Automatic acquisition of lexical-semantic relations: gathering information in a dense representation

Necşulescu, Silvia

Automatic acquisition of lexical-semantic relations: gathering information in a dense representation

Document Type

Doctoral thesis
Published Version

Author

Necşulescu, Silvia

Director

Bel Rafecas, Núria

Publication Date

2016-02-01

Pages

147 p.

Citation

Necşulescu, S. Automatic acquisition of lexical-semantic relations: gathering information in a dense representation. Universitat Pompeu Fabra; 2016. handle: http://hdl.handle.net/10803/374234

This citation was generated automatically.

Doctoral program

Programa de doctorat en Traducció i Ciències del Llenguatge

Abstract

Lexical-semantic relationships between words are key information for many NLP tasks, which require this knowledge in the form of lexical resources. This thesis addresses the acquisition of lexical-semantic relation instances. State of the art systems rely on word pair representations based on patterns of contexts where two related words co-occur to detect their relation. This approach is hindered by data sparsity: even when mining very large corpora, not every semantically related word pair co-occurs or not frequently enough. In this work, we investigate novel representations to predict if two words hold a lexical-semantic relation. Our intuition was that these representations should contain information about word co-occurrences combined with information about the meaning of words involved in the relation. These two sources of information have to be the basis of a generalization strategy to be able to provide information even for words that do not co-occur.
Les relacions lexicosemàntiques entre paraules són una informació clau per a moltes tasques del PLN, què requereixen aquest coneixement en forma de recursos lingüístics. Aquesta tesi tracta l’adquisició d'instàncies lexicosemàntiques. Els sistemes actuals utilitzen representacions basades en patrons dels contextos en què dues paraules coocorren per detectar la relació que s'hi estableix. Aquest enfocament s'enfronta a problemes de falta d’informació: fins i tot en el cas de treballar amb corpus de grans dimensions, hi haurà parells de paraules relacionades que no coocorreran, o no ho faran amb la freqüència necessària. Per tant, el nostre objectiu principal ha estat proposar noves representacions per predir si dues paraules estableixen una relació lexicosemàntica. La intuïció era que aquestes representacions noves havien de contenir informació sobre patrons dels contextos, combinada amb informació sobre el significat de les paraules implicades en la relació. Aquestes dues fonts d'informació havien de ser la base d'una estratègia de generalització que oferís informació fins i tot quan les dues paraules no coocorrien.

Keywords

Lexical-semantic relations, Semantics, Semantic relations, Natural Language Processing, Lexical-semantic information acquisition, Data sparsity, Word pair representations, Distributional hypothesis, Latent relational hypothesis, Hypernyms, Co-hyponyms, Meronyms, Selectional preferences, Graph theory, Word embeddings, Relacions lexicosemàntiques, Semàntica, Relacions semàntiques, Processament del Llenguatge Natural, Adquisicio d’informació lexicosemantica, Representaciò de parells de paraules, Hipòtesi distribucional, Hiperònims, Cohipònims, Merònims, Preferencies de selecció, Teoría dels grafs