学界 | 让计算机明白「天天」代表「每一天」之后，如何避免让它认为「爸爸」代表「每个爸」

AI 科技评论按：类比推理是反映语言规则的一种高效方式，本文将介绍一种汉语语言推理任务，论文作者来自北京师范大学和中国人民大学，论文题为：汉语形态语义关系的类比推理（论文地址：http://aclweb.org/anthology/P18-2023）。该论文在 ACL 2018大会上发表，相关资源在Github发布后获得了超过2000星好评。AI 科技评论将论文内容概括如下（感谢论文作者对本文的审核和修改）。

类比推理可以很好地刻画语言规则，举例说明，「人」等价于person，「人人」则等价于英文的 every person，那么如果「天」代表 day，我们就可以类比推理「天天」代表 every day。目前类比推理也是评估词嵌入的一个可靠方法。类比推理还可以用于词形转换、语义关系探测和翻译未知词等任务。但是不同语言之间拥有很大的形态差异，类比推理针对各个语言的研究也不尽相同。以汉语来说，汉语是公认的缺乏词形变化的分析性语言。目前汉语类比推理的相关工作也屈指可数，仅有的中文类比数据集也只是英文数据集的部分翻译，且数据规模较小，只包含 134个 中文词，并且不涉及到任何语法知识。因此，作者团队决定深入研究汉语类比推理，并且发布了一个标准 benchmark 用以评估中文词嵌入（地址见文末）。

在词法关系方面，作者主要研究了两个内容，一是重叠（Reduplication），二是半词缀（Semi-affixation）。所谓重叠就是词语中的部分汉字以一定的形式发生重叠，从而引起语法或语义差异，作者总结出六种重叠模式，如下图所示。

以 A-A 为例，对于汉语中的名词来说，这种结构可以表示“亲属关系”（爸->爸爸）或者表示“每一个”（天->天天），对于动词来说，这种结构可以表示动作时间短暂或尝试（看->看看），这种结构还能将形容词转为副词（深->深深）。

由于汉语缺乏典型的词缀，一些成分既发挥了类似词缀的作用同时又能当作独立使用的语素，这些成分按刘月华老师的观点称之为半词缀。目前作者团队总结了 21 个半前缀，和 41 个半后缀。例如，半前缀可以将数词变为序数词，如「第」（一->第一），半后缀还有将形容词名词化的能力，如「子」（胖->胖子）

在语义关系方面，作者团队从地理、历史、自然和人物四个方面提出了 28 种语义关系。举个地域方面的例子，「浙江」是省名，「浙」是「浙江」简称，「杭州」是「浙江」省会，「越剧」是「浙江」代表戏剧，这就是他们之间的语义关系。通过语义关系可以形成类比问题（如「皖」是「安徽」的省会，那么「浙」是哪个省的省会？）。

为了满足汉语类比推理任务的要求，作者团队自建了 CA8 数据集（共17813 个问题），包含大量的类比问题，对语法和语义都有涉及。CA8 相较于之前翻译自英文数据集的 CA_translated 有很大改进。如下图所示。

最后，作者的实验基于 68 种形态关系和 28 种语义关系，他们采用基于词向量的计算方法来挑战这个任务。实验结果表明，向量表示模型、上下文特征和训练语料库都对汉语类比推理有重要影响。同时实验也证明了 CA8 的确是评价汉语词嵌入的可靠 benchmark。 CA8 和同期发布的上百种中文词向量资源将成为汉语 NLP 任务的坚实基础。论文相关资源和代码在 Github 发布以来，已获得超过2000星，是今年NLP领域最受欢迎的项目之一。

以上就是 AI 科技评论对于这篇论文的全部介绍。

详情请查看论文：http://aclweb.org/anthology/P18-2023 

Github项目：https://github.com/Embedding/Chinese-Word-Vectors

想知道关于自然语言处理的更多知识？

欢迎点击“阅读原文”

或者移步 AI 研习社社区~