——如果遗漏了动词,其任何论元都不会被标注。
- 在过少的文本(少于约 20 个句子)上运行 SRL 会产生不稳定、不具代表性的输出。
常见问题
SRL 与命名实体识别有何不同?
NER 识别并对实体(人、地点、组织)进行分类,而不考虑它们在动作中的角色。SRL 更进一步:它围绕动词进行标注,并标明哪个实体是施事者,哪个是受事者,以及动作发生在何地、何时、如何——捕获事件结构,而不仅仅是实体。
什么是 PropBank 和 FrameNet?
它们是定义 SRL 分配的语义角色集合的两个主要本体。预先选择一个可以提供跨句子一致、可比的角色标签;没有本体,角色集将是未定义的。
SRL 是否适用于英语以外的语言?
只要存在相应的模型,它就可以用于英语或其他支持的语言。将针对英语训练的模型应用于不受支持的语言是导致结果不佳的常见原因。
为什么 SRL 被描述为事件抽取的基础工具?
因为事件本质上是带有参与者的谓词。通过生成谓词-论元结构,SRL 为下游的事件检测和信息抽取步骤提供了它们所需的“谁/什么/何地/何时”信息。