Semantic Role Labeling
Kursbeschreibung
| Studiengang | Modulkürzel | Leistungs- bewertung |
|---|---|---|
| BA-2010[100%|75%] | CS-CL | 6 LP |
| BA-2010[50%] | BS-CL | 6 LP |
| BA-2010[25%] | BS-AC, BS-FL | 4 LP |
| Dozenten/-innen | Éva Mújdricza-Maydt |
| Veranstaltungsart | |
| Sprache | Deutsch |
| Erster Termin | 24.04.2019 |
| Zeit und Ort | Mittwoch, 14:15-15:45, INF 327 / SR 4 |
| Commitment-Frist | 26.Juni - 18.Juli |
Teilnahmevoraussetzungen
Einführung in die Computerlinguistik, Einführung in die Sprachwissenschaft oder entsprechende Kenntnisse
Leistungsnachweis
Inhalt
Semantic Role Labeling (SRL) beschäftigt sich mit der semantischen Satzanalyse, wobei Prädikate und ihre Argumente mit semantischen Labels ausgezeichnet werden. Dadurch erhält man die Information über das Geschehnis und seine Umstände, d.h., 'wer was mit wem wann wo und wie' in der beschriebenen Situation macht.
SRL wird auch als "shallow semantic parsing" genannt, denn nicht der ganze Satz, sondern ein Teilbereich - die Prädikat-Argument-Struktur - im Fokus der Analyse steht. Die SRL-Aufgabe ist dennoch vielfältig. Mehrere Annotationsframeworks wurden ausgearbeitet, die unterschiedliche Vor- und Nachteile mit sich bringen, und manuelle wie automatische Ansätze vor unterschiedlichen Herausforderungen stellen. Die Annotationen werden auf verschiedenen Gebieten genutzt wie z.B. bei Question-Answering, automatischer Textzusammenfassung oder Übersetzung. Die semantische Analyse kann auch in Kombination mit oder als Unterstützung von weiteren Interpretationsebenen dienen -- z.B. kann SRL mit Parsing-Strukturen zusammen gelernt werden oder bei Koreferenzresolution behilflich sein.
Klassische Ansätze zum Lernen der SRL-Strukturen basieren auf sorgfältig ausgewählten linguistisch motivierten bis statistischen Features. Neuere Methoden bis hin zu neuralen Lernarchitekturen verzichten vorwiegend auf hand-desinged Features, erfordern jedoch große Mengen an Daten. In dieser Richtung sind auch verschiedene Ansätze zum domänen- und sprachübergreifenden Lernen sowie (semi-)automatischem Projizieren der Annotation entstanden. Die neueste Forschung wiederum zeigt eine Tendenz zu sogenannten hybriden Systemen, wobei Informationen aus manuell erstellten semantischen Ressourcen als Unterstützung der datengetriebenen Lernverfahren eingesetzt werden.
Im Seminar werden die grundlegenden SRL Frameworks (FrameNet, PropBank, VerbNet), ihr Annotationsschema und Datensätze vorgestellt, klassische und moderne Forschungsansätze zu SRL, Tools und Evaluierungsmethoden im Rahmen von Referaten und kleinen praktischen Übungen kennen gelernt und diskutiert.
Kursübersicht
Seminarplan
siehe Wikiseite| Datum | Sitzung | Materialien |
Literatur
Literatur wird am Anfang des Seminars bekanntgegeben.
