Särdrag, lexikon och syntax Ordklasser Slutna klasser: prepositioner, konjunktioner, subjunktioner m.fl. (funktionsord) Inga nya ord bildas. Ola Knutsson knutsson@nada.kth.se Öppna klasser: substantiv, adjektiv, verb, adverb Ständiga nybildningar av ord. Ordklasskriterier Semantiska vilken betydelse har ordet? Syntaktiska vilka syntaktiska funktioner? Morfologiska hur böjs ordet? Ordklasskriterier II Substantiv är namn på ting t.ex. boll och ring Adjektiv betecknar egenskaper - snål snålhet Svårt att hitta kriterier som håller Slutna klasser prepositioner PP: på, i, för determinerare DT: den, en, det pronomen PN: den, en, det konjunktioner KN: och, eller, men subjunktioner SN: om, som räkneord RG: ett, 1, 2023 possessiv PS: min, ditt, hennes Öppna klasser substantiv NN: bilen, hund egennamn PM: Kalle, Volvo adjektiv JJ: gul, bäst adverb AB: mycket, igår verb VB: spela, springa particip PC: kastad, sjungande 1
Ordklassfördelning i en svensk korpus (SUC) Tokens Typer Substantiv 26.64 % 64.59 % Verb 17.03 % 10.44 % Pron 16.45 % 0.15 % Prep 11.40 % 0.10 % Adv 9.78 % 1.54 % Adj 7.52 % 17.35 % Konj 7.38 % 0.05 % Vilka ord i lexikon? Slutna ordklasser De vanligaste från de öppna ordklasserna, så många man kan få tag på En modul för ordklassgissning är viktig, det dyker alltid upp nya ord. Vad skall man med en grammatik till? Olika syften: Pedagogiska Kodifierande Vetenskapliga Mål Att definiera ett språk med ett regelsystem Att tilldela varje mening i språket en eller flera grammatiska strukturer - Om en mening kan härledas med grammatikens regler sägs grammatiken generera meningen. Översikt Teorier: Government-Binding Theory X-bar, Minimalism, Cognitive grammar Formalism: DCG, PATR, CG Teori med integrerad formalism: GPSG och LFG System: Maskinöversättning, grammatikkontroll m.fl. Chomsky Noam Chomsky (1928-) Grammatik ett mentalt organ, ett färdigutvecklat språkanlag Studierna av strukturella egenskaper +formell beskrivning ger karaktärisering av denna förmåga Grammatik relationen mellan en talares språklig kompetens och performans. 2
Generativ grammatik Mål: Hitta de grammatiska regler som genererar ett språk Produktion och tolkning av språkliga satser involverar successiva tillämpningar av omskrivningsregler. En talare av ett språk måste känna språkets grammatik. Grammatiken definierar vilka strängar som tillhör språket eller inte. Universell vs. enskild grammatik Universell beskriver de gemensamma och karaktäristiska dragen hos alla språk Enskild beskriver ett visst språk Universell grammatik Ett mål inom den generativa grammatiken är att få fram en universell grammatik. En grammatik som beskriver vad som är gemensamt och utmärkande för alla språk. En teori om den grammatiska strukturen i allmänhet. Om UG så Om UG skulle vi kunna begränsa den grammatiska beskrivningen av ett enskilt språk till en redogörelse för de specifika drag som finns i språket. Formella universalier regler och syntaktisk struktur: Hur får en grammatisk struktur se ut? Vilken typ av regler. Vilken interaktion mellan regler kan förekomma? Grammatikalitet och acceptabilitet Grammatisk och acceptabel: Det regnar. Grammatisk men oacceptabel: Mannen gav stenarna bumlingarna. Ogrammatisk men acceptabel: Jag såg han. Ogrammatisk och oacceptabel: Mannen ser sten bumlingarna. Rätt eller fel? Köp våra små matta! Köp våra små matta! Problem: att skilja ut oacceptabla meningar från ogrammatiska meningar. 3
Transformationsgrammatik En funktion från ett syntaktiskt träd till ett annat syntaktiskt träd Ytstruktur- Djupstruktur Det behövdes giltiga begränsningar på transformationer Chomsky: Government and Binding Andra modeller undviker transformationer Chomskys arbeten Opposition mot strukturalismen Strukturalismen (Bloomefield, 1930) Empirisk bas Element är uppbyggda av element från de närmast underliggande nivån Ägnade sig mest åt morfologi och fonologi Problemen i stort sett löst fylla i detaljer, datorer skulle kunna göra mycket av jobbet För enkelt för barn att tillägna sig språk Rationalism viss kunskap är medfödd Syntactic structures (1957) den generativa grammatikens genomslagsverk Språkförmågan är en automat för generering av strukturella beskrivningar kompetens Performans vår faktiska användning av språket Den inre, mentala grammatiken skulle studeras. Svensk ordföljd rätt eller fel bland 24 teoretiskt möjliga satser a. Rune köpte sin nya klocka i lördags. b. Rune köpte i lördags sin nya klocka c. I lördags köpte Rune sin nya klocka d. Sin nya klocka köpte Rune i lördags e. Sin nya klocka köpte i lördags Rune. f. Köpte Rune sin nya klocka i lördags? g. Köpte Rune i lördags sin nya klocka? h. Köpte i lördags Rune sin nya klocka? i. Rune sin nya klocka köpte i lördags. j. Rune i lördags köpte sin nya klocka. k. Rune sin nya klocka köpte i lördags. l. Rune i lördags sin nya klocka köpte. m. I lördags Rune köpte sin nya klocka. n. I lördags Rune sin nya klocka köpte. o. I lördags sin nya klocka Rune köpte. p. I lördags sin nya klocka köpte Rune. q. I lördags köpte sin nya klocka. r. Sin nya klocka Rune köpte i lördags. s. Sin nya klocka Rune i lördags köpte. t. Sin nya klocka i lördags Rune köpte. u. Sin nya klocka i lördags köpte Rune. v. Köpte sin nya klocka i lördags Rune? x. Köpte i lördags sin nya klocka Rune? y. Köpte sin nya klocka Rune i lördags? Redan tvååringen gör nästan inga ordföljdsfel (Platzack, 1998) Om vi endast ser på ordningen mellan leden ovan så är alla godkända i något av världens språk. Jörgensen (1976) 6808 korrekta meningar fann 1515 satsdelsmösnter i dessa. Genomsnitt 4 förekomster vissa mönster vanligare, men huvuddelen förekom endast en gång. Syntactic structures Grammatiken är en teori om vår språkliga kompetens En teori bestående av ett axiomatiskt regelsystem som alstrar eller genererar just de satser (med struktruell beskrivning) som accepteras av språkbrukaren Kärnsatser: Kalle gillar Lisa Transformationer: Lisa gillas av Kalle 4
Inre och yttre grammatik Yttre (E-grammatik) varje konkret språklig manifestation, ett yttrande, en text osv. Den traditionella grammatiken riktighet kan prövas på en väldefinierad korpus. Under hösten ger Nada en kurs i språkteknologi. Inre grammatik Alla som talar ett givet språk har i stora drag gemensam kunskap om detta språk. En generativ grammatik är en karakterisering av den inre kunskap en inre grammatik (Igrammatik). Under hösten ger Nada en kurs i språkteknologi. Under hösten ger en kurs i språkteknologi Nada. Den inre behöver den yttre Den inre kan inte studeras utan den yttre. Den yttre är en genväg till den inre. En yttre grammatik kan dock innehålla flera olika inre grammatikor den inre bygger på en väldefinierad korpus skriven av flera personer med olika dialekter. X-bar Ett formellt språk för gram. beskrivningar Alla fraser skall ha ett huvud, X (X-noll) - den minsta konstituenten X kan utvidgas med ett komplement, alltid en fras X X-bar Alla förgreningar skall vara binära En fras - ett huvud Ett huvud kan inte ta ett huvud som komplement En fras ett huvud En fras måste ha ett huvud Endast binär förgreningar Endast lika tas som medlem, huvud-huvud (längta V efter P, minnas V henne N ) GB GB-modellen Lexikon d-struktur (djupstr., semantiska roller) s-struktur (Ytstrukturen / \ PF LF (fonologisk tolk.) (semantisk tolkning) 5
Minimalistiska programmet Chomsky 1991, uppstramning och förenkling av den teoretiska apparaten, en teori om den inre grammatiken Lager (lexikon) / R / \ LF PF realiseringspunkten minne) (artikulatoriska och perceptuella processer) begreppsbildning) Generella transformationer En generell transformation tar ett ord från lagret, t.ex. gav, låter det bli huvud, V, en annan transf. Utvidgar V med ett komplement en kurs, en tredje med en specifierare, t.ex. Nada, en maximal fras. Så snart en struktur skapas kan förflyttningar göras. All flyttning sker genom attraktion mellan högre och lägre nod. Viktiga begrepp Ordföljd, sekvensiell ordning (inte endast ord) Gruppering el. hierarkisk ordning Morfosyntaktisk underklassificering Grammatiska relationer: Subjekt, predikat, objekt Dependenser A styr B, högt hus, högt berg Konstituenter enheter i meningen som kan bygga upp nya enheter Syntax och semantik Semantiska faktorer påverkar den syntaktiska beskrivningen för att analysera något syntaktiskt måste man veta något om omvärlden. Syntax ett steg på vägen mot semantik Skall beskrivningar skiljas åt? Ja, syntax relationer mellan ord och fraser, semantik ordens och frasernas relationer till omvärlden Problem: flertydighet Ordens flertydighet: Svenska: 60 % Engelska: 45 % Finska: 15 % + andra flertydigheter: konstituenter, huvuden (mer nästa föreläsning) Taggmönster som en enkel syntaktisk struktur Min bror väntade på flygplatsen PS + NN + VB + PP + NN Min flygplatsen väntade på bror PS + NN + VB + PP + NN 6
Taggmönster med särdrag PS + NN.IND + VB + PP + NN.DEF Godkänner: Min bror väntade på flygplatsen. Godkänner inte: * Min flygplatsen väntade på bror. Ordklasstaggning Statistisk (Jonas föreläsning) eller regelbaserad (Constraint grammar) Maskininlärning: Brills taggare Det var en man som stod där. PN VB DT NN HP VB AB DT NN NN PN HP VB AB Löser ytsyntaktisk flertydighet Bra som förprocess Ord, fraser, satser och meningar Meningar Satser: Subjekt + finit verb Fraser: Vad är en konstituent Bildar en naturlig enhet i satsen En semantisk enhet Kan inte brytas upp, flyttas som en enhet Ord Orddelar Olika typer av fraser NP nominalfraser VP verbfraser PP prepositionsfraser AJP adjektivfraser Fraser som består av andra fraser: NP NP PP Nominalfraser NP han Hans en man introduktion mannen mannen är redan introducerad mannen i den svarta kostymen mannen i den svarta kostymen som vi såg igår 7
Kontextfria regler för NP NP pn NP pm NP nn NP dt jj nn Huvuden och attribut i NP En massa bilar i garaget Huvudet, det centrala, ofta substantivet i NP:n, bestämmer oftast hela frasen: bilar Framförställda attribut: en massa Efterställda attribut: i garaget VP - Verbfraser VP V VP V NP VP V NP NP sover ser mannen ser mannen som står där borta i en dimma ger mannen en fin gammal bok i present PP - Prepositionsfraser PP Prep NP Mot Mammon, på 200 miljarder PP-attachment: De byter Gud mot Mammon (verbbindning) Sverige gjorde en förlust på 200 miljarder (NP-bindning) Syntaktiska träd NP S VP NP NP ADV PP NN VB NN Prep PM Mannen åker skidor i Alperna NP Syntaktiska träd NP RelBisats S VP NP NN HP VB AB VB PN Kvinnan som står därborta känner jag 8
Olika typer av grammatikor Frasstrukturgrammatik: Sekvensiell ordning, gruppering, kategoritillhörighet S NP VP Dependensgrammatik: Sekvensiell ordning, dependens, kategoritillhörighet Konjunktioner Binder ihop: Fraser: vispad grädde och smält glass Satser: Jag gillar grädde och hon gillar glass. Konjunktioner är ofta flertydiga. Algoritmer för satsgränsigenkänning viktiga för att lösa upp flertydigheten (mer i ParsningII). Olika typer av satser Påståendesatser: Jag gillar grädde och glass. Ja-nej-frågor: Regnar det? Frågeordssatser: Vem gillar grädde och glas? Imperativa satser: Ät upp din glass! Kongruens (agreement) Kongruens är viktigt för att förtydliga vilka ord som hänger ihop. Ett litet hus De små husen Det behövs särdrag för att beskriva kongruens på ett rationellt sätt. Särdragskategorier Lingvistiska särdrag Vi vill representera morfosyntaktiska beroenden, t.ex. kongruens Binära särdrag: Bilarna: [N; +utrum, +plural, +definit, +nominativ Numerus, Species, Genus Bilarna: lex= Bil (Lemma) cat=nn (Substantiv) gender=utr (utrum) num=plu (plural) spec=def (bestämd form) case=nom (Nominativ) 9
Lexikon Om vi lägger den mesta informationen i lexikonet får vi en renare grammatik. Stamlexikon: Bil [LEX Bil] [Gender Utr] Ändelselexikon: +na [Spec Def] +0 [Spec Ind] Subkategorisering Underindelningar av verb, nomen och adjektiv [Subcat intransitiv] sover [Subcat transitiv] beundrar [Subcat ditransitiv] ger [Subcat PP1] tittade på teve Särdragsstrukturer särdrag_1 värde_1 särdrag_n värde_n num SIN gender UTR spec DEF Unifiering [num SIN] [num SIN] JA! [num SIN] [num PLU] NEJ! [num SIN] [num []]=[num SIN] [num SIN] [gender UTR]= Num SIN Gender UTR En grammatik definieras genom: 1. Ett lexikon 2. En uppsättning kategorier 3. En uppsättning regler Ord- terminala symboler Kategorier- icke-terminala symboler Kontextfria regler: C s Kontextkänsliga regler: C s/s1_s2 Grammatikens språk Om en mening kan härledas med grammatikens regler sägs grammatiken generera meningen. Samma språk svagt ekvivalenta Isomorfa syntaktiska strukturer starkt ekvivalenta 10
Chomsky-hierarkin Typ 0: Obegränsade grammatikor Typ 1: Kontextkänsliga grammatikor Typ 2: Kontextfria grammatikor Typ 3: Finite-state grammatikor En liten kontextfri grammatik S NP VP VP VB VP VB NP VP VB NP NP NP DT NN NP NN NN Pelle, hästen, pojke, bok DT en, ett VB sover, beundrar, ger Ett träd från grammatiken NP S VP NP NN VB NN Pelle gillar hästen Övergenerering och undergenerering Genererar: Pelle sover hästen. Genererar inte: Sover Pelle? Särdrag som grammatiska filter Kongruensböjning (se senare exempel) Verbfrasregler: VP V[subcat intranstiv] VP V[subcat transitiv] NP VP V[subcat ditransitiv] NP NP S NP VP VP VB[subcat intranstiv] VP VB[subcat transitiv] NP VP VB[subcat ditransitiv] NP NP NP Pelle, hästen, pojken boken Lexikon: sover VB[subcat intransitiv] beundrar VB[subcat transitiv] ger VB[subcat ditransitiv] Genererar: Pelle sover. Genererar inte: Pelle sover hästen. 11
Unifiering i regler S NP VP <NP NUMBER> = <VP NUMBER> Mannen är glad <NUMBER SIN> <NUMBER SIN> NP DET NOMINAL <Det AGREEMENT> = <Nominal AGREEMENT> <NP AGREEMENT> = <Nominal AGREEMENT> Dependensgrammatik Relationer mellan ord Om A och B hör ihop: A styr B (B är beroende av A) B styr A dependens 1. Det styrande ordet har ett semantiskt oberoende 2. Det styrande ordet är bestämmande för helhetens kategori och syntaktiska uppträdande 3. Det styrande ordet upptar en position i helheten som måste ges uttryck, medan ett styrt ord optionellt. Statsrådet ensamt Statsrådet är ensamt. VB NN VB PP NN NN PP PS NN min kusin studerade vid universitet PS min farbror satte på kaffet Grammatiska funktioner Subjekt, predikat, adverbial S SUBJEKT PREDIKAT PS NN V ADV P NN Min kusin studerade vid universitetet Grammatiska relationer i (tidig) transformationsgrammatik Subjektet = NP Problem? Sambandet grammatisk relation och fraskategori ej entydigt Subjekt kan vara en sats Subjektet kan stå efter verbet, eller markeras morfologiskt (latin). 12
1. Min kusin studerade vid universitet 2. Min kusin studerade för mig I 1 kan PP bytas ut mot där ej i 2 utan betydelseförändring, men vi ser ingen skillnad i traditionell konstituentanalys mellan: vid universitet och för mig. Använd formellt definierade grammatiska relationer -undvik semantiska, speciellt om en parallell semantisk beskrivning finnes Huvud, bestämmande för frasens typ den lilla mannen Subjekt, i det finita verbets närhet, jag, dojjan passar inte Direkt objekt, närmast efter verbet Jag har en ny cykel Grammatiska relationer forts. Indirekt objekt, Jag gav mannen en dator Predikativt komplement, Jag blir så glad Bisatskomplement, Hon talade inte om att hon redan kunde spela fiol. Icke-finit verbalt komplement, Hon lovade att spela fiol Partikel, Hon bar ner fiolen Prepositionsobjekt, Mannen står på taket Adverbial, Mannen lagade skorstenen på taket Relativsats, Mannen som står därborta 13