スライド 1

2011年度前期水曜日２限
理論言語学特論 I
これまでのまとめ
上山あゆみ（九州大学）
[email protected]
生成文法のモデル
Numeration （いくつかの
単語の集合）
Computational
System
PF（Phonological Form:
単語を構造化した、音関
連の表示）
LF (Logical Form: 単語を構造化
した、意味関連の表示）
2
世界知識
 Information Database
 具体的なモノ／コト（オブジェクト）が、指標番号で区別さ
れ、次のような形式で、その性質とともに記憶されている
On：attribute1=value1, attribute2=value2, attribute3=value3,...
X19：名称=ジョン, 類=大学生, 年齢=20, ...
X225：名称=渡辺くん, ...
E65：名称=北京オリンピック, 開催年=2008年, 開催国=中国, ...
E923：名称=○○海岸OL殺人事件, 犯人= X45, 被害者= X225, ...
E82：類=落とす, 落下物=X53, 行為者=X19,...
3
言語と世界知識の接点
Numeration
Lexicon
Computational System
PF
LF
(Semantic Representation)
SR
Working Space
Information
Database
Inference rules
4
言語と世界知識
 John kissed Mary.
どのようにして、これらが結びつくのか？
X 19：名称=John, 類=大学生, 年齢=20, ...
X 22：名称=Mary, 類=OL, 年齢=24, ...
E 614：類=kissed, Patient= X22, Agent= X19, ...
5
SR (Semantic Representation)
 John1 kissed2 Mary3
変換
o1： ... John ...
o2： ... Mary ...
o3： ... kissed ...
知識内の検索と同定
X 19：名称=John, 類=大学生, 年齢=20, ...
X 22：名称=Mary, 類=OL, 年齢=24, ...
E 614：類=kissed, Patient= X22, Agent= X19, ...
6
SR (Semantic Representation)
 John1 kissed2 Mary3
変換
xo1：名称
... John
=John
...
linguistic
x
o
：
名称
...
Mary
=Mary
...
2
SR
e
o3：類
... =kissed,
kissed ...Patient=x2, Agent=x1
知識内の検索と同定
X 19：名称=John, 類=大学生, 年齢=20, ...
X 22：名称=Mary, 類=OL, 年齢=24, ...
E 614：類=kissed, Patient= X22, Agent= X19, ...
7
語彙の「意味」と構造の「意味」
 「John1 Mary2 Alaska3 go4」
変換
x1：名称=John
x2：名称=Mary
x3：名称=Alaska
e4：類=go, Goal=＿, Agent=＿
知識内の検索と同定
X11： ... 名称=John, ...
X204： ... 名称=Mary, ...
X4743： ... 名称=Alaska, ...
E61： ... 類=go, ...
8
「意味」のでどころ
従来の区分
↓
普遍文法
 Computational Systemを持っているからこそ、わかる「意味」
→構造構築からくる「意味」
人類共通
 その言語の“文法”を知っているからこそ、わかる「意味」
個別文法
→Lexiconで指定されている機能範疇の「意味／機能」
言語内共通。言語間では大きく異なるが
可能性の幅は定められているはず。
 その語彙を知っているからこそ、わかる「意味」
語彙意味論
→Lexiconで指定されている語彙範疇の「意味」
言語間でも共通性は多い。ただし言語内でも個人差あり。
 背景知識を持っているからこそ、わかる「意味」
語用論
→自分の「知識」と統合して、推論によって得られる「意味」
人類共通の部分もあるが、文化／環境の個人差は大きい。
9
構造構築からくる「意味」
1. 修飾関係（αがβに「係っている」関係）
α1
β2
○1： ... α ...
○2： ... β ... ｜ ○1
2. 項関係（αがβの「項である」関係）
α1
β2(role)
e2：類＝β, role=＿
α1
β2(role 1 )
e2：類＝β, role=○1
（これが起こるのは、βが機能範疇か動詞の場合）
3. 叙述関係（αがSubject、βがPredicateである関係）
←この位置づけが定まりきっていないのが、後半の停滞の原因
10
構造構築からくる「意味」
 叙述関係（αがSubject、βがPredicateである関係）
 基底生成の場合
p3：Subject=○1, Predicate=○2
α1
β2
φ3（Predicate2, Subject1）
 さらに、Partitioning が起こると：
p3：Subject=○1, Predicate=○21
α1
β21
φ3（Predicate2, Subject1）
11
構造構築からくる「意味」
 叙述関係（αがSubject、βがPredicateである関係）
 付加移動（adjunction）による形成の場合
3
p3：Subject=○1, Predicate=○2
α1
β2
1,P3
 さらに αPartitioning
が起こると：
...
...
p3：Subject=○1, Predicate=○21
12
「意味」のでどころ
従来の区分
↓
普遍文法
 Computational Systemを持っているからこそ、わかる「意味」
→構造構築からくる「意味」
人類共通
 その言語の“文法”を知っているからこそ、わかる「意味」
個別文法
→Lexiconで指定されている機能範疇の「意味／機能」
言語内共通。言語間では大きく異なるが
可能性の幅は定められているはず。
 その語彙を知っているからこそ、わかる「意味」
語彙意味論
→Lexiconで指定されている語彙範疇の「意味」
言語間でも共通性は多い。ただし言語内でも個人差あり。
 背景知識を持っているからこそ、わかる「意味」
語用論
→自分の「知識」と統合して、推論によって得られる「意味」
人類共通の部分もあるが、文化／環境の個人差は大きい。
13
機能範疇の「意味」
 「から」
syntax
SR式
からn(Sourcem) ... Mergeの相手が項mとなる
an：Source( )=om
 「へ」
syntax
SR式
へn(Goalm) ... Mergeの相手が項mとなる
an：Goal( )=om
 「と」
syntax
SR式
とn(Contentm) ... Mergeの相手が項mとなる
Ln：Content=om
14
機能範疇の「意味」
 「か」
syntax
SR式
かn(Qm) ...c-command領域内から項mを探す
an：om=？
 英語の関係節のC0
syntax
C0n(m, r)
... r は、このC0nが係っている要素の指標
... spec位置に不定語mを移動させる
SR式
an：om= or
 「も」
Pnという素性を持ち、LFにおいて付加移動（adjunction
movement）をして、叙述関係のSubjectになり、Predicate
に対するPartitioningを義務的に引き起こす
15
英語の関係節の構造
linguistic SR
x1：類＝boy｜a3
x2：類＝person
NP
a boy1
a3： x2＝x1
CP
e4：類＝saw,Theme=x5,Agent=x2
x5：名称＝Mary
who2
φ3(2, 1)
IP
t2
saw4
Mary5
16
機能範疇の特性
 不定語
不定語「誰／何／どの～」等は、格助詞が直接後続してい
る場合、その指標をQに付与しなければならない。
 ア系列指示詞
発話者がア系列指示詞を用いるためには、それが、その人
が直接体験によって知っているモノによって同定されていな
ければならない。
 ソ系列指示詞
モノを指示するソ系列指示詞は、Numerationにおいて、そ
の談話ですでに使われた番号の指標をになわなければなら
ない。
17
「意味」のでどころ
従来の区分
↓
普遍文法
 Computational Systemを持っているからこそ、わかる「意味」
→構造構築からくる「意味」
人類共通
 その言語の“文法”を知っているからこそ、わかる「意味」
個別文法
→Lexiconで指定されている機能範疇の「意味／機能」
言語内共通。言語間では大きく異なるが
可能性の幅は定められているはず。
 その語彙を知っているからこそ、わかる「意味」
語彙意味論
→Lexiconで指定されている語彙範疇の「意味」
言語間でも共通性は多い。ただし言語内でも個人差あり。
 背景知識を持っているからこそ、わかる「意味」
語用論
→自分の「知識」と統合して、推論によって得られる「意味」
人類共通の部分もあるが、文化／環境の個人差は大きい。
18
xn型のSR式を導入しうる表現
John1
SR式
x1：名称=John
知識内の検索
x1 = X19
あのOL3
SR式
x3：類=OL
知識内の検索
x3 = X22
その４人11
SR式
x11：人数=４人
知識内の検索
x11 = X105
X19：名称=John, 類=大学生, 年齢=20, ...
X22：名称=Mary, 類=OL, 年齢=24, ...
X105：名称=ビートルズ, 人数=４人, ...
19
同定（Identification）
 同定そのものは、言語のシステムの外の操作
 であるが、表現によっては、即時の同定を要求する
ものがある。
(7) A: ジョンがメアリを推薦したんだって。
B1: （その事実を知らない）へえ、そう。
B2: （そのジョンを知らない）え、ジョンって？
 情報量の問題ではない。
(8) A:ジョンっていうやつがメアリを推薦したんだって。
B:へえ、そう。
(9) A: 誰かがメアリを推薦したんだって。
B: へえ、そう。
20
en型のSR式を導入しうる表現
北京五輪2
落ちた1(Theme) 落とした38(Theme, Agent)
SR式
SR式
SR式
e2：名称=北京五輪
e1：類=落ちた,
e38Theme=＿
：類=落とした, Theme=＿, Agent=＿
知識内の検索
e2 = E65
知識内の検索
e1 = E22
知識内の検索
e38 = ??
E65：名称=北京五輪, 開催年=2008年, ...
E22：類=落ちた, Theme=X24, ...
E8825：類=落とした, Theme=＿, Agent=＿...
21
attributeを示してvalueを指す表現
 「彼女の年齢をこの欄に書いてください。」
＝欄に「25」と書く
 「彼女の名前をこの欄に書いてください。」
＝欄に「陽子」と書く
 「犯人を連れてきてください。」
＝その事件の犯人である人物を連れてくる
22
vn型のSR式
X19：名称=John, 類=大学生, 年齢=20, ...
X22：名称=Mary, 類=OL, 年齢=24, ...
E614：類=kissed, Patient = X22, Agent= X19, ...
E614 Patient
X22
X22 ： Patient（E614）
John ：名称（X19）
大学生：類（X19）
20 ：年齢（X19）
vn型のSR式
value ：attribute (object)
23
vn型のSR式を導入しうる表現
年齢2
SR式
v2：年齢（）
オブジェクトの同定
v2 ：年齢（X19）
知識内の検索
v2 ＝20
犯人4
SR式
v4：犯人（）
オブジェクトの同定
v4 ：犯人（E246）
知識内の検索
v4 = X22
目標1
SR式
v1：目標（）
オブジェクトの同定
v1 ：目標（X19）
知識内の検索
v1 = E205
X19：名称=John, 類=大学生, 年齢=20, ...
E246：名称=○○殺人事件, 犯人=X22, ...
24
attributeを表すが、
valueだけを指しているわけではない表現
 「彼女の年齢にはびっくりした。」
≠「25才にびっくりした」
＝「彼女が25才であるということにびっくりした。」
 「名前は関係ない。」
≠「陽子は関係ない」
＝「名前が何であるかは関係ない。」
 「犯人は知りません。」
≠「X22は知りません」
＝「犯人が誰なのか、知りません」
25
an型のSR式
X19：名称=John, 類=大学生, 年齢=20, ...
X22：名称=Mary, 類=OL, 年齢=24, ...
E614：類=kissed, Patient = X22, Agent= X19, ...
E614 Patient
X22
a1： Patient（E614）= X22
a2：名称（X19）=John
an型のSR式
a3：類（X19）=大学生
an ：attribute(object)=value
a4：年齢（X19）=20
26
an型のSR式を導入しうる表現
年齢2
SR式
a2：年齢（）=＿
オブジェクトの同定
a2：年齢（X19）=＿
知識内の検索
a2：年齢（X19）＝20
犯人4
SR式
a4：犯人（）=＿
オブジェクトの同定
a4：犯人（E246）=＿
知識内の検索
a4：犯人（E246）=X22
黄色い1
SR式
a1：＿（）=黄色い
オブジェクトの同定
a1：色（X79）=黄色い
知識内の検索
a1：色（X79）=黄色い
X19：名称=John, 類=大学生, 年齢=20, ...
E246：名称=○○殺人事件, 犯人=X22, ...
X79：色=黄色い,...
27
SR式を導くために知らねばならない語彙の知識
 導入しうるSR式の型
 en： attribute = value （その表現はvalueに対応する）
 このattributeは？
 他に指定されたattribute（＝いわゆる「項構造」）は？
 xn： attribute = value （その表現はvalueに対応する）
 このattributeは？
 他に指定されたattribute（＝いわゆる「項構造」）は？
 vn： attribute（object）（その表現はattributeに対応する）
 an： attribute（object）=value
 その表現がvalueに対応する場合、そのattributeは？
 その表現がattributeに対応する場合もありうる。
28
「意味」のでどころ
従来の区分
↓
普遍文法
 Computational Systemを持っているからこそ、わかる「意味」
→構造構築からくる「意味」
人類共通
 その言語の“文法”を知っているからこそ、わかる「意味」
個別文法
→Lexiconで指定されている機能範疇の「意味／機能」
言語内共通。言語間では大きく異なるが
可能性の幅は定められているはず。
 その語彙を知っているからこそ、わかる「意味」
語彙意味論
→Lexiconで指定されている語彙範疇の「意味」
言語間でも共通性は多い。ただし言語内でも個人差あり。
 背景知識を持っているからこそ、わかる「意味」
語用論
→自分の「知識」と統合して、推論によって得られる「意味」
人類共通の部分もあるが、文化／環境の個人差は大きい。
29
修飾のSRとアブダクション
○1： ... α ...
○2： ... β ...
α1
β2
｜○1
○1は○2に「関連している」
 「関連している」とは？
 [推論1] ak：Attribute(oi)=Valuej ⇒ oi：.... | ak
 [推論2] oi：.... Attribute=vj ... ⇒ oi：.... | vj
 [推論3] oi：....Attribute=oj, ...,Attribute=ok ...⇒oj：.... | ok
 [推論4 <symmetry>] α：... ｜β
⇒ β：... ｜α
 [推論5 <transitivity>] α：... ｜β かつ、β：... ｜γ
⇒ α：... ｜γ
30
修飾関係 1
linguistic SR
フロリダ産1の
オレンジ2
a1：産地（）＝フロリダ
x2：類＝オレンジ｜a1
「｜」を解くためのアブダクション
a1：産地（x2）＝フロリダ
と仮定すると、
[推論1] より、
x2：.... | a1
が導出されるので、
この仮定は適切。
∴ x2：類＝オレンジ,産地＝フロリダ
[推論1] ak：Attribute(oi)=Valuej ⇒ oi：.... | ak
31
修飾関係 2
linguistic SR
高校生1の
子供2
v2：子供（x1）
x1：類＝高校生, 子供＝v2
v2： ... ｜x1
x1：類＝高校生
v2：子供（）｜x1
と仮定すると、
となり、
[推論2]とsymmetry により、
が導出されるので、
この仮定は適切。
[推論2] oi：.... Attribute=vj ... ⇒ oi：.... | vj
[推論4 <symmetry>] α：... ｜β
⇒ β：... ｜α
32
修飾関係 3
linguistic SR
落ちた1
おもり2
e1：類＝落ちた, Theme=＿
x2：類＝おもり｜e1
e1：類＝落ちた, Theme=x2 と仮定すると、
[推論2]とsymmetry により、
x2： ... ｜e1
が導出されるので、
この仮定は適切。
[推論2] oi：.... Attribute=vj ... ⇒ oi：.... | vj
[推論4 <symmetry>] α：... ｜β
⇒ β：... ｜α
33
修飾関係 4
linguistic SR
落ちた1
おもり2
e1：類＝落ちた, Theme=＿
x2：類＝おもり｜e1
e3：... ＿＝e1, ＿=x2, ...
と仮定すると、
（たとえば、その「おもり」が何かの「落下」を引き起こした
ような場合を仮定すると）
[推論3]により、
x2： ... ｜e1
が導出されるので、
この仮定は適切。
[推論3] oi：....Attribute=oj, ...,Attribute=ok ...⇒oj：.... | ok
34
修飾関係 5
linguistic SR
つかまえた1
人数2
e1：類＝つかまえた, Theme=＿,
Agent=＿
v2：人数（）｜e1
e1：類=つかまえた, Theme=Xi, Agent=__ と仮定すると、[推論2]により、
Xi：... ｜e1
が導出される。さらに、
v2：人数(Xi)
と仮定すると、 [推論2] により、
v2：... ｜Xi
が導出される。この２つに対して、
transitivity を適用すると、
v2： ... ｜e1
が導出されるので、これらの仮定は適切。
[推論2] oi：.... Attribute=vj ... ⇒ oi：.... | vj
[推論5 <transitivity>] α：... ｜β かつ、β：... ｜γ
⇒ α：... ｜γ
35
「意味」のでどころ
従来の区分
↓
普遍文法
 Computational Systemを持っているからこそ、わかる「意味」
→構造構築からくる「意味」
人類共通
 その言語の“文法”を知っているからこそ、わかる「意味」
個別文法
→Lexiconで指定されている機能範疇の「意味／機能」
言語内共通。言語間では大きく異なるが
可能性の幅は定められているはず。
 その語彙を知っているからこそ、わかる「意味」
語彙意味論
→Lexiconで指定されている語彙範疇の「意味」
言語間でも共通性は多い。ただし言語内でも個人差あり。
 背景知識を持っているからこそ、わかる「意味」
語用論
→自分の「知識」と統合して、推論によって得られる「意味」
人類共通の部分もあるが、文化／環境の個人差は大きい。
36
(perceived) phonetic strings
frequent patterns
Numeration
Extractor
Lexicon
(formal) features
Numeration
Computational System
PF
Phonology
(generated)
phonetic
strings
LF
Information Extractor
SR
Concepts
Working Space
Information Database
Inference rules
input/output
process system
influence
reference
(dynamic) database
37

Download Report