在自然语言处理中,“选择偏好”这个概念非常容易理解。比如下面的例子:

a)了一个苹果
b)电脑了一串钥匙

很明显a句子是非常合理的,但b句子就非主流了。对于“吃”这个谓语动词,它的主语通常是动植物,而宾语通常就是能被吃的东西了。所以说,在自然语言中,谓语(Predicate)对其论元(Argument)是有一定选择倾向性的,不是什么词语都可以通过简单排列组合进行搭配的。

选择偏好(Selectional Preference)有时也被称为选择限制(Selectional Restriction),语义优选等等,还有一大堆同义词:selectional rules, selectional restrictions,restrictions of cooccurrence,sortal (in)correctness,category mistake,selectionally incorrect,type crossing, semi-grammatical,semantically anomalous [1]。

中文研究有不少,如[2][3][4][5]。国际上的研究很多都是利用选择偏好这个技术来服务其它上层的自然语言处理任务,比如[6]用来服务语义角色标注(Semantic Role Classification),[7]用来服务关系抽取(Relation Extraction), [8]用来服务机器翻译(Machine Translation),[9]用来服务指代消解(Coreference Resolution)。当然也不缺乏对选择偏好这个问题本身的改进优化研究,如 Zhenhua Tian等人[10]提出了基于随机游走的方法来获取选择偏好知识,Ekaterina Shutova等人[11]提出了基于多模态学习的选择偏好知识获取,也就是说不单单通过文本,还包括图片和视频。

选择偏好在很多任务上有特殊的作用,比如在对话生成系统,如果系统可以生成一些不常搭配的动宾关系,往往会产生幽默效果,如“桌子哪去了?难道被你吃了?”。此外,选择偏好在隐喻识别(Metaphor Recognition)中也能起到一定作用。

References:
[1] 2011, Shared Components Topic Models with Application to Selectional Preference, Matthew Gormley, NIPS
[2] 2005, 动词对宾语的语义选择限制, 吴云芳, 语言文字应用
[3] 2012, 无指导学习语义优选, 李东明, 计算机应用与软件
[4] 2014, 汉语语义选择限制知识的自动获取研究, 贾玉祥, 中文信息学报
[5] 2015, 基于神经网络的语义选择限制知识自动获取, 贾玉祥, 中文信息学报
[6] 2013, Selectional Preferences for Semantic Role Classification, Beñat Zapirain, Computational Linguistics
[7] 2016, Incorporating Selectional Preferences in Multi-hop Relation Extraction, NAACL
[8] 2016, Improving Statistical Machine Translation with Selectional Preferences, Haiqing Tang, COLING
[9] 2017, Revisiting Selectional Preferences for Coreference Resolution, Benjamin Heinzerling, EMNLP
[10] 2013, A Random Walk Approach to Selectional Preferences Based on Preference Ranking and Propagation, Zhenhua Tian, ACL
[11] 2015, Perceptually Grounded Selectional Preferences, Ekaterina Shutova, ACL

选择偏好(Selectional Preference)概念解释及其相关研究相关推荐

  1. EBS模块介绍和概念解释

    Oracle模块介绍和概念解释 Oracle重要模块简介 账套 会议科目表 记账本位币 会议日历的财务报告实体 组织 业务组 公司的最高部门 法人实体 提交财务和税务报表的法人公司 经营单位 orac ...

  2. GNSS术语:词汇与概念解释

    历书(Almanac) 由GNSS卫星传送的资料,包括所有卫星的轨道信息.时钟修正以及大气时延参数.这些资料用于支持快速卫星捕获.历书中的轨道信息不如星历表精确,但有效时间较长(一至两年). 模糊值 ...

  3. ​RecSys 2022 | 面向人岗匹配的双向选择偏好建模

    本文为 BOSS 直聘联合中国人民大学提出的建模双边选择偏好的人岗匹配模型.目前,该论文已被推荐系统国际会议 RecSys 2022 接收. 论文标题: Modeling Two-Way Select ...

  4. 模态振型的一些概念解释

    获授权转载自FESIM有限元分析 振型参与系数 每个质点质量与其在某一振型中相应坐标乘积之和与该振型的主质量(或者说该模态质量)之比,即为该振型的振型参与系数.一阶振型自振频率最小(周期最长),二阶. ...

  5. CNN中feature map、卷积核、卷积核个数、filter、channel的概念解释,以及CNN 学习过程中卷积核更新的理解

    feature map.卷积核.卷积核个数.filter.channel的概念解释 feather map的理解 在cnn的每个卷积层,数据都是以三维形式存在的.你可以把它看成许多个二维图片叠在一起( ...

  6. 选择偏好_网站如何记住您的偏好(以及关于Cookie的选择)?

    选择偏好 How do websites remember your preferences for them (or desire for none), and what about the tou ...

  7. faster-rcnn原理及相应概念解释

    R-CNN --> FAST-RCNN --> FASTER-RCNN R-CNN: (1)输入测试图像: (2)利用selective search 算法在图像中从上到下提取2000个左 ...

  8. (转)使用CGLIB实现AOP功能与AOP概念解释

    http://blog.csdn.net/yerenyuan_pku/article/details/52864395 使用CGLIB实现AOP功能 在Java里面,我们要产生某个对象的代理对象,这个 ...

  9. 【转】faster-rcnn原理及相应概念解释

    R-CNN --> FAST-RCNN --> FASTER-RCNN R-CNN: (1)输入测试图像: (2)利用selective search 算法在图像中从上到下提取2000个左 ...

最新文章

  1. 【API知识】ElementUI一些问题的解决方案
  2. 【opencv】10.播放视频 以及 设置任意键为暂停键
  3. 如何保证NFS文件锁的一致性?
  4. 剑与远征赏金试炼活动将在13天后结束,工会玩法大家有尝试过吗?
  5. Google 节日徽标全集 (1999-2009) (下)
  6. .Net Core with 微服务 - 架构图
  7. OpenTelemetry - 云原生下可观测性的新标准
  8. mysql删除一条记录
  9. VirtualBox+CentOS6.6安装增强功能包 - Building the main Guest Additions module [失败]
  10. python找不到指定文件夹_python找不到指定文件
  11. Mysql启动报错解决方案:Failed to open log (file ‘./mysql-bin.000901‘, errno 2)
  12. 动态规划实战1-leetcode 983.Minimum Cost For Tickets
  13. i3wm开启自动设置显示器顺序方向分辨率
  14. ICD3 - Cannot connect to USB device. Unrecognized endpoint.
  15. 【关于微信授权和微信授权限制解决方案】
  16. 域名可以用多久_一个域名能用多少年
  17. 美团外卖移动端性能监测体系实现
  18. 基于struts2的个人信息管理系统(一)
  19. jzoj3457. 【NOIP2013模拟联考3】沙耶的玩偶
  20. linux 定制自己的开机logo

热门文章

  1. post攻击 xxs_如何正确防御xss攻击
  2. 员工管理系统实现方案
  3. tmux常用命令大全
  4. Z-Blog 添加收藏本站
  5. Sigmoid函数解析
  6. kafka python 性能_使用 Python 监控 Kafka Consumer LAG
  7. 管理规划:目标是什么?
  8. 利用MatLab对数据进行插值计算(分段插值和三次样条插值)
  9. PS 切图 保存图片
  10. java构造方法:有参构造方法和无参构造方法区别