Lex Chains
-
Upload
panchosansa -
Category
Documents
-
view
220 -
download
0
Transcript of Lex Chains
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 1/95
B e n - G u r i o n U n i v e r s i t y o f t h e N e g e v ,
D e p a r t m e n t o f M a t h e m a t i c s & C o m p u t e r S c i e n c e
L e x i c a l C h a i n s
f o r S u m m a r i z a t i o n
T h e s i s s u b m i t t e d a s p a r t o f t h e r e q u i r e m e n t s f o r t h e
M . S c . d e g r e e o f B e n - G u r i o n U n i v e r s i t y o f t h e N e g e v
b y
R e g i n a B a r z i l a y :
( r e g i n a @ c s . b g u . a c . i l )
T h e r e s e a r c h w o r k f o r t h i s t h e s i s h a s b e e n c a r r i e d o u t a t
B e n - G u r i o n U n i v e r s i t y o f t h e N e g e v ,
u n d e r t h e d i r e c t i o n o f D r . M i c h a e l E l h a d a d
N o v e m b e r 3 0 1 9 9 7 1 K i s l e v h a t a s h n a z
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 2/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 3/95
S u b j e c t : L e x i c a l C h a i n s f o r S u m m a r i z a t i o n
T h i s t h e s i s i s s u b m i t t e d a s p a r t o f t h e r e q u i r e m e n t s f o r t h e M . S c . d e g r e e
W r i t t e n b y : R e g i n a B a r z i l a y
A d v i s o r : D r . M i c h a e l E l h a d a d
D e p a r t m e n t : M a t h & C o m p u t e r S c i e n c e
F a c u l t y : E x a c t S c i e n c e s
B e n - G u r i o n U n i v e r s i t y o f t h e N e g e v
A u t h o r s i g n a t u r e : D a t e :
A d v i s o r s i g n a t u r e : D a t e :
D e p t . C o m m i t t e e C h a i r m a n s i g . : D a t e :
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 4/95
A t t h i s p o i n t I w o u l d l i k e t o t h a n k
1
t h e f o l l o w i n g :
M i c h a e l E l h a d a d , f o r a d v i s i n g a n d , f o r p r o f e s s i o n a l a n d p e r s o n a l s u p p o r t , a n d f o r g e t t i n g
m e i n t e r e s t e d i n t h e s u b j e c t o f c o m p u t a t i o n a l l i n g u i s t i c s .
E l i | t h i s w o r k w o u l d n e v e r h a p p e n w i t h o u t h i m .
S a m i r G e n a i m .
Y a e l D a h a n - N e t z e r .
C o h a v i t T a b o c h , M o h a m a d A b o - Z a e d a n d C a r m e l D o m s h l a k | f o r b e i n g a p a r t o f t h e
\ p r o j e c t s r o o m " .
S k y b l u e .
M a t t i R u b i n , A v r a h a m M e l k m a n a n d M i c h a e l C o d i s h .
P a r e n t s a n d G r a n d p a r e n t s .
R e g i n a B a r z i l a y
1
T h i s i s a n a l p h a v e r s i o n .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 5/95
A b s t r a c t
T h i s t h e s i s i n v e s t i g a t e s o n e t e c h n i q u e t o p r o d u c e a s u m m a r y o f a n o r i g -
i n a l t e x t w i t h o u t r e q u i r i n g i t s f u l l s e m a n t i c i n t e r p r e t a t i o n , b u t i n s t e a d
r e l y i n g o n a m o d e l o f t h e t o p i c p r o g r e s s i o n i n t h e t e x t d e r i v e d f r o m
l e x i c a l c h a i n s . W e p r e s e n t a n e w a l g o r i t h m t o c o m p u t e l e x i c a l c h a i n s
i n a t e x t , m e r g i n g s e v e r a l r o b u s t k n o w l e d g e s o u r c e s : t h e W o r d N e t t h e -
s a u r u s , a p a r t - o f - s p e e c h t a g g e r a n d s h a l l o w p a r s e r f o r t h e i d e n t i c a t i o n
o f n o m i n a l g r o u p s , a n d a s e g m e n t a t i o n a l g o r i t h m d e r i v e d f r o m 8 ] .
S u m m a r i z a t i o n p r o c e e d s i n t h r e e s t e p s : t h e o r i g i n a l t e x t i s r s t s e g -
m e n t e d , l e x i c a l c h a i n s a r e t h e n c o n s t r u c t e d , s t r o n g c h a i n s a r e i d e n t i e d
a n d s i g n i c a n t s e n t e n c e s a r e e x t r a c t e d f r o m t h e t e x t .
A n e x t e n s i v e e m p i r i c a l e v a l u a t i o n o f t h e w o r k i s p r e s e n t e d . F i r s t
a n i n t r i n s i c e v a l u a t i o n d e t e r m i n e s t h e q u a l i t y o f t h e l e x i c a l c h a i n e r
b y i d e n t i f y i n g h o w s u c c e s s f u l t h e l e x i c a l c h a i n e r i s i n d i s a m b i g u a t i n g
n o u n s i n c o n t e x t . H i g h p r e c i s i o n d i s a m b i g u a t i o n i s a c h i e v e d f o r t h e
n o u n s b e l o n g i n g t o t h e s t r o n g e s t l e x i c a l c h a i n s .
S e c o n d , a n e x t r i n s i c e v a l u a t i o n i s p e r f o r m e d t h a t d e t e r m i n e s t o
w h a t e x t e n t t h e s e n t e n c e s e x t r a c t e d b y t h e s u m m a r i z e r m a t c h t h o s e
t h a t h u m a n j u d g e s w o u l d e x t r a c t . W e c o m p a r e o u r s u m m a r i z e r w i t h
t w o o t h e r a v a i l a b l e s u m m a r i z a t i o n s y s t e m s r e c e n t l y m a d e a v a i l a b l e
( S u m m e r 9 7 ) a n d n d o u r a p p r o a c h t o g i v e r e s u l t s s i g n i c a n t l y c l o s e r
t o h u m a n j u d g e s ( u s i n g m a j o r i t y r u l e ) t h a n t h e o t h e r s y s t e m s .
T h e w o r k p r e s e n t e d i s a r o b u s t s e n t e n c e e x t r a c t o r , r e l y i n g o n a
w i d e l y a v a i l a b l e l e x i c a l k n o w l e d g e b a s e ( W o r d N e t ) . T h e l e x i c a l c h o o s e r
i m p r o v e s o n e x i s t i n g s y s t e m s . I t c a n a l s o , i n t h e f u t u r e , b e i n t e g r a t e d
w i t h o t h e r t e c h n i q u e s r e l y i n g o n d i e r e n t k n o w l e d g e s o u r c e s ( r e f e r e n t i a l
c h a i n s , c o n c e p t u a l m a p s ) t o s t r e n g t h e n t h e o v e r a l l s e n t e n c e e x t r a c t i o n
p r o c e s s . T h e s e c u r r e n t r e s e a r c h d i r e c t i o n s a r e o u t l i n e d a t t h e e n d o f
t h e t h e s i s .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 6/95
C o n t e n t s
1 I n t r o d u c t i o n 1
2 L e x i c a l C h a i n s 7
2 . 1 C o h e s i o n : : : : : : : : : : : : : : : : : : : : : : : : : : : 7
2 . 1 . 1 T e x t u r e a n d C o h e s i o n : : : : : : : : : : : : : : : 7
2 . 1 . 2 C o h e r e n c e a n d C o h e s i o n : : : : : : : : : : : : : : 8
2 . 1 . 3 T y p e s o f C o h e s i o n : : : : : : : : : : : : : : : : : 9
2 . 2 L e x i c a l C o h e s i o n : : : : : : : : : : : : : : : : : : : : : : 1 0
2 . 2 . 1 T y p e s o f L e x i c a l C o h e s i o n : : : : : : : : : : : : : 1 0
2 . 2 . 2 T h e D o m i n a n c e o f L e x i c a l C o h e s i o n : : : : : : : : 1 1
2 . 2 . 3 W h a t i s a L e x i c a l C h a i n ? : : : : : : : : : : : : : 1 1
3 C o m p u t i n g L e x i c a l C h a i n s 1 5
3 . 1 G e n e r i c A l g o r i t h m : : : : : : : : : : : : : : : : : : : : : 1 5
3 . 2 S e m a n t i c D i s t a n c e A m o n g W o r d s : : : : : : : : : : : : : 1 6
3 . 2 . 1 K n o w l e d g e S o u r c e : : : : : : : : : : : : : : : : : : 1 6
3 . 2 . 2 D i e r e n c e s A m o n g K n o w l e d g e S o u r c e s : : : : : : 1 8
3 . 2 . 3 K n o w l e d g e S o u r c e s A p p r o p r i a t e n e s s : : : : : : : : 1 9
3 . 2 . 4 U s i n g T h e s a u r u s f o r C o m p u t i n g : : : : : : : : : : 2 0
3 . 3 C a n d i d a t e W o r d s : : : : : : : : : : : : : : : : : : : : : : 2 2
3 . 4 C h o i c e o f a R e c e i v i n g C h a i n : : : : : : : : : : : : : : : : 2 4
3 . 5 T h e D y n a m i c C h a i n i n g A l g o r i t h m : : : : : : : : : : : : : 2 6
3 . 6 D y n a m i c C h a i n i n g A l g o r i t h m D e s c r i p t i o n : : : : : : : : 2 8
3 . 6 . 1 G e n e r a l E x p l a n a t i o n : : : : : : : : : : : : : : : : 2 8
3 . 6 . 2 D a t a S t r u c t u r e s : : : : : : : : : : : : : : : : : : : 2 9
3 . 6 . 3 F u n c t i o n s : : : : : : : : : : : : : : : : : : : : : : 3 0
3 . 6 . 4 R u n n i n g e x a m p l e : : : : : : : : : : : : : : : : : : 3 3
i
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 7/95
i i C O N T E N T S
3 . 6 . 5 S c o r i n g C h a i n s : : : : : : : : : : : : : : : : : : : 3 4
3 . 7 S u m m a r y : B u i l d i n g L e x i c a l C h a i n s : : : : : : : : : : : : 3 6
4 E v a l u a t i n g t h e L e x i c a l C h a i n e r 3 7
4 . 1 E v a l u a t i n g M e t h o d s : : : : : : : : : : : : : : : : : : : : 3 7
4 . 1 . 1 E v a l u a t i o n F r a m e w o r k : : : : : : : : : : : : : : : 3 7
4 . 1 . 2 T o p i c I d e n t i c a t i o n M e a s u r e : : : : : : : : : : : : 3 9
4 . 1 . 3 W o r d S e n s e D i s a m b i g u a t i o n R a t i o : : : : : : : : : 3 9
4 . 2 I n u e n c e o f P e r f o r m a n c e F a c t o r s : : : : : : : : : : : : : 4 1
4 . 2 . 1 I n u e n c e o f A l g o r i t h m P a r a m e t e r s : : : : : : : : 4 1
4 . 2 . 2 I n u e n c e o f E n v i r o n m e n t P r o p e r t i e s : : : : : : : 4 9
4 . 3 L e s s o n s L e a r n e d f r o m t h e E v a l u a t i o n : : : : : : : : : : : 5 3
5 L e x i c a l C h a i n s f o r S u m m a r i z a t i o n 5 5
5 . 1 M o t i v a t i o n : : : : : : : : : : : : : : : : : : : : : : : : : : 5 5
5 . 2 B u i l d i n g S u m m a r i e s U s i n g L e x i c a l C h a i n s : : : : : : : : 5 8
5 . 2 . 1 E x t r a c t i n g S i g n i c a n t S e n t e n c e s : : : : : : : : : : 5 9
5 . 3 S e n t e n c e E x t r a c t i o n U s i n g L e x i c a l C h a i n s : : : : : : : : 6 1
6 S u m m a r y E v a l u a t i o n 6 3
6 . 1 D e s c r i p t i o n o f t h e E x p e r i m e n t : : : : : : : : : : : : : : : 6 3
6 . 2 R e s u l t s a n d A n a l y s i s : : : : : : : : : : : : : : : : : : : : 6 4
6 . 2 . 1 A g r e e m e n t A m o n g H u m a n S u b j e c t s : : : : : : : : 6 4
6 . 2 . 2 S t a t i s t i c a l S i g n i c a n c e : : : : : : : : : : : : : : : 6 6
6 . 2 . 3 S y s t e m s C o m p a r i s o n : : : : : : : : : : : : : : : : 6 6
7 C o n c e p t u a l M a p s 6 7
7 . 1 C h a i n I n t e r a c t i o n a n d \ C o h e s i v e H a r m o n y " : : : : : : : 6 7
7 . 2 B u i l d i n g C o n c e p t u a l M a p s : : : : : : : : : : : : : : : : : 7 0
7 . 2 . 1 D e n i t i o n o f a C o n c e p t u a l M a p : : : : : : : : : : 7 0
7 . 2 . 2 A l g o r i t h m f o r C o n c e p t u a l M a p C o n s t r u c t i o n 7 2
8 C o n t r i b u t i o n s a n d F u t u r e W o r k 7 5
8 . 1 C o n t r i b u t i o n s : : : : : : : : : : : : : : : : : : : : : : : : 7 5
8 . 1 . 1 T h e C h a i n i n g A l g o r i t h m : : : : : : : : : : : : : : 7 5
8 . 1 . 2 S u m m a r i z a t i o n : : : : : : : : : : : : : : : : : : : 7 5
8 . 2 L i m i t a t i o n s & F u t u r e W o r k : : : : : : : : : : : : : : : : 7 6
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 8/95
C O N T E N T S i i i
8 . 2 . 1 T h e S u m m a r i z a t i o n S y s t e m : : : : : : : : : : : : 7 6
8 . 2 . 2 M o r e F u t u r e W o r k : : : : : : : : : : : : : : : : : 7 7
A B a y e s i a n N e t w o r k s T e x t 7 9
A . 1 T h e R a w T e x t : : : : : : : : : : : : : : : : : : : : : : : : 7 9
A . 2 B a y e s i a n N e t w o r k T e x t : t h e S t r o n g e s t C h a i n : : : : : : : 8 1
B i b l i o g r a p h y : : : : : : : : : : : : : : : : : : : : : : : : : : : 8 6
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 9/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 10/95
C h a p t e r 1
I n t r o d u c t i o n
T h e l a s t d e c a d e h a s w i t n e s s e d a r e v o l u t i o n i n t h e w a y t h e p u b l i c c a n
a c c e s s i n f o r m a t i o n : w i d e I n t e r n e t a v a i l a b i l i t y h a s m a d e t h e n o t i o n o f
f u l l - t e x t s e a r c h a n d i n f o r m a t i o n r e t r i e v a l f a m i l i a r t o m i l l i o n o f c a s u a l
u s e r s . A t t h e s a m e t i m e , t h e a m o u n t o f t e x t u a l m a t e r i a l o n - l i n e ( a n d ,
t h e r e f o r e , s u s c e p t i b l e t o b e o f i n t e r e s t t o a n i n f o r m a t i o n - s e e k e r u s e r )
h a s g r o w n a t a n e n o r m o u s r a t e .
T h i s h a s l e d t o t h e c r e a t i o n o f a p r o b l e m k n o w n a s i n f o r m a t i o n o v e r -
l o a d : a s i m p l e q u e r y t o a n i n f o r m a t i o n r e t r i e v a l s e r v i c e s u c h a s D i g i t a l ' s
A l t a V i s t a c a n r o u t i n e l y r e t u r n m i l l i o n s o f d o c u m e n t s a s \ p o t e n t i a l l y
r e l e v a n t . " M o s t o f t h e s e d o c u m e n t s a r e m a i n l y t e x t u a l . S u m m a r i z a -
t i o n i s o n e o f t h e k e y t e c h n o l o g i e s t h a t w i l l a d d r e s s t h e p r o b l e m o f
i n f o r m a t i o n o v e r l o a d .
S u m m a r i z a t i o n i s t h e p r o c e s s o f c o n d e n s i n g a s o u r c e t e x t i n t o a
s h o r t e r v e r s i o n w h i l e p r e s e r v i n g i t s i n f o r m a t i o n c o n t e n t . I t c a n s e r v e
s e v e r a l g o a l s | f r o m s u r v e y a n a l y s i s o f a s c i e n t i c e l d t o q u i c k i n d i c a -
t i v e n o t e s o n t h e g e n e r a l t o p i c o f a t e x t . P r o d u c i n g a q u a l i t y s u m m a r y
o f a n a r b i t r a r y t e x t r e m a i n s a c h a l l e n g e w h i c h r e q u i r e s f u l l u n d e r s t a n d -
i n g o f t h e t e x t . I n d i c a t i v e s u m m a r i e s , w h i c h c a n b e u s e d t o q u i c k l y
d e c i d e w h e t h e r a t e x t i s w o r t h r e a d i n g i n t h e c o n t e x t o f a n i n f o r m a t i o n
r e t r i e v a l t a s k a r e n a t u r a l l y e a s i e r t o p r o d u c e . W e i n v e s t i g a t e i n t h i s
w o r k a m e t h o d f o r t h e p r o d u c t i o n o f s u c h i n d i c a t i v e s u m m a r i e s f r o m
a r b i t r a r y t e x t .
S p a r c k J o n e s 1 5 ] d e s c r i b e s s u m m a r i z a t i o n a s a t w o - s t e p p r o c e s s :
1 . b u i l d i n g f r o m t h e s o u r c e t e x t a s o u r c e r e p r e s e n t a t i o n .
1
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 11/95
2 C H A P T E R 1 . I N T R O D U C T I O N
2 . s u m m a r y g e n e r a t i o n | f o r m i n g a s u m m a r y r e p r e s e n t a t i o n f r o m
t h e s o u r c e r e p r e s e n t a t i o n b u i l t i n s t e p 1 a n d s y n t h e s i z i n g t h e
o u t p u t s u m m a r y t e x t .
W i t h i n t h i s f r a m e w o r k t h e r e l e v a n t q u e s t i o n i s w h a t i n f o r m a t i o n
h a s t o b e i n c l u d e d i n t h e s o u r c e r e p r e s e n t a t i o n i n o r d e r t o c r e a t e a
s u m m a r y . T h e r e a r e t h r e e t y p e s o f s o u r c e t e x t i n f o r m a t i o n : l i n g u i s t i c ,
d o m a i n a n d c o m m u n i c a t i v e . E a c h o f t h e s e t e x t a s p e c t s c a n b e c h o s e n
a s a b a s i s f o r s o u r c e r e p r e s e n t a t i o n .
S u m m a r i e s c a n b e b u i l t o n a d e e p s e m a n t i c a n a l y s i s o f t h e s o u r c e
t e x t . F o r e x a m p l e , i n 2 1 ] , M c K e o w n a n d R a d e v i n v e s t i g a t e h o w t o
p r o d u c e a c o h e r e n t s u m m a r y o f s e v e r a l t e x t s d e s c r i b i n g t h e s a m e e v e n t ,
w h e n a f u l l s e m a n t i c r e p r e s e n t a t i o n o f t h e s o u r c e t e x t s i s a v a i l a b l e ( i n
t h e i r c a s e , t h e y u s e M U C - s t y l e s y s t e m s t o i n t e r p r e t t h e s o u r c e t e x t s ) . I n
c o n t r a s t , w e d e a l i n t h i s w o r k w i t h t h e i s s u e o f p r o d u c i n g a s u m m a r y
f r o m a n a r b i t r a r y t e x t w i t h o u t r e q u i r i n g i t s f u l l u n d e r s t a n d i n g , a n d
u s i n g o n l y w i d e l y a v a i l a b l e k n o w l e d g e s o u r c e s .
A l t e r n a t i v e l y , e a r l y s u m m a r i z a t i o n s y s t e m s 1 8 ] u s e d o n l y l i n g u i s t i c
s o u r c e i n f o r m a t i o n . T h e i n t u i t i o n w a s t h a t t h e m o s t f r e q u e n t w o r d s r e p -
r e s e n t t h e i m p o r t a n t c o n c e p t s o f t h e t e x t . I n t h i s a p p r o a c h t h e s o u r c e
r e p r e s e n t a t i o n w a s t h e f r e q u e n c y t a b l e o f t e x t w o r d s . T h i s r e p r e s e n t a -
t i o n a b s t r a c t s t h e t e x t i n t o t h e u n i o n o f i t s w o r d s w i t h o u t c o n s i d e r i n g
a n y c o n n e c t i o n a m o n g t h e m .
I t i s c l e a r t h a t t h i s s i m p l i c a t i o n c a n h a r m t h e q u a l i t y o f t h e s o u r c e
r e p r e s e n t a t i o n . A s a t r i v i a l i l l u s t r a t i o n , c o n s i d e r t h e f o l l o w i n g t w o s e -
q u e n c e s :
1 \ Y a e l r e a d s a b o o k . S h e i s a t t h e u n i v e r s i t y . "
2 \ Y a e l r e a d s a b o o k . I t i s a b o u t h i s t o r y . "
\ Y a e l " a p p e a r s o n c e i n 1 a n d 2 , a n d s o d o e s \ b o o k " . B u t 1 i s a b o u t
Y a e l , a n d 2 i s a b o u t t h e b o o k . T h i s e x a m p l e i n d i c a t e s t h a t i f t h e s o u r c e
r e p r e s e n t a t i o n d o e s n o t s u p p l y i n f o r m a t i o n a b o u t s e m a n t i c a l l y r e l a t e d
t e r m s , o n e c a n n o t c a p t u r e t h e \ a b o u t n e s s " o f t h e t e x t , a n d t h e r e f o r e
t h e s u m m a r y w i l l n o t c a p t u r e t h e m a i n p o i n t o f t h e o r i g i n a l t e x t .
T h e n o t i o n o f c o h e s i o n i n t r o d u c e d i n H a l l i d a y a n d H a s a n 6 ] c a p -
t u r e s p a r t o f t h e i n t u i t i o n . C o h e s i o n i s a d e v i c e f o r \ s t i c k i n g t o g e t h e r "
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 12/95
3
d i e r e n t p a r t s o f t h e t e x t . C o h e s i o n i s a c h i e v e d t h r o u g h t h e u s e i n t h e
t e x t o f s e m a n t i c a l l y r e l a t e d t e r m s , r e f e r e n c e , e l l i p s i s a n d c o n j u n c t i o n s .
A m o n g t h e s e d i e r e n t m e a n s , t h e m o s t e a s i l y i d e n t i a b l e a n d t h e
m o s t f r e q u e n t t y p e i s l e x i c a l c o h e s i o n ( a s d i s c u s s e d i n 1 0 ] ) . L e x i c a l
c o h e s i o n i s c r e a t e d b y u s i n g s e m a n t i c a l l y r e l a t e d w o r d s . H a l l i d a y a n d
H a s a n c l a s s i e d l e x i c a l c o h e s i o n i n t o r e i t e r a t i o n c a t e g o r y a n d c o l l o c a -
t i o n c a t e g o r y . R e i t e r a t i o n c a n b e a c h i e v e d b y r e p e t i t i o n , s y n o n y m s a n d
h y p o n y m s . F o r e x a m p l e :
1 . R e p e t i t i o n :
\ T h e l e c t u r e b e g i n s a t 1 8 : 0 0 . "
\ T h e t o p i c o f t h e l e c t u r e w a s p u b l i s h e d y e s t e r d a y . "
2 . S y n o n y m s :
\ T h e l e c t u r e b e g i n s a t 1 8 : 0 0 . "
\ T h e t o p i c o f t h e t a l k w a s p u b l i s h e d y e s t e r d a y . "
3 . H y p o n y m s :
\ D r K e n n y h a s i n v e n t e d a n a n a e s t h e t i c m a c h i n e "
\ T h i s d e v i c e c o n t r o l s t h e r a t e a t w h i c h a n a n a e s t h e t i c i s p u m p e d
i n t o t h e b l o o d . "
C o l l o c a t i o n r e l a t i o n s s p e c i f y t h e r e l a t i o n b e t w e e n w o r d s t h a t t e n d
t o c o - o c c u r i n t h e s a m e l e x i c a l c o n t e x t s . F o r e x a m p l e :
\ S h e w o r k s a s a t e a c h e r i n t h e S c h o o l "
C o l l o c a t i o n r e l a t i o n s a r e m o r e p r o b l e m a t i c f o r i d e n t i c a t i o n t h a n
r e i t e r a t i o n , b u t b o t h o f t h e s e c a t e g o r i e s a r e i d e n t i a b l e o n t h e s u r f a c e
o f t h e t e x t . L e x i c a l c o h e s i o n o c c u r s n o t o n l y b e t w e e n t w o t e r m s , b u t
a m o n g s e q u e n c e s o f r e l a t e d w o r d s | c a l l e d l e x i c a l c h a i n s 6 ] . L e x i c a l
c h a i n s p r o v i d e a r e p r e s e n t a t i o n o f t h e l e x i c a l c o h e s i v e s t r u c t u r e o f t h e
t e x t . L e x i c a l c h a i n s h a v e a l s o b e e n u s e d f o r i n f o r m a t i o n r e t r i e v a l 3 1 ]
a n d f o r c o r r e c t i o n o f m a l a p r o p i s m s 9 ] . I n t h i s w o r k , w e i n v e s t i g a t e h o w
l e x i c a l c h a i n s c a n b e u s e d a s a s o u r c e r e p r e s e n t a t i o n f o r s u m m a r i z a t i o n .
A n o t h e r i m p o r t a n t d i m e n s i o n o f t h e l i n g u i s t i c s t r u c t u r e o f a s o u r c e
t e x t i s c a p t u r e d u n d e r t h e r e l a t e d n o t i o n o f c o h e r e n c e . C o h e r e n c e d e -
n e s t h e m a c r o - l e v e l s e m a n t i c s t r u c t u r e o f a c o n n e c t e d d i s c o u r s e , w h i l e
c o h e s i o n c r e a t e s c o n n e c t e d n e s s i n a n o n - s t r u c t u r a l m a n n e r . C o h e r e n c e
i s r e p r e s e n t e d i n t e r m s o f c o h e r e n c e r e l a t i o n s b e t w e e n t e x t s e g m e n t s ,
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 13/95
4 C H A P T E R 1 . I N T R O D U C T I O N
s u c h a s e l a b o r a t i o n , c a u s e a n d e x p l a n a t i o n . A n u m b e r o f r e s e a r c h e r s
2 0 ] 2 2 ] u s e d i s c o u r s e s t r u c t u r e ( e n c o d e d u s i n g R S T 1 9 ] a s a s o u r c e
r e p r e s e n t a t i o n f o r s u m m a r i z a t i o n . C l e a r l y , t h i s r e p r e s e n t a t i o n i s e x -
p r e s s i v e e n o u g h , t h e q u e s t i o n i s i f i t i s c o m p u t a b l e . I n c o n t r a s t w i t h
l e x i c a l c o h e s i o n , c o h e r e n c e i s d i c u l t t o i d e n t i f y w i t h o u t a c o m p l e t e
u n d e r s t a n d i n g o f t h e t e x t a n d c o m p l e x i n f e r e n c e .
T h e r e i s , h o w e v e r , a c l o s e c o n n e c t i o n b e t w e e n d i s c o u r s e s t r u c t u r e
a n d c o h e s i o n . R e l a t e d w o r d s t e n d t o c o - o c c u r w i t h i n d i s c o u r s e u n i t o f
t h e t e x t . S o c o h e s i o n i s o n e o f t h e s u r f a c e s i g n s o f d i s c o u r s e s t r u c t u r e
a n d l e x i c a l c h a i n s c a n b e u s e d f o r i d e n t i f y i n g i t . O t h e r s i g n s c a n b e u s e d
t o i d e n t i f y d i s c o u r s e s t r u c t u r e a s w e l l ( c o n n e c t i v e s , p a r a g r a p h m a r k e r s ,
t e n s e s h i f t s ) . I n r e c e n t w o r k , M a r c u 2 0 ] p r o p o s e s a s u m m a r i z a t i o n
s y s t e m b a s e d o n t h e d e t e r m i n a t i o n o f c o h e r e n c e r e l a t i o n s . W e w i l l
d i s c u s s t h i s a p p r o a c h i n t h e f o l l o w i n g c h a p t e r s a s w e l l .
I n t h i s w o r k , w e i n v e s t i g a t e t h e u s e o f l e x i c a l c h a i n s a s a m o d e l o f
t h e s o u r c e t e x t f o r t h e p u r p o s e o f p r o d u c i n g a s u m m a r y . C l e a r l y , o t h e r
a s p e c t s o f t h e s o u r c e t e x t n e e d t o b e i n t e g r a t e d i n t h e t e x t r e p r e s e n -
t a t i o n t o p r o d u c e q u a l i t y s u m m a r i z a t i o n . B u t w e w a n t t o e m p i r i c a l l y
i n v e s t i g a t e h o w f a r o n e c a n g o e x p l o i t i n g m a i n l y l e x i c a l c h a i n s . A m a i n
f o c u s o f t h i s w o r k h a s b e e n t o d e t e r m i n e t e c h n i q u e s t o e v a l u a t e t h e
q u a l i t y o f t h e r e s u l t s p r o d u c e d b y t h e l e x i c a l c h a i n e r a n d t h e s e n t e n c e
e x t r a c t i o n s y s t e m w e h a v e d e v e l o p e d . W e d e v e l o p t w o d i s t i n c t e v a l u a -
t i o n t e c h n i q u e s : o n e i n t r i n s i c a n d o n e e x t r i n s i c .
T h e i n t r i n s i c e v a l u a t i o n m e t h o d d e t e r m i n e s a n e c e s s a r y c o n d i t i o n
f o r a n i d e a l l e x i c a l c h a i n e r : t h a t i t c o r r e c t l y d i s a m b i g u a t e t h e n o u n s
i t i d e n t i e s a s c e n t r a l t o p i c s i n t h e t e x t . I t t h e n m e a s u r e s t o w h a t
e x t e n t o u r i m p l e m e n t a t i o n o f a l e x i c a l c h a i n i n g a l g o r i t h m s a t i s e s t h i s
c o n s t r a i n t . W e c o m p a r e u s i n g t h i s m e a s u r e d i e r e n t l e x i c a l c h a i n i n g
a l g o r i t h m s a n d s h o w t h a t o u r a l g o r i t h m s i g n i c a n t l y i m p r o v e s o n e x -
i s t i n g s y s t e m s .
T h e e x t r i n s i c e v a l u a t i o n m e t h o d c o m p a r e s h o w o u r s e n t e n c e e x t r a c -
t i o n s y s t e m c o m p a r e s w i t h t h e j u d g m e n t o f h u m a n s u b j e c t s a s k e d t o
e x t r a c t s e n t e n c e s m a n u a l l y f r o m a s e t o f t e x t s . A g a i n , w e c o m p a r e o u r
s e n t e n c e e x t r a c t i o n s y s t e m w i t h 2 a v a i l a b l e s e n t e n c e e x t r a c t i o n s y s -
t e m s , a n d n d o u r s y s t e m t o p e r f o r m s i g n i c a n t l y c l o s e r t o t h e h u m a n
j u d g m e n t ( u s i n g m a j o r i t y r u l e ) .
T h e s e n t e n c e e x t r a c t i o n s y s t e m i s f u l l y i m p l e m e n t e d a n d m a n y e x -
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 14/95
5
a m p l e s u m m a r i e s a r e a v a i l a b l e o n t h e W e b
1
. I t i s a r o b u s t s y s t e m ,
w o r k i n g o n a r b i t r a r y t e x t s t h a t c a n h i g h l i g h t t h e m o s t i m p o r t a n t s e n -
t e n c e s i n c o n t e x t , o r e x t r a c t t h e m t o p r o d u c e a c o n d e n s e d v e r s i o n o f
t h e s o u r c e t e x t . A p p e n d i x A . 2 s h o w s a n e x a m p l e o f o u t p u t p r o d u c e d
b y t h e s y s t e m f o r t h e t e x t i n A . 1 , a s u m m a r y o f t h i s t e x t c a n b e f o u n d
i n p a g e 5 9 .
T h e t h e s i s i s o r g a n i z e d a s f o l l o w s : w e r s t p r e s e n t b a c k g r o u n d m a -
t e r i a l o n l e x i c a l c h a i n s a n d t h e l i n g u i s t i c t h e o r i e s u n d e r l y i n g t h e m ( c o -
h e s i o n , t e x t u r e a n d c o h e r e n c e ) . W e t h e n p r e s e n t o u r a l g o r i t h m f o r
t h e c o n s t r u c t i o n o f l e x i c a l c h a i n s , c o m p a r i n g i t w i t h e x i s t i n g l e x i c a l
c h a i n i n g a l g o r i t h m s p r e s e n t e d i n t h e l i t e r a t u r e . C h a p t e r 4 p r e s e n t s
t h e i n t r i n s i c e v a l u a t i o n o f t h e l e x i c a l c h a i n e r . C h a p t e r 5 e x p l a i n s h o w
t h e c o m p u t a t i o n o f t h e l e x i c a l c h a i n s c a n b e e x p l o i t e d a s a b a s i s f o r
a s e n t e n c e e x t r a c t i o n t e c h n i q u e . C h a p t e r 6 p r e s e n t s e v a l u a t i o n o f o u r
s u m m a r i z a t i o n a l g o r i t h m . T h e n a l c h a p t e r s p r e s e n t a n a l t e r n a t i v e
m e t h o d t h a t b u i l d s w h a t w e c a l l \ c o n c e p t u a l m a p s " o f a s o u r c e t e x t
u s i n g t h e l i n k s a m o n g l e x i c a l c h a i n s t h a t c a n b e i d e n t i e d i n t h e t e x t .
W e c o n c l u d e w i t h a d i s c u s s i o n o f t h e c u r r e n t l i m i t a t i o n s o f t h e i m p l e -
m e n t a t i o n s a n d p l a n s t o a d d r e s s t h e m i n t h e f u t u r e .
1
A t h t t p : / / w w w . c s . b g u . a c . i l / s u m m a r i z a t i o n - t e s t
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 15/95
6 C H A P T E R 1 . I N T R O D U C T I O N
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 16/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 17/95
8 C H A P T E R 2 . L E X I C A L C H A I N S
2 . 1 . 2 C o h e r e n c e a n d C o h e s i o n
A n o t h e r i m p o r t a n t d i m e n s i o n o f t h e l i n g u i s t i c s t r u c t u r e o f a s o u r c e t e x t
i s c a p t u r e d u n d e r t h e r e l a t e d n o t i o n o f c o h e r e n c e . C o h e r e n c e d e n e s t h e
m a c r o - l e v e l s e m a n t i c s t r u c t u r e o f a c o n n e c t e d d i s c o u r s e , w h i l e c o h e s i o n
c r e a t e s c o n n e c t e d n e s s i n a n o n - s t r u c t u r a l m a n n e r . C o h e r e n c e i s r e p r e -
s e n t e d i n t e r m s o f r e l a t i o n s b e t w e e n t e x t s e g m e n t s , s u c h a s e l a b o r a t i o n ,
c a u s e a n d e x p l a n a t i o n
H a s a n 2 8 ] c l a i m s t h a t c o h e r e n c e i s a \ r e l a t i v e , n o t a n a b s o l u t e
p r o p e r t y " o f a t e x t , a n d h u m a n j u d g m e n t s c a n d i s t i n g u i s h m o r e c o h e r -
e n t t e x t f r o m l e s s c o h e r e n t o n e . H o e y 1 0 ] r e f e r s t o t h i s p h e n o m e n a
a s \ s u b j e c t i v e n e s s " o f c o h e r e n c e | a s p r o d u c e d b y a r e a d e r ' s e v a l u -
a t i o n o f s o m e t e x t . I n c o n t r a s t w i t h t h i s \ r e l a t i v e n e s s " o f c o h e r e n c e ,
c o h e s i o n i s a n o b j e c t i v e t e x t p r o p e r t y , w h i c h i s c r e a t e d b y l e x i c a l a n d
g r a m m a t i c a l d e v i c e s .
I n c o n t r a s t t o c o h e s i o n , c o h e r e n c e i s d i c u l t t o i d e n t i f y w i t h o u t a
c o m p l e t e u n d e r s t a n d i n g o f t h e t e x t a n d c o m p l e x i n f e r e n c e s . I n a d d i -
t i o n , t h e r e i s n o p r e c i s e c r i t e r i a f o r c l a s s i c a t i o n o f d i e r e n t r e l a t i o n s .
C o n s i d e r t h e f o l l o w i n g e x a m p l e f r o m H o b b s 1 3 ] : \ J o h n c a n o p e n t h e
s a f e . H e k n o w s t h e c o m b i n a t i o n . "
M o r r i s a n d H i r s t 2 4 ] s h o w t h a t t h e r e l a t i o n b e t w e e n t h e s e t w o
s e n t e n c e s c a n b e i n t e r p r e t e d a s a n e l a b o r a t i o n o r a s a n e x p l a n a t i o n ,
d e p e n d i n g o n \ c o n t e x t , k n o w l e d g e a n d b e l i e f s . " I n c o n t r a s t w i t h c o -
h e r e n c e , t h e r e i s w i d e s p r e a d a g r e e m e n t o n t h e c l a s s i c a t i o n o f c o h e s i o n
r e l a t i o n s | t h e c l a s s i c a t i o n o f H a l l i d a y & H a s a n 6 ] p r o v i d e s a v e r y
d e t a i l e d a c c o u n t o f c o h e s i o n d e v i c e s .
T h e r e i s , h o w e v e r , a c l o s e c o n n e c t i o n b e t w e e n d i s c o u r s e s t r u c t u r e
a n d c o h e s i o n . A n o n - c o h e r e n t s e q u e n c e o f s e n t e n c e s c a n e x h i b i t c o h e -
s i o n a n d s i m i l a r l y a s e t o f s e n t e n c e s c a n b e c o h e r e n t w i t h o u t e v i d e n c e
o f c o h e s i o n ( M o r r i s a n d H i r s t , 2 4 ] ) . B u t g e n e r a l l y c o h e s i o n i s e v i d e n t
w h e n s e n t e n c e s r e l a t e c o h e r e n t l y a n d t h i s t r a i t c a n b e e x p l o i t e d b y
u s i n g c o h e s i o n r e l a t i o n s a s m e a n s o f i d e n t i f y i n g c o h e r e n t p a r t s o f t h e
t e x t .
H a s a n s t a t e s t h a t t h e f o u n d a t i o n s o f c o h e r e n c e a r e l a i d t h r o u g h
c o h e s i o n r e l a t i o n s , b u t t h a t t h e s o u r c e o f c o h e r e n c e i s t h e i n t e r a c t i o n
o f t h e c o h e s i v e r e l a t i o n s ( w e c o n t i n u e t h i s d i s c u s s i o n i n t h e \ c o n c e p t u a l
m a p " c h a p t e r b e l o w ) .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 18/95
2 . 1 . C O H E S I O N 9
2 . 1 . 3 T y p e s o f C o h e s i o n
H a l l i d a y & H a s a n 6 ] d e s c r i b e i n d e t a i l t h e d e v i c e s t h a t c r e a t e t h e s e -
m a n t i c b o u n d s b e t w e e n p a r t s o f t e x t c l a u s e s . T h e r e l a t i o n s h i p s a m o n -
g s t i t e m s i n a t e x t a r e d i v i d e d i n t o f o u r b r o a d c a t e g o r i e s : r e f e r e n c e ,
e l l i p s i s , c o n j u n c t i o n a n d l e x i c a l c o h e s i o n . W e i l l u s t r a t e a l l t h e s e r e l a -
t i o n s f r o m t h e f o l l o w i n g t e x t
1
:
\ E r r o r a n a l y s i s " r e s u l t s i n a p e r c e n t a g e o f w o r d s w h i c h h a v e b e e n
d e e m e d i n c o r r e c t i n a n e n t i r e t e x t . T h e m e t h o d i n v o l v e s a p o s t - e d i t o r
c o u n t i n g e v e r y w o r d a d d i t i o n o r d e l e t i o n , e v e r y w o r d s u b s t i t u t i o n , a n d
e v e r y w o r d t r a n s p o s i t i o n t h a t h e o r s h e m a k e s t o t h e \ r a w " o u t p u t
f r o m t h e s y s t e m . T h i s m e a s u r e i s m e a n t t o b e a n o b j e c t i v e m e a s u r e
o f s u c c e s s f u l , a c c u r a t e o r f a i t h f u l t r a n s l a t i o n . H o w e v e r , s u c h e r r o r
c o u n t i n g i s n o t i n f a c t a v a l i d m e t h o d f o r o b j e c t i v e d e l i t y , u n l e s s
o t h e r f a c t o r s o f t h e l a r g e r s e t u p a r e k e p t c o n s t a n t .
T h e u s e o f f o r m \ c o u n t i n g e v e r y w o r d a d d i t i o n o r d e l e t i o n " i s a n
e x a m p l e o f e l l i p s i s | i t m u s t b e i n t e r p r e t e d a s \ o r c o u n t i n g e v e r y
w o r d d e l e t i o n " . T h e u s a g e o f \ t h i s m e a s u r e " t o t h e \ e r r o r a n a l y s i s "
e x e m p l i e s r e f e r e n c e . T h e w o r d \ h o w e v e r " e x p r e s s e s a c o n j u n c t i v e
r e l a t i o n b e t w e e n \ t h i s m e a s u r e i s m e a n t t o b e a n o b j e c t i v e m e a s u r e "
a n d \ e r r o r c o u n t i n g i s n o t i n f a c t a v a l i d m e t h o d " . T h e u s a g e o f
t h e w o r d s \ c o u n t i n g " , \ m e a s u r e " , \ m e a s u r e " , a n d \ c o u n t i n g " i s a n
i n s t a n c e o f l e x i c a l c o h e s i o n .
W e b e g i n b y d e s c r i b i n g b r i e y t h e r s t t h r e e c a t e g o r i e s , a n d t h e n
f o c u s o n l e x i c a l c o h e s i o n .
R e f e r e n c e A r e f e r e n c e i s l i n k e d b y a s e m a n t i c r e l a t i o n t o s o m e e l e -
m e n t i n t h e p r e c e d i n g t e x t ; a n d t h i s c o n n e c t i o n e n a b l e s t h e r e f -
e r e n c e d i t e m t o b e i n t e r p r e t e d . F o r e x a m p l e , i n t h e s e n t e n c e s \ I
a m w a i t i n g f o r C o h a v i t . S h e w i l l a r r i v e l a t e r " , t h e w o r d \ s h e " i s
i n t e r p r e t e d a s i d e n t i c a l t o t h e w o r d \ C o h a v i t "
E l l i p s i s E l l i p s i s o c c u r s w h e n a c l a u s e o r s o m e o f i t s p a r t s \ m a y b e
p r e s u p p o s e d a t a s u b s e q u e n t p l a c e i n t h e t e x t b y t h e d e v i c e o f
p o s i t i v e o m i s s i o n | t h a t i s , b y s a y i n g n o t h i n g , w h e r e s o m e t h i n g
1
T a k e n f r o m K a r e n S p a r c k J o n e s 1 6 ]
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 19/95
1 0 C H A P T E R 2 . L E X I C A L C H A I N S
i s r e q u i r e d t o m a k e u p s o m e s e n s e . " F o r e x a m p l e , i n t h e s e n -
t e n c e \ S a m i r i s s t u d y i n g i n t h i s s e m e s t e r C o m p l e x i t y a n d P a t t e r n
R e c o g n i t i o n " , t h e v e r b \ s t u d y " r e l a t e s t o t h e w o r d \ C o m p l e x i t y "
e x p l i c i t l y a n d t o t h e w o r d \ P a t t e r n R e c o g n i t i o n " i m p l i c i t l y .
C o n j u n c t i o n C o n j u n c t i o n s e x p r e s s e s l o g i c - s e m a n t i c r e l a t i o n s b e t w e e n
c l a u s e s e x p l i c i t l y . T h e f o l l o w i n g s e n t e n c e s e x e m p l i f y a c a u s a l r e -
l a t i o n , e x p r e s s e d b y t h e w o r d \ b e c a u s e " : \ Y a e l n i s h e d h e r t h e s i s
i n t i m e b e c a u s e s h e w o r k e d v e r y h a r d "
2 . 2 L e x i c a l C o h e s i o n
C o h e s i o n m y b e c r e a t e d i n a t e x t b y a c h o i c e o f w o r d s . L e x i c a l c o h e s i o n
o c c u r s t h r o u g h t h e s e l e c t i o n o f w o r d s t h a t a r e r e l a t e d i n s o m e w a y t o
w o r d s t h a t h a v e b e e n u s e d b e f o r e . L e x i c a l c o h e s i o n c a n b e i l l u s t r a t e d
o n t h e f o l l o w i n g t e x t :
B u t M r . K e n n y ' s m o v e s p e e d e d u p w o r k o n a m a c h i n e w h i c h u s e s
m i c r o - c o m p u t e r s t o c o n t r o l t h e r a t e a t w h i c h a n a n a e s t h e t i c i s
p u m p e d i n t o t h e b l o o d o f p a t i e n t s u n d e r g o i n g s u r g e r y . S u c h m a -
c h i n e s a r e n o t h i n g n e w . B u t M r . K e n n y ' s d e v i c e u s e s t w o p e r s o n a l -
c o m p u t e r s t o a c h i e v e m u c h c l o s e r m o n i t o r i n g o f t h e p u m p f e e d i n g
t h e a n a e s t h e t i c i n t o t h e p a t i e n t . E x t e n s i v e t e s t i n g o f t h e e q u i p -
m e n t h a s s u c i e n t l y i m p r e s s e d t h e a u t h o r i t i e s w h i c h r e g u l a t e m e d i c a l
e q u i p m e n t i n B r i t a i n a n d , s o f a r , f o u r o t h e r c o u n t r i e s , t o m a k e t h i s
t h e r s t s u c h m a c h i n e t o b e l i c e n s e d f o r c o m m e r c i a l s a l e t o h o s p i t a l s .
T h i s t e x t c o n t a i n m a n y w o r d s t h a t a r e s e m a n t i c a l l y r e l a t e d o n e
t o a n o t h e r , f o r e x a m p l e : m a c h i n e / d e v i c e / e q u i p m e n t , p a t i e n t s / p a t i e n t .
T h e s e r e l a t i o n s l i n k s e n t e n c e s t o g e t h e r a n d b y t h i s c r e a t e a c o h e s i v e
t e x t u n i t f r o m t h e m . W o r d r e l a t i o n s c a n b e o n e o f t h e m a n y f o r m s
w h i c h a r e t h e b a s i s f o r c l a s s i c a t i o n o f l e x i c a l c o h e s i o n .
2 . 2 . 1 T y p e s o f L e x i c a l C o h e s i o n
H a l l i d a y a n d H a s a n c l a s s i e d l e x i c a l c o h e s i o n t o t w o m a i n c a t e g o r i e s
| r e i t e r a t i o n a n d c o l l o c a t i o n
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 20/95
2 . 2 . L E X I C A L C O H E S I O N 1 1
R e i t e r a t i o n o c c u r s w h e n o n e l e x i c a l i t e m b r i n g s t o m i n d t h e m e a n i n g
o f a n e a r l i e r i t e m i n t h e d i s c o u r s e . R e i t e r a t i o n i s c r e a t e d b y u s i n g
r e p e t i t i o n , s y n o n y m s a n d h y p o n y m s . F o r e x a m p l e , t h e w o r d \ m a c h i n e "
i s r e p e a t e d t r e e t i m e s . T h e s y n o n y m y r e l a t i o n c a n b e e x e m p l i e d b y
t h e p a i r \ p e r s o n a l - c o m p u t e r s " a n d \ m i c r o - c o m p u t e r " . S i m i l a r l y , t h e
w o r d \ e q u i p m e n t " i s m o r e g e n e r a l t h a n t h e w o r d \ m a c h i n e " ( h y p o n y m y
r e l a t i o n ) .
C o l l o c a t i o n r e f e r t o w o r d s t h a t t e n d t o c o - o c c u r i n t h e t e x t . T h e s e
c a n b e d i v i d e d i n t o t w o s u b - c a t e g o r i e s : s y s t e m a t i c , a n d n o n - s y s t e m a t i c .
T h e s y s t e m a t i c s e m a n t i c r e l a t i o n i s c r e a t e d b y m e r o n y m y a n d a n t o n y -
m y r e l a t i o n s . N o n - s y s t e m a t i c r e l a t i o n s a r e h a r d t o d e n e . S u c h c o l l o c a -
t i o n s d e s c r i b e t h i n g s t h a t t e n d t o c o - o c c u r i n s i m i l a r s i t u a t i o n s o r c o n -
t e x t s i n t h e r e a l w o r l d . I n o u r t e x t , a n e x a m p l e o f s u c h c o l l o c a t i o n s a r e
t h e w o r d s \ p a t i e n t " a n d \ h o s p i t a l " , o r \ h o s p i t a l " a n d \ a n a e s t h e t i c "
2 . 2 . 2 T h e D o m i n a n c e o f L e x i c a l C o h e s i o n
H a l l i d a y & H a s a n c h e c k e d t h e f r e q u e n c y o f d i e r e n t c o h e s i o n t y p e s w i t h
a v a r i e t y o f t e x t s t y l e s . A c c o r d i n g t o t h e i r r e s u l t s , l e x i c a l c o h e s i o n i s
t h e m o s t d o m i n a n t c a t e g o r y | i t m a k e s m o r e t h a n 4 0 % o f a l l c o h e s i v e
d e v i c e s . T h e s e c o n c l u s i o n s w e r e s u p p o r t e d b y H o e y 1 0 ] , w h o m a d e
s i m i l a r e x p e r i m e n t s o n s e v e n d i e r e n t t y p e s o f t e x t . H o e y c l a i m s t h a t
l e x i c a l c o h e s i o n i s t h e c r u c i a l f a c t o r i n c r e a t i n g t e x t u r e a n d t h a t \ t h e
s t u d y o f t h e g r e a t e r p a r t o f c o h e s i o n i s t h e s t u d y o f l e x i s . "
O u r c l a i m t h a t c o h e s i o n a n a l y s i s u s i n g o n l y l e x i c a l c o h e s i o n c a n
y i e l d p a r t i a l b u t s i g n i c a n t r e s u l t s i s b a s e d o n t h e s e d a t a o f H a l l i d a y
& H a s a n a n d H o e y .
2 . 2 . 3 W h a t i s a L e x i c a l C h a i n ?
L e x i c a l c o h e s i o n o c c u r s n o t o n l y b e t w e e n t w o t e r m s , b u t a m o n g s e -
q u e n c e s o f r e l a t e d w o r d s a s w e l l | t h e s e a r e c a l l e d l e x i c a l c h a i n s . L e x -
i c a l c h a i n s c a n h o l d o v e r s e n t e n c e s a n d d i e r e n t t e x t p a r t s . T h i s t e r m
w a s i n t r o d u c e d b y H a l l i d a y & H a s a n i n 1 9 7 6 6 ] , a n d w a s e x p a n d e d i n
t h e l a t e r w o r k o f H a s a n 2 8 ] .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 21/95
1 2 C H A P T E R 2 . L E X I C A L C H A I N S
\ I d e n t i t y C h a i n s " v s . \ S i m i l a r i t y C h a i n s "
H a s a n r e c o g n i z e s t w o t y p e s o f c h a i n s i n 2 8 ] | \ i d e n t i t y c h a i n s " ( I C )
a n d \ s i m i l a r i t y c h a i n s " ( S C ) . I d e n t i t y c h a i n s c o n t a i n t e r m s t h a t r e f e r
t o t h e s a m e o b j e c t . I t i s c r e a t e d b y p r o n o m i n a l c o h e s i o n , l e x i c a l r e p -
e t i t i o n o r i n s t a n c i a l e q u i v a l e n t s . F o r e x a m p l e , \ T h e n a m e o f t h e c a t
w a s G e r s h o n " . H a s a n n o t e d t h a t i d e n t i t y c h a i n s a r e \ a l w a y s t e x t -
b o u n d " b e c a u s e t h e r e l a t i o n o f c o - r e f e r e n c e c a n b e d e t e r m i n e d o n l y i n
t h e c o n t e x t o f a t e x t .
T h e e l e m e n t s o f s i m i l a r i t y c h a i n s a r e h e l d t o g e t h e r b y \ s e m a n t i c
b o n d s w h i c h a r e s u p r a - t e x t u a l , w i t h a l a n g u a g e - w i d e v a l i d i t y . " I t i s
r e a l i z e d o n l y t h r o u g h l e x i c a l c o h e s i o n c a t e g o r i e s . I n c o n t r a s t w i t h I C ,
S C a r e n o t t e x t - b o u n d | i t s f o r m a t i o n a n d c o n t e n t \ a r e f a c t s o f t h e
s y s t e m o f l a n g u a g e " .
T h e n o t i o n o f a l e x i c a l c h a i n , i n t r o d u c e d f o r t h e r s t t i m e i n a
c o m p u t a t i o n a l f r a m e w o r k b y M o r r i s & H i r s t 2 4 ] , i s e q u i v a l e n t t o t h e
n o t i o n o f s i m i l a r i t y c h a i n s . A c c o r d i n g t o M o r r i s & H i r s t , l e x i c a l c h a i n s
a r e d e n e d a s \ s e q u e n c e s o f r e l a t e d w o r d s " e x t e n d i n g o v e r a t o p i c a l u n i t
o f t h e t e x t . I t e m s c a n b e i n c l u d e d i n a l e x i c a l c h a i n b a s e d o n d i e r e n t
t y p e s o f l e x i c a l c o h e s i o n | r e i t e r a t i o n o r c o l l o c a t i o n c a t e g o r i e s , t h e
p r e c i s e n a t u r e i s n o t s i g n i c a n t .
W h y C a n L e x i c a l C h a i n s B e C o m p u t e d
T w o t y p e s o f c h a i n s a r e i m p o r t a n t f o r c o h e s i o n a n a l y s i s , h o w e v e r , t h e
a d v a n t a g e o f s i m i l a r i t y c h a i n s ( l e x i c a l c h a i n s ) o v e r i d e n t i t y c h a i n s i s
t h a t t h e y c a n b e c o m p u t e d w i t h o u t r e q u i r i n g ` d e e p ' t e x t u n d e r s t a n d i n g .
C o n s i d e r t h e c o h e s i v e d e v i c e o f u s i n g s y n o n y m s , f o r e x a m p l e : \ P C "
a n d \ m i c r o c o m p u t e r " . T h e s e m a n t i c r e l a t i o n b e t w e e n t h e s e t e r m s i s
c r e a t e d b y t h e \ i d e n t i t y o f t h e i r e x p e r i m e n t a l m e a n i n g . " T h e r e f o r e ,
t h e s e m a n t i c b o u n d s b e t w e e n s y n o n y m s a r e i n d e p e n d e n t o f a p a r t i c u l a r
c o n t e x t o f s o m e t e x t ; t h e r e l a t i o n s b e t w e e n t h e m a r e p a r t o f a l a n g u a g e
s y s t e m . T h i s m a k e s i t p o s s i b l e t o c a l c u l a t e l e x i c a l c h a i n s i r r e s p e c t i v e
t o t h e c o n t e x t i n w h i c h r e l a t e d w o r d s a c t u a l l y o c c u r .
T h i s p r o p e r t y s u g g e s t s t h a t o n e c a n d e v e l o p a c o m p u t a t i o n a l p r o -
c e s s c a p a b l e o f i d e n t i f y i n g l e x i c a l c h a i n s . W e d i s c u s s t h i s p o i n t i n t h e
n e x t c h a p t e r a n d c o n t i n u e b y d i s c u s s i n g h o w t h e l e x i c a l c h a i n i n f o r m a -
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 22/95
2 . 2 . L E X I C A L C O H E S I O N 1 3
t i o n c a n b e e x p l o i t e d t o b u i l d s u m m a r i e s .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 23/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 24/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 25/95
1 6 C H A P T E R 3 . C O M P U T I N G L E X I C A L C H A I N S
3 . 2 S e m a n t i c D i s t a n c e A m o n g W o r d s
3 . 2 . 1 K n o w l e d g e S o u r c e
I n o r d e r t o d e t e r m i n e i f t w o w o r d s a r e s e m a n t i c a l l y r e l a t e d w e n e e d
a d d i t i o n a l k n o w l e d g e a b o u t c o n n e c t i o n s b e t w e e n w o r d s . I n t h i s s e c t i o n
w e c o n s i d e r t h e c u r r e n t m a c h i n e - r e a d a b l e s o u r c e s o f k n o w l e d g e w h i c h
m a y b e s u i t a b l e f o r l e x i c a l c o h e s i o n a n a l y s i s .
R o g e t I n t e r n a t i o n a l T h e s a u r u s
T h e R o g e t ' s T h e s a u r u s 2 9 ] i s c o m p o s e d o f 1 0 4 2 b a s i c c a t e g o r i e s , o r g a -
n i z e d i n a h i e r a r c h i c a l s t r u c t u r e . T h e t o p m o s t h i e r a r c h i c a l l e v e l c o n s i s t s
o f e i g h t c l a s s e s : a b s t r a c t r e l a t i o n s , s p a c e , m a t t e r , s e n s a t i o n s , p h y s i c s ,
i n t e l l e c t , v o l i t i o n , a n d a e c t i o n s . E a c h c l a s s i s d i v i d e d i n t o s u b c l a s s e s ,
a n d s u b c l a s s e s a r e f u r t h e r d i v i d e d i n t o s u b s u b c l a s s e s . S u b s u b c l a s s e s
c o n t a i n c a t e g o r i e s . F o r e x a m p l e :
C l a s s 1 : A b s t r a c t R e l a t i o n s
S e c t i o n I . E X I S T E N C E
A B E I N G , I N T H E A B S T R A C T
1 E x i s t e n c e
1 N . e x i s t e n c e , b e i n g , e n t i t y , e n s L a t ] , e s s e L a t ] ,
s u b s i s t e n c e .
2 r e a l i t y , a c t u a l i t y ; p o s i t i v e n e s s . a d j . ; f a c t , m a t t e r
o f f a c t , s o b e r r e a l i t y ; t r u t h $ 4 9 4 ; a c t u a l e x i s t e n c e .
2 I n e x i s t e n c e
1
B C O N T I N U O U S R E L A T I O N
1
S e c t i o n I I . R E L A T I O N
C l a s s 2 : S p a c e
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 26/95
3 . 2 . S E M A N T I C D I S T A N C E A M O N G W O R D S 1 7
E a c h c a t e g o r y c o n t a i n s n u m b e r e d p a r a g r a p h s o f r e l a t e d w o r d s . A
c a t e g o r y m a y h a v e p o i n t e r s t o o t h e r r e l a t e d c a t e g o r i e s o r p a r a g r a p h s .
A c a t e g o r y c o n t a i n s d i e r e n t p a r t o f s p e e c h w o r d s , b u t a p a r a g r a p h
c o n t a i n s w o r d s o f o n l y o n e s y n t a c t i c c a t e g o r y . F o r e a c h e n t r y , a l i s t o f
w o r d s r e p r e s e n t s i t s v a r i o u s d i s t i n c t s u b s e n s e s . F o r e x a m p l e , t h e \ c i t y "
e n t r y i s r e p r e s e n t e d i n t h e T a b l e 3 . 1 .
A b o d e 1 8 9
P r o s p e r i t y 7 3 4
B a r t e r 7 9 4
A m u s e m e n t 8 4 0
T a b l e 3 . 1 : T h e R o g e t ' s t h e s a u r u s e n t r y f o r \ c i t y "
W o r d N e t
W o r d N e t 2 3 ] i s a l e x i c a l k n o w l e d g e b a s e d e v e l o p e d a t P r i n c e t o n U n i -
v e r s i t y . I t i s d i v i d e d i n t o f o u r d a t a l e s c o n t a i n i n g d a t a f o r a d j e c t i v e s ,
a d v e r b s , n o u n s a n d v e r b s . I n W o r d N e t , a w o r d f o r m i s r e p r e s e n t e d b y
a s t r i n g o f A S C I I c h a r a c t e r s , a n d a s e n s e i s r e p r e s e n t e d b y a s y n s e t |
a s e t o f s y n o n y m s , w h i c h r e f e r t o a c o m m o n s e m a n t i c c o n c e p t . W o r d s
m a y b e p r e s e n t i n m o r e t h a n o n e s y n s e t . F o r e x a m p l e , \ g o l d " i s p r e s e n t
i n t h e s y n s e t \ G o l d , A u , a t o m i c n u m b e r 7 9 " a n d a l s o i n t h e d i e r e n t
s y n s e t \ A m b e r , G o l d , B r o w n i s h Y e l l o w " ( t h i s m e a n s t h a t t h e w o r d
\ g o l d " i s a m b i g u o u s { i t c a n r e f e r t o a m a t e r i a l o r t o a c o l o r ) .
W o r d N e t c o n t a i n s m o r e t h a n 1 1 8 , 0 0 0 d i e r e n t w o r d f o r m s a n d m o r e
t h a n 9 0 , 0 0 0 d i e r e n t w o r d s e n s e s . A l i s t o f p o i n t e r s i s a t t a c h e d t o e a c h
s y n s e t , t h e s e p o i n t e r s e x p r e s s r e l a t i o n s b e t w e e n s y n s e t s . R e l a t i o n s a r e
s u m m a r i z e d i n t h e T a b l e 3 . 2 .
F o r e x a m p l e , t h e s y n s e t \ W a r , S t a t e o f w a r , H o t w a r , H o s t i l i t i e s "
h a s a n a n t o n y m \ p e a c e " . A h y p e r o n y m o f t h e \ w a r " s y n s e t i s \ c o n i c t "
a n d o n e o f i t s h y p o n y m s i s \ T e r r o r i s m " . M o r e t h a n 1 1 6 , 0 0 0 p o i n t e r s
r e p r e s e n t s e m a n t i c r e l a t i o n s b e t w e e n w o r d s a n d w o r d s e n s e s .
N o u n s m a k e t h e b i g g e s t w o r d g r o u p i n W o r d N e t | m o r e t h a n 6 0 %
o f t h e t o t a l d a t a b a s e .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 27/95
1 8 C H A P T E R 3 . C O M P U T I N G L E X I C A L C H A I N S
A n t o n y m W o r d w i t h o p p o s i t e m e a n i n g
H y p e r o n y m G e n e r a l i z a t i o n o f a w o r d
H y p o n y m S p e c i c a t i o n o f a w o r d
M e r o n y m C o r r e s p o n d s t o t h e w h o l e i n a p a r t - w h o l e r e l a t i o n
H o l o n y m C o r r e s p o n d s t o t h e p a r t i n a p a r t - w h o l e r e l a t i o n
A t t r i b u t e R e l a t i o n o f i m p l i c a t i o n b e t w e e n a n o u n a n d a n a d j e c t i v e
P e r t a i n R e l a t i o n b e t w e e n a n o u n a n d a n a d j e c t i v e , o r a n a d j e c t i v e
a n d a d v e r b b a s e d o n m o r p h o l o g i c a l r e l a t i o n
C a u s e C a u s e o f a n o t h e r a c t i o n
E n t a i l m e n t I m p l i c a t i o n o f a n o t h e r a c t i o n
T a b l e 3 . 2 : T y p e s o f W o r d N e t r e l a t i o n s .
A u t o m a t i c a l l y C r e a t e d T h e s a u r u s
A n a u t o m a t i c a l l y c r e a t e d t h e s a u r u s i s a d o m a i n - d e p e n d e n t c l u s t e r i n g
o f w o r d s .
S i m i l a r i t y b e t w e e n w o r d s i s m e a s u r e d n u m e r i c a l l y , b a s e d o n c o -
o c c u r r e n c e f r e q u e n c y o r m u t u a l i n f o r m a t i o n . W o r d s i n t h e s a m e c l u s -
t e r h a v e h i g h t e n d e n c y t o o c c u r i n a s i m i l a r l e x i c a l e n v i r o n m e n t , i n
o t h e r w o r d s , t h e r e l a t i o n b e t w e e n t e r m s i n t h e s a m e c l u s t e r a r e n o n -
s y s t e m a t i c ( s e e p a g e 1 1 ) .
3 . 2 . 2 D i e r e n c e s A m o n g K n o w l e d g e S o u r c e s
O r g a n i z a t i o n W o r d N e t a n d R o g e t ' s t h e s a u r u s a r e o r g a n i z e d a r o u n d
w o r d s e n s e s , w h e r e a s i n a n a u t o m a t i c a l l y c r e a t e d t h e s a u r u s , w o r d
s e n s e s a r e n o t r e p r e s e n t e d e x p l i c i t l y .
R e p r e s e n t a t i o n o f R e l a t i o n s A s a r e s u l t o f t h e o r g a n i z a t i o n d i e r -
e n c e , r e l a t i o n s i n d i e r e n t k n o w l e d g e s o u r c e s a r e r e p r e s e n t e d i n
d i e r e n t l e v e l s o f e x p l i c i t y . T h e p r e c i s i o n o f r e l a t i o n c l a s s i c a t i o n
i n c r e a s e s i n t h e f o l l o w i n g o r d e r : R o g e t ' s t h e s a u r u s | z e r o - o n e
m e t r i c s , W o r d N e t | 1 1 r e l a t i o n t y p e s , a u t o m a t i c t h e s a u r u s |
d i s t a n c e f u n c t i o n .
S y s t e m a t i c v s . N o n S y s t e m a t i c R e l a t i o n s T h e W o r d N e t d a t a b a -
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 28/95
3 . 2 . S E M A N T I C D I S T A N C E A M O N G W O R D S 1 9
s e c o v e r s o n l y s y s t e m a t i c r e l a t i o n s , w h e r e a s R o g e t T h e s a u r u s a n d
a n A u t o m a t i c a l l y C r e a t e d T h e s a u r u s c o v e r a l s o n o n - s y s t e m a t i c
r e l a t i o n s .
R e l a t i o n s b e t w e e n D i e r e n t S y n t a c t i c C a t e g o r i e s A t t h e m o m -
e n t , W o r d N e t i s t h e o n l y s o u r c e w h e r e s y n t a c t i c c a t e g o r i e s a r e n o t
c o m p l e t e l y c o n n e c t e d t o g e t h e r , t h e r e a r e s o m e l i m i t e d r e l a t i o n s
b e t w e e n n o u n s a n d a d j e c t i v e s a n d a d j e c t i v e s :
N o u n s r e f e r t o a d j e c t i v e s w i t h a t t r i b u t e r e l a t i o n s ;
A d j e c t i v e s r e f e r t o n o u n s w i t h a t t r i b u t e a n d p e r t a i n r e l a -
t i o n s ;
A d v e r b s r e f e r t o a d j e c t i v e s w i t h p e r t a i n r e l a t i o n s .
D o m a i n D e p e n d e n c e A n a u t o m a t i c t h e s a u r u s i s d o m a i n - d e p e n d e n t
w h e r e a s R o g e t ' s T h e s a u r u s a n d W o r d N e t c l a i m t o b e d o m a i n -
i n d e p e n d e n t .
C o v e r a g e A g r e a t a d v a n t a g e o f W o r d N e t o v e r R o g e t ' s T h e s a u r u s i s
t h e l a r g e n u m b e r o f w o r d s t h a t i t i n c l u d e s , i t s u p d a t e d v o c a b u -
l a r y o f m o d e r n E n g l i s h , a n d t h e p r e s e n c e o f a l a r g e n u m b e r o f
s c i e n t i c t e r m s . H o w e v e r , W o r d N e t , t h e R o g e t ' s t h e s a u r u s a n d a
g e n e r a l d i c t i o n a r y d o n o t i n c l u d e d o m a i n - d e p e n d e n t i n f o r m a t i o n
a n d p r o p e r n o u n s ; a n d c a n n o t b e u p d a t e d a u t o m a t i c a l l y .
3 . 2 . 3 A p p r o p r i a t e n e s s o f K n o w l e d g e S o u r c e s f o r
C o m p u t i n g
W h a t a r e t h e f a c t o r s t h a t i n u e n c e t h e a c c u r a c y o f c o m p u t i n g r e l a t e d -
n e s s b e t w e e n t w o i t e m s ?
1 . P r e c o n d i t i o n : t h e i t e m s a r e i n t h e l e x i c o n .
2 . T h e l e x i c o n i s c o v e r i n g d i e r e n t k i n d s o f r e l a t i o n s : s y s t e m a t i c
a n d n o n - s y s t e m a t i c .
3 . T h e l e x i c o n c o n t a i n s i n f o r m a t i o n a b o u t t h e l e v e l o f c o n n e c t e d -
n e s s .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 29/95
2 0 C H A P T E R 3 . C O M P U T I N G L E X I C A L C H A I N S
R o g e t ' s t h e s a u r u s f u l l l s t h e s e c o n d r e q u e s t , b u t b e c a u s e t h e v o -
c a b u l a r y i s n o t u p d a t e d a n d c o n n e c t e d n e s s m e t r i c s a r e z e r o - o n e , t h e
c a l c u l a t i o n p r e c i s i o n d e c r e a s e s . I n s p i t e o f t h e f a c t t h a t W o r d N e t d o e s
n o t s u p p o r t n o n - s y s t e m a t i c r e l a t i o n s , i t s r i c h v o c a b u l a r y a n d a c c u r a t e
s y s t e m a t i c r e l a t i o n s a m o n g c a t e g o r i e s m a k e s i t a n a p p r o p r i a t e t o o l f o r
c o m p u t i n g , b u t w i t h t h e f o l l o w i n g c o n s t r a i n t : r e l a t e d n e s s c a n b e c o m -
p u t e d o n l y w i t h i n a s i n g l e s y n t a c t i c c a t e g o r y . I f r e l a t e d n e s s m u s t b e
c o m p u t e d o n a s p e c i c d o m a i n t e x t , t h e m o s t a p p r o p r i a t e k n o w l e d g e
s o u r c e i s a n a u t o m a t i c d o m a i n t h e s a u r u s ( A T ) , w h i c h c o n t a i n s s y s t e m -
a t i c a n d n o n - s y s t e m a t i c r e l a t i o n s b e t w e e n d o m a i n t e r m s . B u t t h e n , t h e
f o l l o w i n g i s s u e s m u s t b e a d d r e s s e d :
1 . T h e c o n s t r u c t i o n o f a n a u t o m a t i c a l l y c r e a t e d t h e s a u r u s r e q u i r e s
h u g e c o r p o r a ;
2 . H o w t o t r e a t t h e w o r d s t h a t h a v e l o w f r e q u e n c y i n c o r p u s , a n d
t h e r e f o r e a r e n o t c o v e r e d b y A T .
A p o s s i b l e s o l u t i o n f o r t h e s e c o n d p r o b l e m w o u l d b e t o c o m b i n e a n
A T w i t h W o r d N e t , b u t t h i s i s d e l i c a t e t o w o r k o u t .
3 . 2 . 4 U s i n g T h e s a u r u s f o r C o m p u t i n g
I n t h i s s e c t i o n w e p r e s e n t d i e r e n t m e t h o d s f o r c o m p u t i n g r e l a t e d n e s s
u s i n g R o g e t ' s t h e s a u r u s a n d W o r d N e t . ( W e a r e n o t a w a r e o f a n y p u b -
l i s h e d w o r k u s i n g a u t o m a t i c t h e s a u r u s f o r c h a i n c o m p u t i n g ) .
R o g e t ' s T h e s a u r u s U s i n g R o g e t ' s T h e s a u r u s 2 4 ] | t w o w o r d s a r e
r e l a t e d t o e a c h o t h e r i f t h e i r s t e m s s a t i s f y a n y o n e o f t h e f o l l o w i n g
v e c o n d i t i o n s :
1 . T h e y b o t h h a v e a n i n d e x e n t r y t h a t r e f e r s t o t h e s a m e c a t -
e g o r y ;
2 . T h e y b o t h h a v e a n i n d e x e n t r y t h a t r e f e r s t o a d i e r e n t
c a t e g o r y b u t o n e o f t h e s e t w o c a t e g o r i e s h a s a p o i n t e r t o t h e
o t h e r o n e ;
3 . O n e h a s a n i n d e x e n t r y t h a t r e f e r s t o a c a t e g o r y c o n t a i n i n g
t h e o t h e r s t e m ;
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 30/95
3 . 2 . S E M A N T I C D I S T A N C E A M O N G W O R D S 2 1
4 . T h e y a r e b o t h c o n t a i n e d i n t h e s a m e s u b - c a t e g o r y ;
5 . T h e y b o t h h a v e a n i n d e x e n t r y t h a t r e f e r s t o a d i e r e n t
c a t e g o r y b u t t h e s e t w o c a t e g o r i e s h a v e a c o m m o n p o i n t e r t o
a n o t h e r c a t e g o r y .
W o r d N e t W o r d N e t w a s u s e d a s a k n o w l e d g e s o u r c e b y s e v e r a l a l -
g o r i t h m s : S t - O n g e & H i r s t 9 ] , S t a i r m a n d 3 1 ] a n d E l h a d a d &
B a r z i l a y 1 ] .
1 . S t - O n g e & H i r s t 9 ] d e n e t h r e e r e l a t i o n k i n d s : e x t r a - s t r o n g
( b e t w e e n a w o r d a n d i t s r e p e t i t i o n ) , s t r o n g ( b e t w e e n t w o
w o r d s c o n n e c t e d b y a W o r d N e t r e l a t i o n ) a n d m e d i u m - s t r o n g
w h e n t h e l i n k b e t w e e n t h e s y n s e t s o f t h e w o r d s i s l o n g e r t h a n
o n e ( o n l y p a t h s s a t i s f y i n g c e r t a i n r e s t r i c t i o n s a r e a c c e p t e d
a s v a l i d c o n n e c t i o n s ) .
2 . S t a i r m a n d 3 1 ] c o n s i d e r s t w o w o r d s c o n n e c t e d i f t h e r e i s
s o m e p a t h i n W o r d N e t b e t w e e n t h e m , w i t h o u t l i m i t a t i o n o n
t h e l e n g t h ( e x c e p t f o r p a t h s w h i c h i n c l u d e m e r o n y m s ) . T e r m
l i n k i n g i s r e g u l a t e d w i t h r e f e r e n c e t o a l i s t o f \ c o n c e p t u a l l y
o v e r l o a d e d s y n o n y m s e t s " , t h a t i s , n o d e s j u d g e d t o o g e n e r i c
t o f u n c t i o n a s t h e j u s t i c a t i o n f o r a l i n k b e t w e e n t e r m s . F o r
e x a m p l e , \ o b j e c t " i s c o n n e c t e d t o \ l i p s t i c k " a n d \ m a c h i n e " .
S t a i r m a n d m a n u a l l y i d e n t i e d a p p r o x i m a t e l y 5 0 0 n o d e s o f
t h i s t y p e .
3 . O u r r e l a t e d n e s s c r i t e r i a p u t c o n s t r a i n t s o n t h e p a t h l e n g t h
a c c o r d i n g t o t h e t y p e o f e d g e s : t h e l e n g t h o f a p a t h b e t w e e n
a n o d e a n d i t s o s p r i n g i n t h e h y p e r o n y m g r a p h i s n o t l i m -
i t e d , m e r o n y m r e l a t i o n s a n d s i b l i n g s i n t h e h y p e r o n y m g r a p h
h o w e v e r , a r e l i m i t e d i n l e n g t h .
I n s h o r t , d i e r e n t a l g o r i t h m s b a s e d o n W o r d N e t d e n e r e l a t e d -
n e s s i n t e r m s o f p a t h t o p o l o g y , i t s l e n g t h a n d t h e t y p e o f l i n k s
c o m p o s i n g t h e p a t h .
U s i n g W o r d D i s t r i b u t i o n i n T e x t f o r C o m p u t i n g R e l a t e d n e s s
W h a t o t h e r f a c t o r s i n u e n c e r e l a t e d n e s s ? T h e d i s t a n c e b e t w e e n t w o
w o r d s i n t h e t e x t i s o n e . C o n s i d e r t w o w o r d s \ m a c h i n e " a n d \ d e v i c e " ,
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 31/95
2 2 C H A P T E R 3 . C O M P U T I N G L E X I C A L C H A I N S
w h i c h h a v e a h y p e r o n y m r e l a t i o n , a n d a r e c o n n e c t e d b y a l l t h e c r i t e -
r i a p r e s e n t e d a b o v e . H o w e v e r , t h e p r o b a b i l i t y t h a t t h e y a r e a c t u a l l y
c o n n e c t e d i s m u c h h i g h e r i f \ m a c h i n e " a n d \ d e v i c e " b e l o n g t o a d j a -
c e n t s e n t e n c e s t h a n t o t w o d i e r e n t p a r t s o f t h e t e x t . H i r s t & M o r r i s
c o n s i d e r e d t h e i n u e n c e o f d i s t a n c e o n c h a i n f o r m a t i o n | \ w h e n d i s -
t a n c e s b e t w e e n r e l a t e - a b l e w o r d s a r e n o t t i g h t l y b o u n d t h e c h a n c e s
o f i n c o r r e c t c h a i n l i n k a g e s i n c r e a s e . " T h e q u e s t i o n i s h o w t o f o r m u l a t e
w h a t c a n b e c o n s i d e r e d a s a n \ a l l o w e d d i s t a n c e " , o r , i n o t h e r w o r d s , i n
w h a t u n i t s c a n w e m e a s u r e t h i s d i s t a n c e ?
D i e r e n t d e n i t i o n s o f t h e d i s t a n c e w e r e p r e s e n t e d i n t h e l i t e r a t u r e .
F i x e d w o r d w i n d o w S t a i r m a n d d e n e d m a x i m a l d i s t a n c e b e t w e e n
t w o r e l a t e d i t e m s a s 8 0 w o r d s .
F i x e d s e n t e n c e w i n d o w H i r s t & M o r r i s d e n e d m a x i m u m d i s t a n c e
a c c o r d i n g t o t h e t y p e o f r e l a t i o n s b e t w e e n i t e m s : f o r e x t r a - s t r o n g
r e l a t i o n s , t h e r e i s n o d i s t a n c e l i m i t , f o r s t r o n g r e l a t i o n s , t h e r e
i s a l i m i t e d w i n d o w o f s e v e n s e n t e n c e s ; a n d f o r m e d i u m - s t r o n g
r e l a t i o n s , i t i s t h r e e .
S e g m e n t a t i o n W e p r o p o s e t h a t t h e d i s t a n c e b e t w e e n r e l a t e d w o r d s
i s r e l a t e d t o t h e t o p i c d i s t r i b u t i o n i n t h e t e x t . I f t w o w o r d s a r e
u s e d i n t h e d e s c r i p t i o n o f t h e s a m e s u b t o p i c , t h e n t h e c h a n c e t h a t
t h e y a r e r e l a t e d i n c r e a s e s . T h e r e f o r e , o u r d e n i t i o n o f m a x i m a l
d i s t a n c e i s a t o p i c s e g m e n t . W e r s t r e l y o n H e a r s t ' s a l g o r i t h m
8 ] f o r a p p r o x i m a t i n g s e g m e n t a t i o n a n d d i s c u s s i n t h e c h a p t e r o n
e v a l u a t i o n o t h e r p o s s i b l e w a y s t o a p p r o x i m a t e t o p i c d i s t r i b u t i o n .
3 . 3 C a n d i d a t e W o r d s
T h e w a y c a n d i d a t e w o r d s a r e s e l e c t e d i s r e l a t e d t o p r o p e r t i e s o f t h e
k n o w l e d g e s o u r c e u s e d t o i d e n t i f y t h e r e l a t i o n s b e t w e e n d i e r e n t s y n -
t a c t i c c a t e g o r i e s . S i n c e R o g e t ' s t h e s a u r u s c o n t a i n s c o n n e c t i o n s b e t w e e n
a l l p a r t s - o f - s p e e c h , a l l w o r d s i n a t e x t c a n b e i n c l u d e d i n c h a i n s . H i r s t
& M o r r i s c h o o s e a s c a n d i d a t e w o r d s a l l w o r d s e x c e p t p r o n o u n s , p r e p o -
s i t i o n s , v e r b a l a u x i l i a r i e s , a n d o t h e r h i g h - f r e q u e n c y w o r d s .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 32/95
3 . 3 . C A N D I D A T E W O R D S 2 3
S i n c e W o r d N e t d o e s n o t s u p p o r t c o n n e c t i o n s b e t w e e n d i e r e n t s y n -
t a c t i c c a t e g o r i e s , e x c e p t n o u n s a n d a d j e c t i v e s , c a n d i d a t e w o r d s m u s t
b e o f t h e s a m e p a r t - o f - s p e e c h . A l l e x i s t i n g a l g o r i t h m s r e l y b a s i c a l l y o n
n o u n s a s c a n d i d a t e w o r d s , b e c a u s e n o u n s a r e t h e m a i n c o n t r i b u t o r s t o
t h e \ a b o u t n e s s " o f a t e x t , a n d n o u n s y n s e t s d o m i n a t e i n W o r d N e t .
S t - O n g e & H i r s t l i m i t t h e c h a i n i n g p r o c e s s t o n o u n s . T h e y d o n o t
u s e a p a r t - o f - s p e e c h t a g g e r \ i n o r d e r t o a v o i d t h e s l o w d o w n a n d t h e
e r r o r t h a t w o u l d h a v e r e s u l t e d " ( p . 1 3 ) . I n s t e a d , t h e a l g o r i t h m s e l e c t s
t o k e n s t h a t h a p p e n t o o c c u r a s n o u n s i n W o r d N e t , u n d e r t h e a s s u m p -
t i o n t h a t \ m o s t w o r d s t h a t e x i s t a s n o u n s , b u t t h a t a r e u s e d i n d i e r -
e n t g r a m m a t i c a l c a t e g o r i e s , a r e s e m a n t i c a l l y c l o s e t o t h e i r n o u n f o r m
( e . g . \ t o w a l k " a n d \ w a l k " ) . " S t - O n g e c l a i m e d m o r p h o l o g i c a l t r a n s f o r -
m a t i o n r e s u l t e d i n c h a i n i n g i n a c c u r a c y .
S t a i r m a n d t a k e s a d i e r e n t v i e w o n t h e t a g g i n g a n d m o r p h o l o g i -
c a l t r a n s f o r m a t i o n . H e c o n s i d e r s p r i m a r i l y n o u n s a n d a d j e c t i v e s , b u t
d e r i v a t i o n a l r e l a t i o n s b e t w e e n v e r b s a n d n o u n s a r e a l s o a c c o u n t e d f o r .
A t a g g i n g p r o g r a m ( t h e s t y l e u t i l i t y f r o m U N I X B S D 4 . 2 ) p r o c e s s e s
e a c h t e x t a n d a s s i g n s a p a r t o f s p e e c h t o e a c h t e x t t o k e n . T h i s a l l o w s
s e l e c t i o n o f o n l y t h o s e t e r m s l a b e l e d a s n o u n s a n d a d j e c t i v e s , w h i c h
c o n s t i t u t e t h e c a n d i d a t e t e r m s . I n a d d i t i o n , t h e E d i n b u r g h M o r p h o -
l o g i c a l A n a l y z e r i s u s e d t o i d e n t i f y r e p e t i t i o n b a s e d o n m o r p h o l o g i c a l
v a r i a n t s , f o r e x a m p l e \ s m o k i n g " , \ s m o k e " a n d \ s m o k e r "
W e u s e t h e r e s u l t s o f B r i l l ' s p a r t - o f - s p e e c h t a g g i n g a l g o r i t h m t o
i d e n t i f y n o u n s . I n a d d i t i o n , w e e x t e n d t h e s e t o f c a n d i d a t e w o r d s t o
i n c l u d e n o u n c o m p o u n d s . W e r s t e v a l u a t e e m p i r i c a l l y t h e i m p o r t a n c e
o f n o u n c o m p o u n d s b y t a k i n g i n t o a c c o u n t t h e o n e s e x p l i c i t l y p r e s e n t i n
W o r d N e t ( a r o u n d 5 0 , 0 0 0 e n t r i e s i n W o r d N e t a r e n o u n c o m p o u n d s s u c h
a s \ s e a - l e v e l " o r c o l l o c a t i o n s s u c h a s \ d i g i t a l - c o m p u t e r s " ) . H o w e v e r ,
t h e E n g l i s h l a n g u a g e i n c l u d e s a p r o d u c t i v e s y s t e m f o r n o u n c o m p o u n d s ,
a n d i n e a c h d o m a i n , n e w n o u n c o m p o u n d s a n d c o l l o c a t i o n s c a n b e
c r e a t e d , t h e s e w i l l n o t b e p r e s e n t i n W o r d N e t , b u t t h e y c a n p l a y a
m a j o r r o l e .
W e a d d r e s s e d t h i s i s s u e b y u s i n g a s h a l l o w p a r s e r ( p r o v i d e d b y I d o
D a g a n ) t o i d e n t i f y n o u n c o m p o u n d s u s i n g a s i m p l e c h a r a c t e r i z a t i o n o f
n o u n s e q u e n c e s ( a s r e g u l a r e x p r e s s i o n s o v e r p a r t - o f - s p e e c h t a g s ) . W h e n
a n o u n c o m p o u n d i s s e l e c t e d , t h e r e l a t e d n e s s c r i t e r i o n i n W o r d N e t i s
u s e d b y c o n s i d e r i n g i t s h e a d n o u n o n l y . T h i s h a s t w o m a j o r b e n e t s :
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 33/95
2 4 C H A P T E R 3 . C O M P U T I N G L E X I C A L C H A I N S
1 . I t i d e n t i e s i m p o r t a n t c o n c e p t s i n t h e d o m a i n ( f o r e x a m p l e , i n a
t e x t o n \ q u a n t u m c o m p u t i n g " , t h e m a i n t o k e n w a s t h e n o u n c o m -
p o u n d \ q u a n t u m c o m p u t i n g " w h i c h w a s n o t p r e s e n t i n W o r d N e t ) ;
2 . I t e l i m i n a t e s w o r d s t h a t o c c u r a s m o d i e r s f r o m t h e s e t o f p o s s i b l e
c a n d i d a t e s f o r c h a i n m e m b e r s h i p . F o r e x a m p l e , w h e n \ q u a n t u m
c o m p u t i n g " i s s e l e c t e d a s a s i n g l e u n i t , t h e w o r d \ q u a n t u m " i s
n o t s e l e c t e d . T h i s i s b e n e c i a l b e c a u s e i n t h i s e x a m p l e , t h e t e x t
w a s n o t a b o u t \ q u a n t u m " , b u t m o r e a b o u t c o m p u t e r s .
T o s u m m a r i z e , t h e r e i s a n a g r e e m e n t t h a t i n W o r d N e t n o u n s a r e b a -
s i c p a r t - o f - s p e e c h , b u t t h e r e i s d i s a g r e e m e n t a b o u t t h e u s a g e o f g r a m -
m a t i c a l a n d m o r p h o l o g i c a l t o o l s f o r p r e p r o c e s s i n g .
3 . 4 C h o i c e o f a R e c e i v i n g C h a i n
S e l e c t i n g a n a p p r o p r i a t e c h a i n t o r e c e i v e a c a n d i d a t e w o r d i s e q u i v a l e n t
t o d i s a m b i g u a t i n g t h e g i v e n w o r d i n t h e c u r r e n t c o n t e x t . C o n s i d e r t h e
w o r d \ c o m p u t e r " , i t h a s t w o s e n s e s i n W o r d N e t : \ p e r s o n t h a t c o m -
p u t e s " a n d \ i n f o r m a t i o n p r o c e s s i n g s y s t e m " . I f t h e c h a i n f p c , d a t a
p r o c e s s o r , m a c h i n e g a l r e a d y e x i s t s , t h e n \ c o m p u t e r " w i l l b e i n s e r t e d
i n i t a n d t h r o u g h t h i s d e c i s i o n \ c o m p u t e r " w i l l b e d i s a m b i g u a t e d t o
i t s r s t s e n s e . I f o n l y t h e c h a i n f p e r s o n , e s t i m a t o r g e x i s t s , t h e n \ c o m -
p u t e r " w i l l r e l a t e t o i t i n t h e s e c o n d s e n s e . T h e p r o b l e m a r i s e s w h e n
t h e s e t w o c h a i n s a r e a c t i v e i n t h e c u r r e n t c o n t e x t , a n d t h e a l g o r i t h m
m u s t d e c i d e w h i c h c h a i n w i l l r e c e i v e t h e w o r d \ c o m p u t e r " ?
H i r s t & M o r r i s d i d n o t r e q u i r e t h e s a m e w o r d t o a p p e a r w i t h t h e
s a m e s e n s e i n i t s d i e r e n t o c c u r r e n c e s f o r i t t o b e l o n g t o a c h a i n . I n
t h e a b o v e e x a m p l e t h e \ p e r s o n " c h a i n a n d t h e \ P C " c h a i n w o u l d b e
m e r g e d i n t o a s i n g l e c h a i n , c o n n e c t e d b y t h e t w o s e n s e s o f \ c o m p u t e r "
M i x i n g s e n s e s o f s e m a n t i c a l l y a m b i g u o u s w o r d s h o w e v e r , c a n l e a d t o
c o n f u s i o n s .
H i r s t & S t - O n g e c h o o s e t h e a p p r o p r i a t e c h a i n a c c o r d i n g t o t h e t y p e
o f t h e r e l a t i o n b e t w e e n a c a n d i d a t e w o r d a n d t h e p o s s i b l e c h a i n s . T o
n d a c h a i n i n w h i c h t o i n s e r t a g i v e n c a n d i d a t e w o r d , e x t r a - s t r o n g r e -
l a t i o n s a r e p r e f e r r e d t o s t r o n g - r e l a t i o n s a n d b o t h o f t h e m a r e p r e f e r r e d
t o m e d i u m - s t r o n g r e l a t i o n s . I f a c h a i n i s f o u n d , t h e n t h e c a n d i d a t e
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 34/95
3 . 4 . C H O I C E O F A R E C E I V I N G C H A I N 2 5
w o r d i s i n s e r t e d w i t h t h e a p p r o p r i a t e s e n s e , a n d t h e s e n s e s o f t h e o t h e r
w o r d s i n t h e r e c e i v i n g c h a i n a r e u p d a t e d , s o t h a t e v e r y w o r d c o n n e c t e d
t o t h e n e w w o r d i n t h e c h a i n r e l a t e s t o i t s s e l e c t e d s e n s e s o n l y . I f n o
c h a i n i s f o u n d , t h e n a n e w c h a i n i s c r e a t e d a n d t h e c a n d i d a t e w o r d i s
i n s e r t e d w i t h a l l i t s p o s s i b l e s e n s e s i n W o r d N e t .
T h e g r e e d y d i s a m b i g u a t i o n s t r a t e g y i m p l e m e n t e d i n t h i s a l g o r i t h m
h a s s o m e l i m i t a t i o n s i l l u s t r a t e d b y t h e f o l l o w i n g e x a m p l e :
M r K e n n y i s t h e p e r s o n t h a t i n v e n t e d a n a n a e s t h e t i c m a c h i n e
w h i c h u s e s m i c r o - c o m p u t e r s t o c o n t r o l t h e r a t e a t w h i c h a n a n a e s -
t h e t i c i s p u m p e d i n t o t h e b l o o d . S u c h m a c h i n e s a r e n o t h i n g n e w .
B u t h i s d e v i c e u s e s t w o m i c r o - c o m p u t e r s t o a c h i e v e m u c h c l o s e r
m o n i t o r i n g o f t h e p u m p f e e d i n g t h e a n a e s t h e t i c i n t o t h e p a t i e n t .
A c c o r d i n g t o H i r s t & S t - o n g e ' s a l g o r i t h m , t h e c h a i n f o r t h e w o r d
\ M r " i s r s t c r e a t e d , h o l d i n g o n e s e n s e :
l e x " M r . " , s e n s e f m i s t e r , M r . g ]
\ M r " b e l o n g s o n l y t o o n e s y n s e t , s o i t i s d i s a m b i g u a t e d f r o m t h e
b e g i n n i n g . T h e w o r d \ p e r s o n " i s r e l a t e d t o t h i s c h a i n i n t h e s e n s e \ a
h u m a n b e i n g " b y a m e d i u m - s t r o n g r e l a t i o n , s o t h e c h a i n n o w c o n t a i n s
t w o e n t r i e s :
l e x " M r . " , s e n s e f m i s t e r , M r . g ]
l e x " p e r s o n " , s e n s e f p e r s o n ,
i n d i v i d u a l , s o m e o n e , m a n , m o r t a l , h u m a n , s o u l g ]
W h e n t h e a l g o r i t h m p r o c e s s e s t h e w o r d \ m a c h i n e " , i t r e l a t e s i t t o
t h i s c h a i n , b e c a u s e \ m a c h i n e " i n t h e r s t W o r d N e t s e n s e ( \ a n e c i e n t
p e r s o n " ) i s a h o l o n y m o f \ p e r s o n " i n t h e c h o s e n s e n s e . I n o t h e r w o r d s ,
\ m a c h i n e " a n d \ p e r s o n " a r e r e l a t e d b y a s t r o n g r e l a t i o n . I n t h i s c a s e ,
\ m a c h i n e " i s d i s a m b i g u a t e d i n t h e w r o n g w a y , e v e n t h o u g h a f t e r t h i s
r s t o c c u r r e n c e o f \ m a c h i n e " , t h e r e i s s t r o n g e v i d e n c e s u p p o r t i n g t h e
s e l e c t i o n o f i t s m o r e c o m m o n s e n s e : \ m i c r o - c o m p u t e r " , \ d e v i c e " a n d
\ p u m p " a l l p o i n t t o i t s c o r r e c t s e n s e i n t h i s c o n t e x t | \ a n y m e c h a n i c a l
o r e l e c t r i c a l d e v i c e t h a t p e r f o r m s o r a s s i s t s i n t h e p e r f o r m a n c e "
T h i s e x a m p l e i n d i c a t e s t h a t d i s a m b i g u a t i o n c a n n o t b e a g r e e d y d e -
c i s i o n . I n o r d e r t o c h o o s e t h e r i g h t s e n s e o f t h e w o r d w e m u s t c o n s i d e r
t h e ` w h o l e p i c t u r e ' o f c h a i n d i s t r i b u t i o n i n t h e t e x t . W e p r o p o s e t o
d e v e l o p a c h a i n i n g m o d e l a c c o r d i n g t o a l l p o s s i b l e a l t e r n a t i v e s o f w o r d
s e n s e s a n d t h e n c h o o s e t h e b e s t o n e a m o n g t h e m .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 35/95
2 6 C H A P T E R 3 . C O M P U T I N G L E X I C A L C H A I N S
3 . 5 T h e D y n a m i c C h a i n i n g A l g o r i t h m
L e t u s i l l u s t r a t e o u r m e t h o d o n t h e a b o v e e x a m p l e . F i r s t , a n o d e
f o r t h e w o r d \ M r " i s c r e a t e d l e x " M r . " , s e n s e f m i s t e r , M r . g ]
T h e n e x t c a n d i d a t e w o r d i s \ p e r s o n " . I t h a s t w o s e n s e s : \ h u m a n b e -
i n g " ( p e r s o n
1
) a n d \ g r a m m a t i c a l c a t e g o r y o f p r o n o u n s a n d v e r b f o r m s "
( p e r s o n
2
) . T h e c h o i c e o f s e n s e f o r \ p e r s o n " s p l i t s t h e c h a i n w o r l d t o
t w o d i e r e n t i n t e r p r e t a t i o n s a s d e m o n s t r a t e d i n F i g u r e 3 . 1 .
{person ,1
individual,someone, ...}
Person Person{person }
2
{ Mr.,Mister}Mr. { Mr.,Mister}Mr.
F i g u r e 3 . 1 : S t e p 1 : I n t e r p r e t a t i o n s 1 a n d 2 .
D e n e a c o m p o n e n t a s a l i s t o f i n t e r p r e t a t i o n s t h a t a r e m u t u a l l y
e x c l u s i v e o f e a c h o t h e r . C o m p o n e n t w o r d s i n u e n c e e a c h o t h e r i n t h e
s e l e c t i o n o f t h e i r r e s p e c t i v e s e n s e s .
T h e n e x t c a n d i d a t e w o r d \ a n a e s t h e t i c " i s n o t r e l a t e d t o a n y w o r d
i n t h e r s t c o m p o n e n t , s o w e c r e a t e a n e w c o m p o n e n t f o r i t w i t h a
s i n g l e i n t e r p r e t a t i o n .
T h e w o r d \ m a c h i n e " h a s 5 s e n s e s m a c h i n e
1
t o m a c h i n e
5
. I n i t s
r s t s e n s e , \ a n e c i e n t p e r s o n " , i t i s r e l a t e d t o t h e s e n s e s \ p e r s o n "
a n d \ M r " . T h e r e f o r e , i t i n u e n c e s t h e s e l e c t i o n o f t h e i r s e n s e s , t h u s
\ m a c h i n e " h a s t o b e i n s e r t e d i n t h e r s t c o m p o n e n t . A f t e r i t s i n s e r t i o n ,
t h e p i c t u r e o f t h e r s t c o m p o n e n t b e c o m e s t h e o n e s h o w n i n F i g u r e 3 . 2 .
I f w e c o n t i n u e t h e p r o c e s s a n d i n s e r t t h e w o r d s \ m i c r o - c o m p u t e r " ,
\ d e v i c e " a n d \ p u m p " , t h e n u m b e r o f a l t e r n a t i v e s g r e a t l y i n c r e a s e s . T h e
s t r o n g e s t i n t e r p r e t a t i o n s a r e g i v e n i n F i g u r e 3 . 3 .
U n d e r t h e a s s u m p t i o n t h a t t h e t e x t i s c o h e s i v e , w e d e n e t h e b e s t i n -
t e r p r e t a t i o n a s t h e o n e w i t h t h e m o s t c o n n e c t i o n s ( e d g e s i n t h e g r a p h ) .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 36/95
3 . 5 . T H E D Y N A M I C C H A I N I N G A L G O R I T H M 2 7
{Mr.,mister}Mr.
Person {person,individual,someone, ... }
Machine{machine }
1
{Mr.,mister}Mr.
Person {person}
Machine {machine ... machine }2 5
{Mr.,mister}Mr.
Person {person,individual,someone, ... }
Machine{machine ... machine }
2 5
{Mr.,mister}Mr.
Person{person}
Machine 1{machine }
F i g u r e 3 . 2 : S t e p 2 : I n t e r p r e t a t i o n s 1 { 4 .
Person
Machine
Mr. {Mr.,mister}
{person,
individual,
someone,... }
{machine1
}
computer
Device
Pump
{PC, micro-
{device2
}
{pump3
}
computer, .. }Micro-
computerMicro-
Device
Pump
{PC, micro-
{device2
}
{pump3
}
computer, .. }Machine
{machine
Mr.
{Mr.,mister}
Person {person,individual,someone,... }
4}
F i g u r e 3 . 3 : S t e p 3 : I n t e r p r e t a t i o n s 1 , 2 .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 37/95
2 8 C H A P T E R 3 . C O M P U T I N G L E X I C A L C H A I N S
I n t h i s c a s e , t h e s e c o n d i n t e r p r e t a t i o n a t t h e e n d o f S t e p 3 i s s e l e c t e d ,
w h i c h p r e d i c t s t h e r i g h t s e n s e f o r \ m a c h i n e " . W e d e n e t h e s c o r e o f
a n i n t e r p r e t a t i o n a s t h e s u m o f i t s c h a i n s c o r e s . T h e s c o r e o f a c h a i n
i s d e t e r m i n e d b y t h e n u m b e r a n d w e i g h t o f t h e r e l a t i o n s b e t w e e n c h a i n
m e m b e r s . E x p e r i m e n t a l l y , w e x e d t h e w e i g h t o f r e i t e r a t i o n a n d s y n -
o n y m t o 1 0 , o f a n t o n y m t o 7 , a n d o f h y p e r o n y m a n d h o l o n y m t o 4 .
O u r a l g o r i t h m d e v e l o p s a l l p o s s i b l e i n t e r p r e t a t i o n s , m a i n t a i n i n g e a c h
o n e w i t h o u t s e l f c o n t r a d i c t i o n . W h e n t h e n u m b e r o f p o s s i b l e i n t e r -
p r e t a t i o n s i s l a r g e r t h a n a c e r t a i n t h r e s h o l d , w e p r u n e t h e w e a k i n t e r -
p r e t a t i o n s a c c o r d i n g t o t h i s c r i t e r i a . I n t h e e n d , w e s e l e c t f r o m e a c h
c o m p o n e n t t h e s t r o n g e s t i n t e r p r e t a t i o n .
T o c o n c l u d e , t h e m a i n d i e r e n c e b e t w e e n o u r a l g o r i t h m a n d t h e
H i r s t & S t - O n g e a l g o r i t h m i s t h a t i t i n t r o d u c e s a n o n - g r e e d y d i s a m -
b i g u a t i o n h e u r i s t i c t o s e l e c t t h e a p p r o p r i a t e s e n s e s o f c h a i n m e m b e r s ,
i n a d d i t i o n t o t h e r e l a t e d n e s s c r i t e r i o n f o r m e m b e r s h i p t o a c h a i n .
3 . 6 D y n a m i c C h a i n i n g A l g o r i t h m D e s c r i p -
t i o n
H a v i n g e x p l a i n e d t h e i n t u i t i v e m o t i v a t i o n b e h i n d o u r a p p r o a c h , w e
p r e s e n t a m o r e d e t a i l e d d e s c r i p t i o n o f t h e D y n a m i c C h a i n i n g A l g o r i t h m
( D C A ) i n t h i s s e c t i o n .
3 . 6 . 1 G e n e r a l E x p l a n a t i o n
T h e D C A a l g o r i t h m i s d y n a m i c : t h e d e c i s i o n a b o u t t h e r i g h t s e n s e o f a
w o r d i s d e l a y e d , t h e r e f o r e , s e v e r a l e x c l u s i v e c h a i n s c o e x i s t a t t h e s a m e
t i m e . F o r e x a m p l e , w h e n p r o c e s s i n g t h e s e q u e n c e o f n o u n s \ w a t e r " ,
\ o c e a n " , t h e a l g o r i t h m c r e a t e s t w o a l t e r n a t i v e c o m b i n a t i o n s :
1 . A c h a i n t h a t c o n t a i n s t h e w o r d \ w a t e r " i n t h e s e n s e \ b o d y o f
w a t e r " a n d \ o c e a n " w i t h t h e s a m e s e n s e ;
2 . t w o s e p a r a t e c h a i n s o f \ w a t e r " a n d \ o c e a n " , e a c h w i t h a l l p o s s i b l e
s e n s e s o f t h e s e w o r d s , e x c l u d i n g c o n n e c t e d s e n s e s ( s e n s e s t h a t a r e
c h o s e n f o r t h e r s t a l t e r n a t i v e ) .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 38/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 39/95
3 0 C H A P T E R 3 . C O M P U T I N G L E X I C A L C H A I N S
l e x i c a l - c h a i n A s e t o f c h a i n e n t r i e s .
i n t e r p r e t a t i o n a s e t o f c h a i n s t h a t c a n a l l c o - o c c u r w i t h o u t c o n t r a -
d i c t i o n s ;
c o m p o n e n t a s e t o f i n t e r p r e t a t i o n s t h a t a r e m u t u a l l y e x c l u s i v e .
3 . 6 . 3 F u n c t i o n s
W e d e s c r i b e o u r a l g o r i t h m f u n c t i o n b y f u n c t i o n , f r o m t h e t o p - l e v e l o n e
( b u i l d - c h a i n s ) d o w n .
b u i l d - c h a i n s ( t e x t )
1 . S e g m e n t t h e t e x t u s i n g H e a r s t ' s a l g o r i t h m .
2 . F o r e a c h s e g m e n t c a l l b u i l d - s e g m e n t - c h a i n s ( s e g m e n t ) t o g e t a l i s t
o f c h a i n s f o r t h i s s e g m e n t ( s e g m e n t s - c h a i n s h o l d s a l i s t o f t h e
r e s u l t s )
1
3 . C a l l m e r g e - s e g m e n t - c h a i n s ( s e g m e n t s - c h a i n s ) t o m e r g e a l l s e g m e n t
c h a i n l i s t s .
b u i l d - s e g m e n t - c h a i n s ( s e g m e n t )
1 . I n i t i a l i z e c o m p o n e n t s t o b e a n e m p t y l i s t o f c o m p o n e n t s .
2 . F i n d c o l l o c a t i o n s i n t h e t e x t ( e . g . \ p e r s o n a l - c o m p u t e r " ) . W e i d e n -
t i f y c o l l o c a t i o n b y c h e c k i n g p a i r s o f s e q u e n t i a l n o u n s a s a s i n g l e
t o k e n i n W o r d N e t .
3 . T o k e n i z a t i o n | s e p a r a t e w o r d s t o t o k e n s .
4 . T a g g i n g | t a g e a c h w o r d w i t h i t s c o r r e s p o n d i n g p a r t - o f - s p e e c h ,
a n d i t s n o r m a l i z e d f o r m .
5 . S e l e c t o n l y s i m p l e n o u n s a n d n o u n c o m p o u n d h e a d s u s i n g a s h a l -
l o w p a r s e r .
6 . B u i l d C h a i n s | f o r e a c h w o r d W :
1
N o t e t h a t t h i s l i s t o f c h a i n s i s n o t c o n s i d e r e d a n i n t e r p r e t a t i o n , i n t e r p r e t a t i o n s
a r e u s e d o n l y i n s i d e t h e b u i l d - s e g m e n t - c h a i n s f u n c t i o n .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 40/95
3 . 6 . D Y N A M I C C H A I N I N G A L G O R I T H M D E S C R I P T I O N 3 1
i f W i s a r e p e t i t i o n o f a p r e v i o u s o c c u r r e n c e t h e n
A d d W w i t h t h e s a m e s e n s e t o t h e s a m e c h a i n
e l s e b e g i n
r e l a t e d - c o m p o n e n t s : =
c o m p o n e n t s - r e l a t e d - t o - w o r d ( c o m p o n e n t s , W ) * 1 *
i f r e l a t e d - c o m p o n e n t s i s e m p t y t h e n b e g i n
c r e a t e a n e w c o m p o n e n t w i t h o n l y W
a d d i t t o c o m p o n e n t s
e l s e b e g i n
r e m o v e r e l a t e d - c o m p o n e n t s f r o m c o m p o n e n t s
U : = m e r g e - c o m p o n e n t s ( r e l a t e d - c o m p o n e n t s ) * 2 *
f o r e a c h i n t e r p r e t a t i o n i n U d o
r e p l a c e w i t h s p l i t - i n t e r p r e t a t i o n ( W , I ) i n U * 3 *
f r o m a l l n e w i n t e r p r e t a t i o n s i n U :
c h o o s e m a x - a c t i v e - i n t e r p r e t a t i o n s
w i t h h i g h e s t i n t e r p r e t a t i o n - s c o r e
a n d b u i l d a n e w c o m p o n e n t f r o m t h e m
a d d t h i s c o m p o n e n t t o c o m p o n e n t s
e n d
e n d
7 . F r o m e a c h c o m p o n e n t i n c o m p o n e n t s c h o o s e t h e m a x i m a l i n t e r -
p r e t a t i o n ( u s i n g i n t e r p r e t a t i o n - s c o r e )
8 . R e t u r n t h e l i s t o f c h a i n s i n a l l o f t h e s e m a x i m a l i n t e r p r e t a t i o n s
( i . e . a t t e n t h e a b o v e r e s u l t s ) .
N o t e s
* 1 * r e l a t e d - c o m p o n e n t s i s n o w a l i s t o f c o m p o n e n t s f r o m c o m p o n e n t s
w h i c h c o n t a i n i n t e r p r e t a t i o n s t h a t a r e r e l a t e d t o t h e w o r d W
* 2 * U i s n o w t h e C a r t e s i a n p r o d u c t o f a l l i n t e r p r e t a t i o n s t h a t a r e i n
r e l a t e d - c o m p o n e n t s . F o r e x a m p l e , i f r e l a t e d - c o m p o n e n t s h o l d s
X = f ( h 1 ; 2 i ) ; ( h 1 i ; h 2 i ) ; ( h 3 ; 4 i ) ; ( h 3 i ; h 4 i ) g
t h e n t h e r e s u l t o f m e r g e - c o m p o n e n t s ( X ) i s
( h 1 ; 2 i ; h 3 ; 4 i ) ; ( h 1 ; 2 i ; h 3 i ; h 4 i ) ; ( h 1 i ; h 2 i ; h 3 ; 4 i ) ; ( h 1 i ; h 2 i ; h 3 i ; h 4 i )
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 41/95
3 2 C H A P T E R 3 . C O M P U T I N G L E X I C A L C H A I N S
W h e r e i n t h i s e x a m p l e , \ f g " n o t a t e s a l i s t o f c o m p o n e n t s , \ ] " a
c o m p o n e n t , \ ( ) " a n i n t e r p r e t a t i o n , \ h i " a c h a i n , a n d a n u m b e r
c o r r e s p o n d s t o a w o r d .
* 3 * s p l i t - i n t e r p r e t a t i o n ( W , I ) i s t h e r e s u l t o f e m b e d d i n g W i n t o t h e i n -
t e r p r e t a t i o n , i n a l l p o s s i b l e w a y s ( i n t o e x i s t i n g c h a i n s i f p o s s i b l e ,
o r t o a n e w c h a i n ) . T h e r e s u l t s a r e l i s t s o f n e w i n t e r p r e t a t i o n s |
c o m p o n e n t s , s o t h e y a r e a l l a p p e n d e d t o g e t h e r .
c o m p o n e n t s - r e l a t e d - t o - w o r d ( c o m p o n e n t s , w o r d )
R e t u r n a l l c o m p o n e n t s i n c o m p o n e n t s t h a t a r e r e l a t e d t o w o r d , w h e r e
\ r e l a t e d " m e a n s t h a t w o r d i s a s y n o n y m , a n t o n y m o r m e r o n y m o f a
w o r d i n s o m e c h a i n i n s o m e i n t e r p r e t a t i o n i n t h e c o m p o n e n t . A n o t h e r
p o s s i b i l i t y i s f o r t h e w o r d t o b e a e i t h e r a n o s p r i n g o r a l e v e l 4 s i b l i n g
( h a v e a c o m m o n p a r e n t w i t h u p t o p a t h o f l e n g t h 4 b e t w e e n t h e m ) o f
a n o t h e r w o r d i n t h e W o r d N e t h y p e r o n y m g r a p h .
m e r g e - c o m p o n e n t s ( c o m p o n e n t s )
G e t t h e c r o s s - p r o d u c t o f c o m p o n e n t s . I n o t h e r w o r d s , c r e a t e a l l p o s s i b l e
i n t e r p r e t a t i o n s t h a t a r e a r e s u l t o f c o l l e c t i n g o n e i n t e r p r e t a t i o n f r o m
e a c h c o m p o n e n t i n c o m p o n e n t s , a n d m e r g e t h e m a l l t o g e t t h e r e s u l t i n g
c o m p o n e n t . S e e e x a m p l e i n r e m a r k * 2 * a b o v e .
s p l i t - i n t e r p r e t a t i o n ( w o r d , i n t e r p )
R e t u r n a c o m p o n e n t ( a l i s t o f i n t e r p r e t a t i o n s ) t h a t c o n s i s t s o f :
T h e g i v e n i n t e r p w i t h a n e w c h a i n h o l d i n g w o r d b y i t s e l f .
T h e l i s t o f i n t e r p r e t a t i o n t h a t i s a c h i e v e d b y a d d i n g w o r d t o e a c h
c h a i n i n i n t e r p | o n l y i f i t i s p o s s i b l e t o a d d i t t o t h a t c h a i n .
m a x - a c t i v e - i n t e r p r e t a t i o n s
T h i s i s a c o n s t a n t | t h e n u m b e r o f i n t e r p r e t a t i o n s t h a t c a n c o m p e t e
( c o - o c c u r t o g e t h e r ) . I t i s c u r r e n t l y t o 1 0 .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 42/95
3 . 6 . D Y N A M I C C H A I N I N G A L G O R I T H M D E S C R I P T I O N 3 3
i n t e r p r e t a t i o n - s c o r e ( i n t e r p )
R e t u r n t h e s u m o f c h a i n s c o r e s o f a l l c h a i n s i n i n t e r p . T h e s c o r e o f a
c h a i n C i n i n t e r p i s c a l c u l a t e d b y t h e s u m o f :
f o r e a c h t w o w o r d s w
1
, w
2
i n C r e t u r n
1 0 i f t h e y a r e s y n o n y m s ;
8 i f t h e y a r e o s p r i n g s ;
7 i f t h e y a r e a n t o n y m s ;
4 i f t h e y a r e m e r o n y m s ;
2 i f t h e y a r e s i b l i n g s .
m e r g e - s e g m e n t - c h a i n s ( s e g m e n t s - c h a i n s )
M e r g e t w o c h a i n s i f t h e y c o n t a i n a t l e a s t o n e e q u a l s e n s e . R e t u r n a l i s t
c o n s i s t i n g o f t h e s e c h a i n s .
3 . 6 . 4 R u n n i n g e x a m p l e
H e r e w e g i v e a r u n n i n g e x a m p l e o f t h e b u i l d - s e g m e n t - c h a i n s f u n c t i o n .
S u p p o s e a s e g m e n t c o n s i s t s o f t h e w o r d s \ x 1 " , \ x 2 " , \ x 3 " , \ x 4 "
T h e w o r d \ x 1 " h a s o n e s e n s e , \ x 2 " a n d \ x 3 " h a v e t w o s e n s e s , a n d a r e
c o n n e c t e d t o e a c h o t h e r b y t h e r s t o f t h e m ; \ x 4 " h a s t h r e e s e n s e s |
i t i s c o n n e c t e d t o \ x 1 " b y t h e r s t , a n d t o t h e r s t s e n s e o f \ x 3 " b y
t h e s e c o n d .
A f t e r p r o c e s s i n g \ x 1 " , U i s e m p t y , s o a n e w c o m p o n e n t A w i t h o n e
i n t e r p r e t a t i o n w i t h t h e o n e w o r d c h a i n \ x 1 " i s c r e a t e d | ( h x 1 i )
A f t e r p r o c e s s i n g \ x 2 " , U i s a l s o e m p t y ( t h e t w o w o r d s a r e n o t c o n -
n e c t e d ) , a n d \ x 2 " i s c o n t a i n e d i n a n e w c o m p o n e n t , s o w e h a v e t w o
c o m p o n e n t s : f ( h x 1 i ) ; ( h x 2 i ) g
A f t e r g e t t i n g \ x 3 " , U c o n t a i n s o n e c o m p o n e n t ( h x 2 i ) ] . T h e i n t e r -
p r e t a t i o n i n t h i s c o m p o n e n t i s n o w s p l i t t o t w o : o n e t h a t c o n t a i n s a
c h a i n w i t h \ x 2 " a n d \ x 3 " , a n d a n o t h e r c o n t a i n s a s i n g l e w o r d c h a i n
w i t h \ x 2 " a n d a s i n g l e w o r d c h a i n \ x 3 " . T h e s e t w o i n t e r p r e t a t i o n s
c r e a t e s a n e w c o m p o n e n t , t h a t r e p l a c e s t h e o l d o n e , s o n o w w e h a v e :
f ( h x 1 i ) ; ( h x 2 ; x 3 i ) ; ( h x 2 i ; h x 3 i ) g
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 43/95
3 4 C H A P T E R 3 . C O M P U T I N G L E X I C A L C H A I N S
N o w t h e r e a r e t w o c o m p o n e n t s . W h e n \ x 4 " i s p r o c e s s e d , a l l c o m -
p o n e n t s a r e r e l a t e d t o i t . N o w , U c o n t a i n s t h e C a r t e s i a n p r o d u c t o f
b o t h c o m p o n e n t s , w h i c h i s :
( h x 1 i ; h x 2 ; x 3 i ) ; ( h x 1 i ; h x 2 i ; h x 3 i )
B o t h i n t e r p r e t a t i o n s a r e s p l i t a c c o r d i n g t o t h e d i e r e n t s e n s e s o f
\ x 4 " . T h e r s t i n t e r p r e t a t i o n i s s p l i t t o
( h x 1 ; x 4 i ; h x 2 ; x 3 i )
( h x 1 i ; h x 2 ; x 3 ; x 4 i )
( h x 1 i ; h x 2 ; x 3 ; x 4 i ; h x 4 i )
a n d t h e s e c o n d t o
( h x 1 ; x 4 i ; h x 2 i ; h x 3 i )
( h x 1 i ; h x 2 i ; h x 3 ; x 4 i )
( h x 1 i ; h x 2 i ; h x 3 i ; h x 4 i )
S o t h e n e w v a l u e o f c o m p o n e n t s i s o n e c o m p o n e n t w h i c h i s c o m p o s e d
o f t h e a b o v e s i x i n t e r p r e t a t i o n s .
I f t h e r e a r e o n l y \ x 1 " , \ x 2 " , \ x 3 " a n d \ x 4 " i n t h e p a r a g r a p h , t h e n
a c c o r d i n g t o t h e h i g h e s t v a l u e g i v e n b y t h e s c o r e f u n c t i o n | o n e i n t e r -
p r e t a t i o n i s t o b e c h o s e n .
3 . 6 . 5 S c o r i n g C h a i n s
N o t a l l o f t h e a l g o r i t h m ' s o u t p u t c h a i n s r e p r e s e n t t o p i c c o n c e p t s o f t h e
t e x t , t h e r e f o r e o n e m u s t r s t i d e n t i f y t h e s t r o n g e s t c h a i n s a m o n g s t .
T h e r e i s n o f o r m a l w a y t o e v a l u a t e c h a i n s t r e n g t h , w e t h e r e f o r e r e l y
o n a n e m p i r i c a l m e t h o d o l o g y . W e h a v e d e v e l o p e d a n e n v i r o n m e n t t o
c o m p u t e a n d g r a p h i c a l l y v i s u a l i z e l e x i c a l c h a i n s t o e v a l u a t e e x p e r i m e n -
t a l l y h o w t h e y c a p t u r e t h e m a i n t o p i c s o f t h e t e x t s . F i g u r e 3 . 4 s h o w s
h o w l e x i c a l c h a i n s a r e v i s u a l i z e d t o h e l p h u m a n t e s t e r s e v a l u a t e t h e i r
i m p o r t a n c e .
W e h a v e c o l l e c t e d d a t a f o r a s e t o f 3 0 t e x t s e x t r a c t e d f r o m p o p -
u l a r m a g a z i n e s ( \ T h e E c o n o m i s t " a n d \ S c i e n t i c A m e r i c a n " ) , a l l a r e
o f p o p u l a r s c i e n c e g e n r e . F o r e a c h t e x t , w e m a n u a l l y r a n k e d c h a i n s
i n t e r m s o f r e l e v a n c e t o t h e m a i n t o p i c . W e t h e n c o m p u t e d d i e r e n t
f o r m a l m e a s u r e s o n t h e c h a i n s , i n c l u d i n g : c h a i n l e n g t h , d i s t r i b u t i o n i n
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 44/95
3 . 6 . D Y N A M I C C H A I N I N G A L G O R I T H M D E S C R I P T I O N 3 5
technique
knowledge
information
datum
model
area
condition
F i g u r e 3 . 4 : V i s u a l r e p r e s e n t a t i o n o f l e x i c a l c h a i n s .
t h e t e x t , t e x t s p a n c o v e r e d b y t h e c h a i n , d e n s i t y , g r a p h t o p o l o g y ( d i -
a m e t e r o f t h e w o r d s g r a p h t h r o u g h W o r d N e t r e l a t i o n s ) a n d n u m b e r o f
r e p e t i t i o n s . T h e r e s u l t s o n o u r d a t a s e t i n d i c a t e t h a t o n l y t h e f o l l o w i n g
p a r a m e t e r s a r e g o o d p r e d i c t o r s o f a c h a i n s t r e n g t h :
L e n g t h : T h e n u m b e r o f o c c u r r e n c e s o f c h a i n m e m b e r s .
H o m o g e n e i t y i n d e x : O n e m i n u s t h e n u m b e r o f d i s t i n c t o c c u r r e n c e s
d i v i d e d b y t h e l e n g t h .
W e d e s i g n e d a s c o r e f u n c t i o n f o r c h a i n s a s :
S c o r e ( C h a i n ) = L e n g t h H o m o g e n e i t y
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 45/95
3 6 C H A P T E R 3 . C O M P U T I N G L E X I C A L C H A I N S
W h e n r a n k i n g c h a i n s a c c o r d i n g t o t h e i r s c o r e , w e e s t i m a t e t h a t s t r o n g
c h a i n s a r e t h o s e w h i c h s a t i s f y o u r \ S t r e n g t h C r i t e r i o n " :
S c o r e ( C h a i n ) > A v e r a g e ( S c o r e s ) + 2 S t a n d a r d D e v i a t i o n ( S c o r e s )
T h e s e a r e p r e l i m i n a r y r e s u l t s b u t t h e y a r e s t r i k i n g l y c o n r m e d b y
o u r e x p e r i e n c e o n 3 0 e x t e n s i v e l y a n a l y z e d t e x t s . W e h a v e e x p e r i m e n t e d
w i t h d i e r e n t n o r m a l i z a t i o n m e t h o d s f o r t h e s c o r e f u n c t i o n , b u t t h e y
d o n o t s e e m t o i m p r o v e t h e s e r e s u l t s .
T h e a v e r a g e n u m b e r o f s t r o n g c h a i n s s e l e c t e d b y t h i s m e t h o d i s 5
f o r t e x t s o f 1 0 5 5 w o r d s o n a v e r a g e ( m i n i m u m 4 7 4 , m a x i m u m 3 1 9 8 ) ,
w h e r e 3 2 c h a i n s w e r e o r i g i n a l l y g e n e r a t e d o n a v e r a g e .
3 . 7 S u m m a r y : B u i l d i n g L e x i c a l C h a i n s
I n t h i s c h a p t e r w e h a v e p r e s e n t e d t h e D C A a l g o r i t h m f o r b u i l d i n g
l e x i c a l c h a i n s o n a n a r b i t r a r y t e x t , r e l y i n g o n W o r d N e t a s a l e x i c a l
d a t a b a s e . T h e D C A i s c h a r a c t e r i z e d b y t h e f o l l o w i n g d e s i g n d e c i s i o n s :
K n o w l e d g e s o u r c e : W o r d N e t a n d s y s t e m a t i c r e l a t i o n s o n l y .
R e l a t e d n e s s c o n d i t i o n : c o n s t r a i n t s o n t h e p a t h l e n g t h a c c o r d i n g
t o t h e t y p e o f e d g e s .
W o r d d i s t r i b u t i o n : i f t w o w o r d s a r e u s e d i n t h e d e s c r i p t i o n o f t h e
s a m e s u b t o p i c , t h e n t h e c h a n c e t h a t t h e y a r e r e l a t e d i n c r e a s e s .
C a n d i d a t e s e l e c t i o n : w e s e l e c t n o u n s m a r k e d b y B r i l l ' s p a r t - o f -
s p e e c h t a g g e r , t o g e t h e r w i t h n o u n c o m p o u n d s f o u n d i n W o r d N e t
a n d n o u n c o m p o u n d s i d e n t i e d b y a s h a l l o w p a r s e r .
C l u s t e r i n g s t r a t e g y : o u r a l g o r i t h m d e n e s a d y n a m i c , n o n - g r e e d y
a p p r o a c h t o t h e d e n i t i o n o f w h i c h a c t i v e c h a i n c a n r e c e i v e a
c a n d i d a t e w o r d .
W e e v a l u a t e m o s t o f t h e s e d e s i g n d e c i s i o n s i n t h e f o l l o w i n g c h a p t e r ,
d e n i n g a n i n t r i n s i c e v a l u a t i o n s t r a t e g y f o r t h e l e x i c a l c h a i n e r r s t .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 46/95
C h a p t e r 4
E v a l u a t i n g t h e L e x i c a l C h a i n e r
4 . 1 E v a l u a t i n g M e t h o d s
4 . 1 . 1 E v a l u a t i o n F r a m e w o r k
O u r o b j e c t i v e i s t o e v a l u a t e t h e q u a l i t y o f s e m a n t i c c l u s t e r i n g t h a t i s
p r o d u c e d b y t h e D C A a l g o r i t h m . U s i n g t h e t e r m s o f K a r e n S p a r c k
J o n e s 1 5 ] t h i s i s a t a s k - m o t i v a t e d n o n - o b s e r v a b l e , i n t e r n a l t o t h e o r y ]
e v a l u a t i o n , w i t h i n t r i n s i c o r i e n t a t i o n . C h a i n q u a l i t y c a n n o t b e e v a l u -
a t e d d i r e c t l y . I n s t e a d , w e e v a l u a t e t h e i m p a c t o f o b s e r v a b l e p a r a m e t e r s
o n c h a i n s .
E v a l u a t i o n D e s i g n
P e r f o r m a n c e F a c t o r s
S y s t e m p a r a m e t e r s :
{ D y n a m i c v s . g r e e d y
{ T e x t d i v i s i o n
{ C a n d i d a t e w o r d s
{ N u m b e r o f c o m p e t i t i v e a l t e r n a t i v e s .
E n v i r o n m e n t v a r i a b l e s :
{ C o h e r e n c e / c o h e s i o n p r o p e r t y o f t e x t
3 7
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 47/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 48/95
4 . 1 . E V A L U A T I N G M E T H O D S 3 9
4 . 1 . 2 T o p i c I d e n t i c a t i o n M e a s u r e
T h e g o a l o f t h i s m e a s u r e i s t o i d e n t i f y t h a t o u r d i s a m b i g u a t i o n d o e s
n o t h a v e a n i m p a c t o n t h e s e l e c t i o n o f i m p o r t a n t w o r d s . O u r o p e r a t i v e
d e n i t i o n o f \ i m p o r t a n t w o r d s " a r e w o r d s t h a t b e l o n g t o c h a i n s w h o s e
s c o r e a r e g r e a t e r t h a n t h e c u t o s c o r e . T h e a p p l i c a t i o n m e t h o d u s e d i s :
1 . B u i l d c h a i n s u s i n g a d i s a m b i g u a t e d c o r p u s | i d e a l c h a i n s
2 . B u i l d c h a i n s u s i n g t h e a l g o r i t h m b e i n g c h e c k e d | o u t p u t c h a i n s
3 . F i n d i m p o r t a n t w o r d s d e r i v e d f r o m i d e a l c h a i n s a n d o u t p u t c h a i -
n s . C a l c u l a t e t h e p r e c i s i o n a n d r e c a l l b e t w e e n t h e s e t w o s e t s .
R e s u l t s : T h e r e s u l t s , p r e s e n t e d i n t h e f o l l o w i n g t a b l e , s h o w h i g h
a g r e e m e n t i n i d e n t i c a t i o n o f i m p o r t a n t t e r m s .
P r e c i s i o n R e c a l l
D C A 9 2 7 2
W e c a n c o n c l u d e t h a t o u r d i s a m b i g u a t i o n s t r a t e g y d o e s n o t h a v e
a n i m p a c t o n t h e s e l e c t i o n o f i m p o r t a n t w o r d s .
4 . 1 . 3 W o r d S e n s e D i s a m b i g u a t i o n R a t i o
I n t h i s s e c t i o n w e d e s c r i b e o u r a p p l i c a t i o n m e t h o d s f o r m e a s u r i n g w o r d
s e n s e d i s a m b i g u a t i o n .
M e t r i c s f o r D i s a m b i g u a t i o n
T h e t r a d i t i o n a l d i s a m b i g u a t i o n m e t r i c i s a z e r o - o n e f u n c t i o n | 1 f o r
e q u a l s e n s e s a n d 0 o t h e r w i s e .
T h i s m e t r i c i s s t r i c t i n t h e s e n s e t h a t i t d o e s n o t c o n s i d e r s e m a n t i c
d i s t a n c e b e t w e e n d i s t i n c t s e n s e s . I n a d d i t i o n , w e u s e a w e a k e r m e t r i c s
t h a t c o n s i d e r s t h e f a c t t h a t a w o r d i s d i s a m b i g u a t e d c o r r e c t l y i f i t s s e n s e
i s \ r e l a t e d " t o t h e r i g h t s e n s e . T h e o p e r a t i o n a l d e n i t i o n o f r e l a t e d n e s s
i s t h e s a m e a s t h e o n e u s e d i n t h e c h a i n i n g a l g o r i t h m ( s e e p a g e 2 1 ) .
H o w c a n t h i s w e a k m e t r i c s c o n t r i b u t e ?
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 49/95
4 0 C H A P T E R 4 . E V A L U A T I N G T H E L E X I C A L C H A I N E R
1 . W e a k m e t r i c s a r e m o r e a p p r o p r i a t e f o r e v a l u a t i o n o f t h e c h a i n -
i n g p r o c e s s , b e c a u s e w e a r e s a t i s e d b y a n y s e n s e t h a t r e l a t e s a
w o r d t o i t s c o r r e c t c l u s t e r . I f t h e r e a r e s e v e r a l s u c h s e n s e s , t h e n
c h o o s i n g b e t w e e n t h e m d o e s n o t i n u e n c e t h e r e s u l t i n g c h a i n s .
2 . T h e d i e r e n c e b e t w e e n t h e e v a l u a t i o n s b a s e d o n t h e s e m e t r i c s
c a n h e l p t o c h a r a c t e r i z e e r r o r s i n t h e d i s a m b i g u a t i o n m e t h o d s .
I n o t h e r w o r d s , t o s e e h o w \ h a r d " i s a n e r r o r .
S e n s e R e d u c t i o n v s . S e n s e D i s a m b i g u a t i o n
A c c o r d i n g t o o u r d i s a m b i g u a t i o n s t r a t e g y , a w o r d c a n b e l o n g t o t w o
d i e r e n t c h a i n s . I n o t h e r w o r d s , t h e a l g o r i t h m d o e s n o t m a k e a n a l
d i s a m b i g u a t i o n d e c i s i o n , b u t o n l y r e d u c e s t h e n u m b e r o f a c c e p t a b l e
s e n s e s . F o r e x a m p l e , a l l o c c u r r e n c e s o f a p a r t i c u l a r w o r d i n s o m e p a r a -
g r a p h s c a n b e d i s a m b i g u a t e d t o s e n s e o n e , a n d i n o t h e r p a r a g r a p h s
t o s e n s e t w o . F r o m 4 . 5 p o s s i b l e s e n s e s o n t h e a v e r a g e f o r t h e c a n d i -
d a t e w o r d s , t h e a l g o r i t h m r e d u c e s s e n s e s t o 1 . 9 . T h e r e f o r e , o n e o f t h e
m e a s u r e s o f d i s a m b i g u a t i o n i s s e n s e r e d u c t i o n .
A n o t h e r p o s s i b i l i t y i s t o e v a l u a t e c o m p l e t e d i s a m b i g u a t i o n : f o r e a c h
w o r d t h a t h a s m o r e t h a n o n e s e n s e , c a l c u l a t e h o w m a n y t i m e s t h e r i g h t
s e n s e i s s e l e c t e d . F o r e x a m p l e , i f f r o m 1 5 o c c u r r e n c e s o f t h e w o r d i n
t h e t e x t , 9 o c c u r r e n c e s w e r e d i s a m b i g u a t e d t o t h e r i g h t s e n s e a n d 6
o c c u r r e n c e s t o t h e w r o n g o n e , t h e n t h e d i s a m b i g u a t i o n o f t h e w o r d
i s 0 . 6 .
T h i s t r a d i t i o n a l d i s a m b i g u a t i o n m e a s u r e i s n o t v e r y a c c u r a t e i n o u r
c a s e | w e u s e r e d u c t i o n t o m o r e t h a n o n e s e n s e , a n d t h i s s t a n d s a g a i n s t
t h e t r a d i t i o n a l a s s u m p t i o n t h a t a w o r d h a s o n l y o n e s e n s e a l l o v e r a
t e x t
1
. W e a r e i n t e r e s t e d i n n d i n g s o m e t h i n g t h a t i s b e t w e e n t h e r s t
a n d t h e s e c o n d m e a s u r e s | a m e t h o d t h a t r e d u c e s s e n s e s e t s t o s i n g l e
s e n s e s . I n t h e c a s e t h a t o u r a l g o r i t h m d i d n o t c h o o s e o n e , w e c h o o s e
t h e s e n s e o f t h e w o r d t h a t c o n n e c t s i t t o t h e s t r o n g e r c h a i n f o r t h e
p u r p o s e o f e v a l u a t i o n .
1
T o d e m o n s t r a t e t h e f a c t t h a t m u l t i - s e n s e w o r d s a r e r a r e , w e s a w t h a t i n o u r
d i s a m b i g u a t e d c o r p u s o n l y 4 . 5 % o f a l l n o u n s h a v e 2 s e n s e s a n d 0 . 5 % h a v e 3 s e n s e s
i n t h e s a m e t e x t .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 50/95
4 . 2 . I N F L U E N C E O F P E R F O R M A N C E F A C T O R S 4 1
F o r e x a m p l e , s u p p o s e a w o r d w a p p e a r s t e n t i m e s i n a t e x t , s e v e n
o c c u r r e n c e s i n o n e c h a i n C
1
, a n d t h r e e i n a n o t h e r c h a i n , C
2
| a n d
s u p p o s e t h a t t h e C
1
s e n s e i s c o r r e c t . A c c o r d i n g t o t h e r s t m e a s u r e , w
w a s 1 0 0 % c o r r e c t l y d i s a m b i g u a t e d ; a c c o r d i n g t o t h e s e c o n d i t i s 7 0 %
c o r r e c t l y d i s a m b i g u a t e d ; a n d w i t h t h e t h i r d m e a s u r e i t i s 1 0 0 % i f C
1
i s
s t r o n g e r a n d 0 % i f n o t .
4 . 2 I n u e n c e o f P e r f o r m a n c e F a c t o r s
I n t h i s s e c t i o n w e c o n s i d e r d i e r e n t f a c t o r s t h a t i n u e n c e c h a i n i n g :
s y s t e m p a r a m e t e r s a n d e n v i r o n m e n t v a r i a b l e s .
4 . 2 . 1 I n u e n c e o f A l g o r i t h m P a r a m e t e r s
W e r s t c h e c k o u r p r i m a r y a s s u m p t i o n s a b o u t t h e v a l u e s o f t h e a l -
g o r i t h m p a r a m e t e r s : c a n d i d a t e t e r m s , s e g m e n t a t i o n a n d d y n a m i c v s .
g r e e d y s t r a t e g y , u s i n g d i s a m b i g u a t i o n r a t i o a s a n e v a l u a t i o n m e a s u r e .
C a n d i d a t e T e r m s
W e r s t e v a l u a t e t h e i n u e n c e o f c a n d i d a t e t e r m s . O u r r e a s o n t o u s e
n o u n c o m p o u n d s i n s t e a d o f n o u n s i s b a s e d o n t h e a s s u m p t i o n t h a t t h e y
r e p r e s e n t b e t t e r t o p i c a l i t y ( c o n c e p t ) t h a n s i n g l e n o u n s .
W e c o m p a r e t h e i n u e n c e o f a d d i t i o n o f n o u n c o m p o u n d s t o c a n d i -
d a t e w o r d s i n s t e a d o f s i n g l e n o u n s . T h e r e s t o f t h e p a r a m e t e r s a r e s e t
i n t h e f o l l o w i n g w a y : d i v i s i o n a c c o r d i n g t o H e a r s t ' s s e g m e n t a t i o n , a n d
d y n a m i c s t r a t e g y .
R e s u l t s : T h e r e s u l t s o f t h i s c o m p a r i s o n a r e s h o w n i n F i g u r e 4 . 1 . A s
s e e n , t h e d i e r e n c e b e t w e e n u s i n g s i n g l e n o u n c a n d i d a t e w o r d s a n d o u r
s t r a t e g y o f u s i n g n o u n c o m p o u n d s i s s l i g h t l y i n f a v o r o f s i n g l e n o u n s ,
u p t o a r o u n d t h e i m p o r t a n t 5 0 % o f a l l w o r d s . T h i s i s a c c o r d i n g t o a l l
t h r e e m e a s u r e s t a k e n .
W h a t c a n b e l e a r n e d f r o m t h e s e r e s u l t s ? I n c o n t r a d i c t i o n t o
o u r a s s u m p t i o n , t h e a d d i t i o n o f n o u n c o m p o u n d s d o e s n o t i m p r o v e
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 51/95
4 2 C H A P T E R 4 . E V A L U A T I N G T H E L E X I C A L C H A I N E R
60
65
70
75
80
85
90
0 10 20 30 40 50 60 70
S e n s e r e d u c t i o n r a t i o
Precent of words, sorted by chain score
Noun compoundsSingle nouns
45
50
55
60
65
70
75
0 10 20 30 40 50 60 70
D i s a m b i g u a t i o n r a t i o
Precent of words, sorted by chain score
Noun compoundsSingle nouns
45
50
55
60
65
70
75
80
0 10 20 30 40 50 60 70
D i s a m b i g u a t
i o n r a t i o a c c o r d i n g t o f i r s t s e n s e
Precent of words, sorted by chain score
Noun compoundsSingle nouns
F i g u r e 4 . 1 : N o u n c o m p o u n d v s . s i n g l e n o u n s .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 52/95
4 . 2 . I N F L U E N C E O F P E R F O R M A N C E F A C T O R S 4 3
d i s a m b i g u a t i o n . T h e i n t e r e s t i n g q u e s t i o n i s w h y s i n g l e n o u n s y i e l d
b e t t e r d i s a m b i g u a t i o n r e s u l t s u p t o s o m e b o u n d a r y ( w h i c h i s s p e c i c
t o t h e a p p l i c a t i o n m e t h o d s ) , a n d o n l y b e y o n d t h a t b o u n d a r y d o e s o u r
c h o i c e b e c o m e b e t t e r . A p o s s i b l e e x p l a n a t i o n c a n b e t h e f a c t t h a t a
n u m b e r o f i m p o r t a n t n o u n s a p p e a r i n t h e t e x t b o t h a s m o d i e r s a n d a s
h e a d s , s o i f a n i m p o r t a n t n o u n w a s d i s a m b i g u a t e d c o r r e c t l y w e a d d a l l
i t s a p p e a r a n c e s ( i n c l u d i n g t h e o n e s i n m o d i e r r o l e s ) a n d i n t h i s w a y
i n c r e a s e t h e d i s a m b i g u a t i o n m e a s u r e .
S e g m e n t a t i o n
W e n o w c h e c k o u r h y p o t h e s i s a b o u t t h e i n u e n c e o f s e g m e n t a t i o n o n
t h e c h a i n i n g p r o c e s s : u s i n g s e g m e n t s t h a t a r e i d e n t i e d b y H e a r s t ' s
a l g o r i t h m a s t e x t u n i t s i m p r o v e s c l u s t e r i n g . T h e i s s u e s t o b e v e r i e d
a r e :
D o e s t h e d i v i s i o n o f t h e t e x t i n t o p i e c e s i m p r o v e c h a i n i n g ?
I s H e a r s t ' s s e g m e n t a t i o n b e t t e r t h a n o t h e r p o s s i b l e o n e s ?
E v a l u a t i o n p r o c e d u r e
1 . C o m p a r e s e g m e n t a t i o n a g a i n s t c h a i n i n g t h e w h o l e t e x t ;
2 . C o m p a r e H e a r s t s e g m e n t a t i o n a g a i n s t u s e o f a l l p a r a g r a p h b o u n d -
a r i e s ;
3 . C o m p a r e H e a r s t s e g m e n t a t i o n a g a i n s t r a n d o m l y c h o s e n p a r a g r -
a p h b o u n d a r i e s .
W e t r e a t d y n a m i c a n d g r e e d y s t r a t e g y s e p a r a t e l y .
R e s u l t s : T h e r e s u l t s a r e i n F i g u r e s 4 . 2 t h r o u g h 4 . 5 .
T h e G r e e d y s t r a t e g y
S e n s e r e d u c t i o n T h e r e i s a m e a n i n g f u l i m p r o v e m e n t w h e n u s -
i n g t h e d i v i s i o n s t r a t e g y o v e r c h a i n i n g t h e w h o l e t e x t , m o r e
t h a n 1 0 % . T h e r e i s n o s i g n i c a n t d i e r e n c e b e t w e e n u s i n g
p a r a g r a p h s u s i n g H e a r s t ' s s e g m e n t s . R a n d o m s e g m e n t s g i v e
s l i g h t l y w o r s e r e s u l t s .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 53/95
4 4 C H A P T E R 4 . E V A L U A T I N G T H E L E X I C A L C H A I N E R
40
45
50
55
60
65
70
75
0 10 20 30 40 50 60 70
S e n s e r e d u c t i o n r a t i o
Percent of words, sorted by chain score
Division to Hearst’s segmentsDivision by paragraphs
Random divisionNo division
45
50
55
60
65
70
0 10 20 30 40 50 60 70
S e n s e d i s a m b i g u a t i o n r a t i o
Percent of words, sorted by chain score
Division to Hearst’s segmentsDivision by paragraphs
Random divisionNo division
45
50
55
60
65
70
0 10 20 30 40 50 60 70
S e n s e d i s a m
b i g u a t i o n r a t i o a c c o r d i n g t o f i r s t s e n s e
Percent of words, sorted by chain score
Division to Hearst’s segmentsDivision by paragraphs
Random divisionNo division
F i g u r e 4 . 2 : D i v i s i o n s t r a t e g i e s c o m p a r i s o n , t h e g r e e d y c a s e ( s t r o n g
m e t r i c s ) .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 54/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 55/95
4 6 C H A P T E R 4 . E V A L U A T I N G T H E L E X I C A L C H A I N E R
45
50
55
60
65
70
75
80
85
0 10 20 30 40 50 60 70
S e n s e r e d u c t i o n r a t i o
Percent of words, sorted by chain score
Division to Hearst’s segmentsDivision by paragraphs
Random divisionNo division
45
50
55
60
65
70
75
80
0 10 20 30 40 50 60 70
S e n s e d i s a m b i g u a t i o n r a t i o
Percent of words, sorted by chain score
Division to Hearst’s segmentsDivision by paragraphs
Random divisionNo division
45
50
55
60
65
70
75
80
0 10 20 30 40 50 60 70
S e n s e d i s a m
b i g u a t i o n r a t i o a c c o r d i n g t o f i r s t s e n s e
Percent of words, sorted by chain score
Division to Hearst’s segmentsDivision by paragraphs
Random divisionNo division
F i g u r e 4 . 4 : D i v i s i o n s t r a t e g i e s c o m p a r i s o n , t h e d y n a m i c c a s e ( s t r o n g
m e t r i c s ) .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 56/95
4 . 2 . I N F L U E N C E O F P E R F O R M A N C E F A C T O R S 4 7
50
55
60
65
70
75
80
85
0 10 20 30 40 50 60 70
S e n s e r e d u c t i o n r a t i o
Percent of words, sorted by chain score
Division to Hearst’s segmentsDivision by paragraphs
Random divisionNo division
50
55
60
65
70
75
80
85
0 10 20 30 40 50 60 70
S e n s e d i s a m b i g u a t i o n r a t i o
Percent of words, sorted by chain score
Division to Hearst’s segmentsDivision by paragraphs
Random divisionNo division
50
55
60
65
70
75
80
85
0 10 20 30 40 50 60 70
S e n s e d i s a m
b i g u a t i o n r a t i o a c c o r d i n g t o f i r s t s e n s e
Percent of words, sorted by chain score
Division to Hearst’s segmentsDivision by paragraphs
Random divisionNo division
F i g u r e 4 . 5 : D i v i s i o n s t r a t e g i e s c o m p a r i s o n , t h e d y n a m i c c a s e ( w e a k
m e t r i c s ) .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 57/95
4 8 C H A P T E R 4 . E V A L U A T I N G T H E L E X I C A L C H A I N E R
S e n s e d i s a m b i g u a t i o n U s i n g t h e w h o l e t e x t s t r a t e g y i s s l i g h t l y
b e t t e r . N o d i e r e n c e b e t w e e n d i v i s i o n o n p a r a g r a p h s a n d
d i v i s i o n o n H e a r s t s e g m e n t s . R a n d o m s e g m e n t s g i v e s l i g h t l y
w o r s e r e s u l t s .
S e n s e d i s a m b i g u a t i o n b a s e d o n s t r o n g c h a i n T h e f o u r m e -
t h o d s p r o d u c e d r o u g h l y t h e s a m e r e s u l t s , w i t h a s l i g h t a d -
v a n t a g e o f n o d i v i s i o n w h e n t a k i n g l e s s t h a n 2 0 % o f t h e
i m p o r t a n t w o r d s .
T h e D y n a m i c s t r a t e g y
S e n s e r e d u c t i o n U s i n g d i v i d e d t e x t i s m u c h b e t t e r t h a n u s i n g
t h e w h o l e t e x t m e t h o d | a n i m p r o v e m e n t o f 1 5 % . P a r a -
g r a p h b a s e d s e g m e n t a t i o n i s a b i t b e t t e r t h a n H e a r s t s e g -
m e n t a t i o n .
S e n s e d i s a m b i g u a t i o n U s i n g t h e w h o l e t e x t s t r a t e g y i s b e t t e r
t h a n u s i n g d i v i d e d t e x t s o n t h e r s t 2 0 % o f i m p o r t a n t w o r d s ,
a n d t h e r e i s n o d i e r e n c e f r o m 2 5 % o f w o r d s .
S e n s e d i s a m b i g u a t i o n b a s e d o n s t r o n g c h a i n T h e r e w a s n o
s i g n i c a n t d i e r e n c e a m o n g t h e f o u r d i v i s i o n m e t h o d s .
W h a t c a n b e l e a r n e d f r o m t h e s e r e s u l t s ? T h e r e i s n o s i g n i c a n t
i n u e n c e o f t h e s e g m e n t a t i o n o n t h e g r e e d y v s . d y n a m i c s t r a t e g i e s .
T h e r e f o r e , w e d o n o t d i s t i n g u i s h b e t w e e n t h e m i n t h e f o l l o w i n g d i s c u s -
s i o n .
B y t h e f a c t t h a t s e n s e d i s a m b i g u a t i o n b a s e d o n s t r o n g c h a i n s
g i v e s t h e s a m e r e s u l t s o v e r a l l f o u r m e t h o d s , w e c a n a s s u m e t h a t
i n t h i s c a s e t h e t h r e e d i v i s i o n m e t h o d s a p p r o x i m a t e t h e w h o l e
t e x t c h a i n i n g s t r a t e g y , w h i c h t r i e s t o b u i l d t h e l o n g e s t c h a i n s a l l
o v e r t h e t e x t a n d c h o o s e s e n s e s t h a t c o n t r i b u t e t o t h i s .
T h e r e i s a s i g n i c a n t c h a n g e f r o m t h e d i e r e n c e b e t w e e n u s i n g
d i v i s i o n a n d u s i n g t h e w h o l e t e x t m e t h o d i n s e n s e r e d u c t i o n , a n d
t h e d i e r e n c e s i n s e n s e d i s a m b i g u a t i o n a n d s e n s e d i s a m b i g u a t i o n
w h i c h i s b a s e d o n s t r o n g c h a i n s . T h i s s h o w s t h a t t h e d y n a m i c
s t r a t e g y h a s a b i g p o t e n t i a l i n d i s a m b i g u a t i o n , b u t a d d i t i o n a l
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 58/95
4 . 2 . I N F L U E N C E O F P E R F O R M A N C E F A C T O R S 4 9
t e c h n i q u e s a n d k n o w l e d g e s o u r c e s a r e n e e d e d t o p i n p o i n t t h e r i g h t
s e n s e a f t e r t h i s r s t r e d u c t i o n s t e p .
T h e r e s u l t s c o n t r a d i c t o u r a s s u m p t i o n a b o u t t h e i m p o r t a n c e o f
H e a r s t s e g m e n t a t i o n i n t h e c h a i n i n g p r o c e s s . D i v i s i o n b a s e d o n
p a r a g r a p h s i s n o t w o r s e , a n d s o m e t i m e s b e t t e r t h a n b a s e d o n
H e a r s t s e g m e n t a t i o n . T h i s c a n b e e x p l a i n e d b y t h e g e n r e o f t h e
a r t i c l e s u s e d | s c i e n t i c p a p e r s u s u a l l y h a v e g o o d d i v i s i o n t o
s e g m e n t s m a r k e d a s p a r a g r a p h s .
R a n d o m d i v i s i o n i s n o t a s b a d a s w a s e x p e c t e d . W e h a v e n o
e x p l a n a t i o n f o r t h i s f a c t .
T h e D i e r e n c e b e t w e e n t h e u s a g e o f t h e t w o m e t r i c s w a s t h e s a m e
i n a l l f o u r m e t h o d s | w e a k m e t r i c s a d d a r o u n d 4 % t o t h e r e s u l t s .
T o c o n c l u d e | d i v i s i o n c o n t r i b u t e s t o c h a i n i n g , a n d p a r a g r a p h s
s e e m t o b e g o o d e n o u g h t o i m p r o v e c h a i n i n g .
D y n a m i c v s . G r e e d y
I n t h i s s e c t i o n w e c h e c k o u r h y p o t h e s i s t h a t d y n a m i c s t r a t e g y i m p r o v e s
c h a i n i n g . W e c o m p a r e t h e d y n a m i c s t r a t e g y a g a i n s t t h e g r e e d y s t r a t -
e g y , s e t t i n g o t h e r p a r a m e t e r s o f t h e a l g o r i t h m i n t h e f o l l o w i n g w a y :
d i v i s i o n a c c o r d i n g t o H e a r s t s e g m e n t a t i o n , a n d c a n d i d a t e w o r d s t h a t
a r e c h o s e n a r e n o u n c o m p o u n d s .
R e s u l t s : T h e r e s u l t s a r e i n F i g u r e s 4 . 2 t h r o u g h 4 . 5 .
A l l o f o u r d i s a m b i g u a t i o n m e a s u r e s s h o w s a s i g n i c a n t a d v a n t a g e
o f t h e d y n a m i c s t r a t e g y y i e l d s o v e r t h e g r e e d y o n e .
T h e d i e r e n c e i n t h e s e n s i t i v i t y o f t h e m e t h o d s t o t h e t y p e o f m e t r i c
s h o w s t h a t t h e d y n a m i c m e t h o d t e n d s t o m a k e l e s s s e v e r e m i s t a k e s t h a n
t h e g r e e d y m e t h o d .
4 . 2 . 2 I n u e n c e o f E n v i r o n m e n t P r o p e r t i e s
W e c a n d i v i d e e n v i r o n m e n t p r o p e r t i e s t o t w o g r o u p s : t e x t p r o p e r t i e s
a n d t h e s a u r u s p r o p e r t i e s . W e a r e l i m i t e d i n d o i n g r e a l c o m p a r a t i v e
a n a l y s i s h e r e , b e c a u s e t h e o n l y t h e s a u r u s w e c a n u s e i s W o r d N e t .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 59/95
5 0 C H A P T E R 4 . E V A L U A T I N G T H E L E X I C A L C H A I N E R
55
60
65
70
75
80
85
0 10 20 30 40 50 60 70
S e n s e r e d u c t i o n r a t i o
Percent of words, sorted by chain score
Greedy algorithmDynamic algorithm
45
50
55
60
65
70
75
0 10 20 30 40 50 60 70
S e n s e d i s a m b i g u a t i o n r a t i o
Percent of words, sorted by chain score
Greedy algorithmDynamic algorithm
45
50
55
60
65
70
75
80
0 10 20 30 40 50 60 70
S e n s e d i s a m b i g
u a t i o n r a t i o a c c o r d i n g t o f i r s t s e n s e
Percent of words, sorted by chain score
Greedy algorithmDynamic algorithm
F i g u r e 4 . 6 : G r e e d y v s . d y n a m i c s t r a t e g i e s , u s i n g s t r o n g m e t r i c s .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 60/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 61/95
5 2 C H A P T E R 4 . E V A L U A T I N G T H E L E X I C A L C H A I N E R
T h e s a u r u s I n u e n c e
T h e a v e r a g e n u m b e r o f s e n s e s i n o u r e v a l u a t i o n d a t a i s 4 . 5 . T h e m a x -
i m a l n u m b e r w a s r e a c h e d f o r t h e w o r d \ l i n e " | 2 9 s e n s e s . W o r d N e t
d o e s n o t c o n t a i n a n y i n f o r m a t i o n a b o u t f r e q u e n c y o f s e n s e s
2
, i t d o e s n o t
d i s t i n g u i s h b e t w e e n f r e q u e n t s e n s e s a n d \ e x o t i c " o n e s ( e . g . \ m a c h i n e "
w i t h t h e s e n s e o f a n \ e c i e n t p e r s o n " ) . O u r h y p o t h e s i s i s t h a t r e d u c -
t i o n o f s e n s e s t o \ c o m m o n " s e n s e s c a n i m p r o v e c h a i n q u a l i t y .
W e c h e c k t h i s h y p o t h e s i s i n t h e f o l l o w i n g w a y : w e r e d u c e t h e o r i g -
i n a l s e n s e s o f p o l y s e m o u s w o r d s i n t h e d i s a m b i g u a t e d c o r p u s t o t w o
s e n s e s | t h e c o r r e c t o n e a n d o n e t h a t i s c h o s e n r a n d o m l y f r o m t h e
o r i g i n a l s e n s e s . W e a l s o p e r f o r m e d t h e s a m e p r u n i n g o f s e n s e s t o t h r e e .
T h e r e s u l t s , a c c o r d i n g t o t h r e e e v a l u a t i o n m e t h o d s , s h o w m e a n i n g -
f u l i m p r o v e m e n t i n d i s a m b i g u a t i o n w h e n t w o s e n s e s a r e u s e d : s e n s e r e -
d u c t i o n g i v e s 8 7 % o n 4 0 % o f t h e i m p o r t a n t w o r d s , s e n s e d i s a m b i g u a t i o n
r a t i o a r e a r o u n d 8 3 % o n 4 0 % o f i m p o r t a n t w o r d s . P r u n i n g W o r d N e t t o
t h r e e s e n s e s g i v e s s l i g h t l y w o r s e r e s u l t s , b u t t h e y a r e s t i l l s i g n i c a n t l y
b e t t e r t h a n t h e r e s u l t s b a s e d o n W o r d N e t w i t h 4 . 5 s e n s e s i n a v e r a g e :
s e n s e r e d u c t i o n g i v e s 8 4 % , s e n s e d i s a m b i g u a t i o n r a t i o a r e a r o u n d 7 8 %
o n 4 0 % o f t h e i m p o r t a n t w o r d s .
A f t e r r e d u c i n g t h e n u m b e r o f s e n s e s t o t w o , t h e d i e r e n c e b e t w e e n
t h e g r e e d y a n d t h e d y n a m i c s t r a t e g y i s 3 % , a n d a f t e r r e d u c i n g t o
3 s e n s e s t h e d i e r e n c e i s 5 % ( i n t h e o r i g i n a l W o r d N e t t h e d i e r e n c e
r e a c h e s 1 0 % ) .
W h a t c a n b e l e a r n e d f r o m t h e s e r e s u l t s ?
T h e a l g o r i t h m i s v e r y s e n s i t i v e t o t h e n u m b e r o f s e n s e s i n t h e
t h e s a u r u s . \ C l e a n i n g " W o r d N e t o f r a r e s e n s e s o r s o m e p r e p r o -
c e s s i n g , b a s e d o n k n o w l e d g e o t h e r t h a n c o h e r e n c e , c a n b e v e r y
u s e f u l .
T h e g r e e d y a l g o r i t h m i s m u c h m o r e s e n s i t i v e t o t h e n u m b e r o f
s e n s e s . I n t h e t w o s e n s e s c a s e t h e t w o s t r a t e g i e s a r e v e r y s i m i l a r .
2
T h i s w o r k w a s w r i t t e n b e f o r e t h e W o r d N e t d a t a b a s e w a s m o d i e d | n o w i t
i n c l u d e s s o m e s e n s e f r e q u e n c y i n f o r m a t i o n . T i m e c o n s t r a i n t s , a n d l a c k o f u p d a t e d
d i s a m b i g u a t e d c o r p u s d i d n o t a l l o w t e s t i n g o u r s y s t e m w i t h i t .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 62/95
4 . 3 . L E S S O N S L E A R N E D F R O M T H E E V A L U A T I O N 5 3
T h i s f a c t s h o w s t h a t o n s o m e k i n d s o f t h e s a u r u s , t h e g r e e d y s t r a t -
e g y i s s u c i e n t . B u t a s t h e n u m b e r o f s e n s e s g r o w s , t h e d y n a m i c
s t r a t e g y p r o v e s m o r e r o b u s t t h a n t h e g r e e d y o n e .
C o h e s i o n P r o p e r t i e s
T h e c o h e s i v e p r o p e r t y o f t h e t e x t i s a d o m i n a n t f a c t o r i n c h a i n c o n s t r u c -
t i o n . W e a s s u m e t h a t t h e r e i s o w o f c o n n e c t e d i n f o r m a t i o n f r o m s e n -
t e n c e t o s e n t e n c e , a n d t h e w o r d s , r e l a t e d a c c o r d i n g t o c o m m o n s e n s e ,
r e p r e s e n t t h e s a m e c o n c e p t i n a p a r t i c u l a r c o n t e x t . W h e n t h e t e x t i s
m o r e c o h e s i v e , t h e r e i s m o r e d a t a f o r b u i l d i n g l e x i c a l c h a i n s .
I n o r d e r t o c h e c k h o w m u c h c o h e s i o n i n u e n c e t h e p e r f o r m a n c e
o f o u r a l g o r i t h m , w e c o m p a r e c o h e s i v e t e x t s w i t h n o n - c o h e s i v e t e x t s .
W e c r e a t e n o n - c o h e s i v e t e x t b y p a s t i n g s e n t e n c e s f r o m t w o t e x t s o n
d i e r e n t t o p i c s . W e c o m p a r e t h e d i s a m b i g u a t i o n m e a s u r e s o n s o u r c e
t e x t s a n d o n t h e w o r d s o f t h e s o u r c e t e x t s , w h e n t h e y a r e p a r t o f t h e
n o n - c o h e s i v e t e x t .
T h e r e s u l t s p r o v e s o u r a s s u m p t i o n . T h e d i e r e n c e i n s e n s e r e d u c t i o n
w a s 3 0 % . T h e r e w a s n o s i g n i c a n t d i e r e n c e b e t w e e n s e n s i t i v i t y t o
c o h e r e n c e b e t w e e n t h e g r e e d y a n d t h e d y n a m i c a l g o r i t h m .
C o n c l u s i o n s : t h e a l g o r i t h m i s v e r y s e n s i t i v e t o t h e c o h e s i v e n e s s o f
t h e t e x t , t h e r e f o r e , i t c a n n o t b e u s e d o n l o w - c o h e s i v e t e x t s .
4 . 3 S u m m a r y : L e s s o n s L e a r n e d f r o m t h e
E v a l u a t i o n
W e f o u n d t h a t t h e r e i s a c r u c i a l d o m i n a n c e o f e n v i r o n m e n t f a c t o r s
o v e r s y s t e m p a r a m e t e r s f o r t h e p e r f o r m a n c e o f o u r a l g o r i t h m . I n
f a c t , c h a n g e s i n t h e t h e s a u r u s q u a l i t y a n d t e x t c o h e r e n c e f e a t u r e s
h a v e a n i m m e n s e e e c t o n t h e q u a l i t y o f c h a i n s p r o d u c e d b y o u r
a l g o r i t h m .
O u r r e s u l t s a l s o i m p l i e s t h a t a l l c h a i n i n g a l g o r i t h m s t h a t a r e d e -
r i v e d f r o m t h e g e n e r i c a l g o r i t h m p r e s e n t e d a b o v e , m u s t b e u s e d
o n l y o n c o h e r e n t t e x t s .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 63/95
5 4 C H A P T E R 4 . E V A L U A T I N G T H E L E X I C A L C H A I N E R
A s m e n t i o n e d a b o v e c l e a n i n g W o r d N e t o f r a r e s e n s e s , a n d a g -
g r e g a t i o n o f s i m i l a r s e n s e s c a n d r a m a t i c a l l y i n c r e a s e t h e p e r f o r -
m a n c e .
I n o u r e v a l u a t i o n w e v e r i e d o u r p a r a m e t e r s e t t i n g a s m o s t a p -
p r o p r i a t e :
{ D y n a m i c s t r a t e g y .
{ S e g m e n t a t i o n u s i n g p a r a g r a p h s .
{ S i n g l e n o u n s a s c a n d i d a t e t e r m s .
A n u n e x p e c t e d r e s u l t t h a t w e o b s e r v e d i s t h a t u s i n g H e a r s t ' s
s e g m e n t a t i o n g o t l o w e r q u a l i t y r e s u l t s , c o m p a r e d t o u s i n g t e x t u a l
p a r a g r a p h s a s s e g m e n t s .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 64/95
C h a p t e r 5
A p p l i c a t i o n o f L e x i c a l C h a i n s
t o S u m m a r i z a t i o n
I n t h i s c h a p t e r w e e x p l a i n t h e m o t i v a t i o n u s i n g t e x t c o h e s i o n i n f o r m a -
t i o n f o r s u m m a r i z a t i o n . W e p r e s e n t a m e t h o d f o r s e n t e n c e e x t r a c t i o n
b a s e d o n l e x i c a l c h a i n s .
5 . 1 M o t i v a t i o n
A s u m m a r y t e x t i s a d e r i v a t i v e o f a s o u r c e t e x t c o n d e n s e d b y s e l e c t i o n
a n d / o r g e n e r a l i z a t i o n o f i m p o r t a n t c o n t e n t . T h e g l o b a l p r o c e s s m o d e l
h a s t w o m a j o r p h a s e s :
I n t e r p r e t a t i o n o f t h e s o u r c e t e x t a n d i t s a b s t r a c t i o n t o s o u r c e
m e a n i n g r e p r e s e n t a t i o n ;
B u i l d i n g s u m m a r y r e p r e s e n t a t i o n u s i n g t h e s o u r c e m e a n i n g r e p -
r e s e n t a t i o n .
T h i s m o d e l e m p h a s i z e s t h e r o l e o f t e x t r e p r e s e n t a t i o n a n d t h e c e n -
t r a l t r a n s f o r m a t i o n s t a g e . W i t h i n t h i s f r a m e w o r k , s u m m a r i z a t i o n s y s -
t e m s c a n b e c h a r a c t e r i z e d a c c o r d i n g t o \ t h e n a t u r e o f t h e i r s o u r c e r e p -
r e s e n t a t i o n , i n c l u d i n g i t s d i s t a n c e f r o m t h e s o u r c e t e x t , i t s r e l a t i v e e m -
p h a s i s o n l i n g u i s t i c , c o m m u n i c a t i v e o r d o m a i n i n f o r m a t i o n a n d t h e r e -
f o r e t h e s t r u c t u r a l m o d e l i t e m p l o y s a n d t h e w a y t h i s m a r k s i m p o r t a n t
c o n t e n t " 1 5 ] .
5 5
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 65/95
5 6 C H A P T E R 5 . L E X I C A L C H A I N S F O R S U M M A R I Z A T I O N
T h e r e a r e s e v e r a l t e c h n i q u e s t h a t a r e u s e d t o s u m m a r i z e t e x t s , s o m e
o f t h e m a r e b a s e d o n s h a l l o w s o u r c e r e p r e s e n t a t i o n :
1 . F o r e x a m p l e , e a r l y s u m m a r i z a t i o n s y s t e m 1 8 ] d i r e c t l y e x p l o i t
l i n g u i s t i c s o u r c e i n f o r m a t i o n , b a s e d o n t h e i n t u i t i o n t h a t t h e m o s t
f r e q u e n t w o r d s r e p r e s e n t t h e m o s t i m p o r t a n t c o n c e p t s o f t h e t e x t .
T h i s r e p r e s e n t a t i o n a b s t r a c t s t e x t i n t o f r e q u e n c y t a b l e .
2 . A n o t h e r m e t h o d w h i c h i s a l s o b a s e d o n l i n g u i s t i c i n f o r m a t i o n i s
t h e c u e p h r a s e m e t h o d , w h i c h u s e s m e t a - l i n g u i s t i c m a r k e r s ( f o r
e x a m p l e , \ i n c o n c l u s i o n " , \ t h e p a p e r d e s c r i b e s " ) t o s e l e c t i m p o r -
t a n t p h r a s e s 4 ] . T h e c u e p h r a s e m e t h o d i s b a s e d o n t h e a s s u m p -
t i o n t h a t t h e s e b o n u s p h r a s e s p r o v i d e \ r h e t o r i c a l " c o n t e x t f o r
i d e n t i f y i n g i m p o r t a n t s e n t e n c e s .
T h e s o u r c e a b s t r a c t i o n i n t h i s c a s e i s c u e w o r d s a n d s e n t e n c e s
t h a t c o n t a i n t h e m .
3 . A n o t h e r i n f o r m a t i o n t y p e i s u s e d i n t h e l o c a t i o n m e t h o d | h e a d -
i n g s , s e n t e n c e s i n t h e b e g i n n i n g a n d e n d o f t h e t e x t c o n t a i n i m -
p o r t a n t i n f o r m a t i o n t o t h e s u m m a r y .
4 . D i s c o u r s e r e p r e s e n t a t i o n o f s o u r c e t e x t w a s u s e d a s s o u r c e a b -
s t r a c t i o n b y O n o 2 5 ] a n d M a r c u 2 0 ] . T h e i r a s s u m p t i o n i s t h a t
\ t h e c o n c e p t s o f r h e t o r i c a l a n a l y s i s a n d n u c l e a r i t y c a n b e u s e d
e e c t i v e l y f o r d e t e r m i n i n g t h e m o s t i m p o r t a n t u n i t s o f t h e t e x t "
( M a r c u ) . B o t h a l g o r i t h m s a r e b a s e d o n r h e t o r i c a l m a r k e r s f o r
t r e e s c o n s t r u c t i o n .
O n t h e o t h e r h a n d , s u m m a r i e s c a n b e b u i l t o n a d e e p s e m a n t i c
a n a l y s i s o f t h e t e x t :
1 . F o r i n s t a n c e , M U C - s t y l e t e m p l a t e s w e r e u s e d a s a b s t r a c t i o n o f t h e
s o u r c e t e x t b y ( M c K e o w n a n d R a d e v , 2 1 ] ) t o p r o d u c e c o h e r e n t
s u m m a r y o f s e v e r a l t e x t s d e s c r i b i n g t h e s a m e e v e n t . A n o t h e r
e x a m p l e o f s u c h a b s t r a c t i o n i s t h e D e J o n g s c r i p t s , t h a t r e l i e s o n
i n e x i b l e s p e c i c a t i o n o f t h e k i n d o f i n f o r m a t i o n s o u g h t .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 66/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 67/95
5 8 C H A P T E R 5 . L E X I C A L C H A I N S F O R S U M M A R I Z A T I O N
d o e s n o t s u p p l y i n f o r m a t i o n a b o u t s e m a n t i c a l l y r e l a t e d t e r m s , o n e c a n -
n o t c a p t u r e t h e \ a b o u t n e s s " o f t h e t e x t , a n d t h e r e f o r e t h e s u m m a r y w i l l
n o t c a p t u r e t h e m a i n p o i n t o f t h e o r i g i n a l t e x t .
T h e u s e o f r e l a t e d w o r d s i n t e x t | l e x i c a l c o h e s i o n | i s o n e o f t h e
d e v i c e s t h a t p r o v i d e c o h e s i o n . A s w e d e s c r i b e d i n C h a p t e r 2 l e x i c a l
c o h e s i o n o n o n e h a n d c a n b e e a s i l y c a l c u l a t e d , o n t h e o t h e r h a n d , i t
i s o n e o f t h e s u r f a c e s i g n s o f d i s c o u r s e s t r u c t u r e . T h e s e g i v e s u s m o t i -
v a t i o n t o i n v e s t i g a t e l e x i c a l c h a i n s a s a n a b s t r a c t i o n o f t h e s o u r c e t e x t
f o r t h e p u r p o s e o f p r o d u c i n g a s u m m a r y .
5 . 2 B u i l d i n g S u m m a r i e s U s i n g L e x i c a l
C h a i n s
W e n o w i n v e s t i g a t e h o w l e x i c a l c h a i n s c a n s e r v e a s a s o u r c e r e p r e s e n t a -
t i o n o f t h e o r i g i n a l t e x t t o b u i l d a s u m m a r y . T h e n e x t q u e s t i o n i s h o w
t o b u i l d a s u m m a r y r e p r e s e n t a t i o n f r o m t h i s s o u r c e r e p r e s e n t a t i o n .
T h e m o s t p r e v a l e n t d i s c o u r s e t o p i c w i l l p l a y a n i m p o r t a n t r o l e i n
t h e s u m m a r y . W e r s t p r e s e n t t h e i n t u i t i o n w h y l e x i c a l c h a i n s a r e a
g o o d i n d i c a t o r o f t h e c e n t r a l t o p i c o f a t e x t . G i v e n a n a p p r o p r i a t e
m e a s u r e o f s t r e n g t h , w e s h o w t h a t p i c k i n g t h e c o n c e p t s r e p r e s e n t e d b y
s t r o n g l e x i c a l c h a i n s g i v e s a b e t t e r i n d i c a t i o n o f t h e c e n t r a l t o p i c o f a
t e x t t h a n s i m p l y p i c k i n g t h e m o s t f r e q u e n t w o r d s i n t h e t e x t ( w h i c h
f o r m s t h e z e r o - h y p o t h e s i s ) .
F o r e x a m p l e , w e s h o w i n A p p e n d i x A . 1 a s a m p l e t e x t a b o u t B a y e s i -
a n N e t w o r k t e c h n o l o g y . T h e r e , t h e c o n c e p t o f n e t w o r k w a s r e p r e s e n t e d
b y t h e w o r d s \ n e t w o r k " w i t h 6 o c c u r r e n c e s , \ n e t " w i t h 2 , a n d \ s y s -
t e m " w i t h 4 . T h e s u m m a r y r e p r e s e n t a t i o n h a s t o r e e c t t h a t a l l t h e s e
w o r d s r e p r e s e n t t h e s a m e c o n c e p t ; o t h e r w i s e , t h e s u m m a r y g e n e r a t i o n
s t a g e w o u l d e x t r a c t i n f o r m a t i o n s e p a r a t e l y f o r e a c h t e r m . T h e c h a i n
r e p r e s e n t a t i o n a p p r o a c h a v o i d s c o m p l e t e l y t h i s p r o b l e m , b e c a u s e a l l
t h e s e t e r m s o c c u r i n t h e s a m e c h a i n , w h i c h r e e c t s t h e f a c t t h a t t h e y
r e p r e s e n t t h e s a m e c o n c e p t .
A n a d d i t i o n a l a r g u m e n t f o r t h e c h a i n r e p r e s e n t a t i o n a s o p p o s e d t o
a s i m p l e w o r d f r e q u e n c y m o d e l i s t h e c a s e w h e n a s i n g l e c o n c e p t i s
r e p r e s e n t e d b y a n u m b e r o f w o r d s , e a c h w i t h r e l a t i v e l y l o w f r e q u e n c y .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 68/95
5 . 2 . B U I L D I N G S U M M A R I E S U S I N G L E X I C A L C H A I N S 5 9
I n t h e s a m e B a y e s i a n N e t w o r k s a m p l e t e x t , t h e c o n c e p t o f \ i n f o r m a -
t i o n " w a s r e p r e s e n t e d b y t h e w o r d s \ i n f o r m a t i o n " ( 3 ) , \ d a t u m " ( 2 ) ,
\ k n o w l e d g e " ( 3 ) , \ c o n c e p t " ( 1 ) a n d \ m o d e l " ( 1 ) . I n t h i s t e x t , \ i n f o r -
m a t i o n " i s a m o r e i m p o r t a n t c o n c e p t t h a n \ c o m p u t e r " w h i c h o c c u r s
4 t i m e s . B e c a u s e t h e \ i n f o r m a t i o n " c h a i n c o m b i n e s t h e n u m b e r o f o c -
c u r r e n c e s o f a l l i t s m e m b e r s , i t c a n o v e r c o m e t h e w e i g h t o f t h e s i n g l e
w o r d \ c o m p u t e r "
5 . 2 . 1 E x t r a c t i n g S i g n i c a n t S e n t e n c e s
O n c e s t r o n g c h a i n s h a v e b e e n s e l e c t e d , t h e n e x t s t e p o f t h e s u m m a r i z a -
t i o n a l g o r i t h m i s t o e x t r a c t f u l l s e n t e n c e s f r o m t h e o r i g i n a l t e x t b a s e d
o n c h a i n d i s t r i b u t i o n .
W e i n v e s t i g a t e d t h r e e a l t e r n a t i v e s f o r t h i s s t e p .
H e u r i s t i c 1 :
F o r e a c h c h a i n i n t h e s u m m a r y r e p r e s e n t a t i o n c h o o s e t h e s e n t e n c e t h a t
c o n t a i n s t h e r s t a p p e a r a n c e o f a c h a i n m e m b e r i n t h e t e x t . T h i s i s
b a s e d o n t h e i n t u i t i o n t h a t a s e n t e n c e i n w h i c h a c h a i n b e g i n s , g i v e s
t h e n e c e s s a r y i n f o r m a t i o n f o r t h e i d e n t i c a t i o n o f t h e c o n c e p t w h i c h
t h e c h a i n r e p r e s e n t s , a n d i t s p a r t i c u l a r c o n t e x t i n t h e t e x t .
T h i s h e u r i s t i c p r o d u c e d t h e f o l l o w i n g s u m m a r y f o r t h e t e x t i s s h o w n
i n A p p e n d i x A . 1 :
W h e n M i c r o s o f t S e n i o r V i c e P r e s i d e n t S t e v e B a l l m e r r s t h e a r d h i s
c o m p a n y w a s p l a n n i n g t o m a k e a h u g e i n v e s t m e n t i n a n I n t e r n e t s e r -
v i c e o e r i n g m o v i e r e v i e w s a n d l o c a l e n t e r t a i n m e n t i n f o r m a t i o n i n
m a j o r c i t i e s a c r o s s t h e n a t i o n , h e w e n t t o C h a i r m a n B i l l G a t e s w i t h
h i s c o n c e r n s . M i c r o s o f t ' s c o m p e t i t i v e a d v a n t a g e , h e r e s p o n d e d , w a s
i t s e x p e r t i s e i n B a y e s i a n n e t w o r k s .
B a y e s i a n n e t w o r k s a r e c o m p l e x d i a g r a m s t h a t o r g a n i z e t h e b o d y o f
k n o w l e d g e i n a n y g i v e n a r e a b y m a p p i n g o u t c a u s e | a n d | e e c t
r e l a t i o n s h i p s a m o n g k e y v a r i a b l e s a n d e n c o d i n g t h e m w i t h n u m b e r s
t h a t r e p r e s e n t t h e e x t e n t t o w h i c h o n e v a r i a b l e i s l i k e l y t o a e c t a n -
o t h e r .
P r o g r a m m e d i n t o c o m p u t e r s , t h e s e s y s t e m s c a n a u t o m a t i c a l l y g e n e r -
a t e o p t i m a l p r e d i c t i o n s o r d e c i s i o n s e v e n w h e n k e y p i e c e s o f i n f o r m a -
t i o n a r e m i s s i n g .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 69/95
6 0 C H A P T E R 5 . L E X I C A L C H A I N S F O R S U M M A R I Z A T I O N
W h e n M i c r o s o f t i n 1 9 9 3 h i r e d E r i c H o r v i t z , D a v i d H e c k e r m a n a n d
J a c k B r e e s e , p i o n e e r s i n t h e d e v e l o p m e n t o f B a y e s i a n s y s t e m s , c o l -
l e a g u e s i n t h e e l d w e r e s u r p r i s e d .
T h e p r o b l e m w i t h t h i s a p p r o a c h i s t h a t a l l w o r d s i n a c h a i n r e e c t
t h e s a m e c o n c e p t , b u t t o a d i e r e n t e x t e n t . F o r e x a m p l e , i n t h e A I
c h a i n , ( A p p e n d i x A . 2 , C h a i n 3 ) t h e t o k e n \ s c i e n c e " i s r e l a t e d t o t h e
c o n c e p t \ A I " , b u t t h e w o r d s \ A I " a n d \ e l d " a r e m o r e s u i t a b l e t o
r e p r e s e n t t h e m a i n t o p i c \ A I " i n t h e c o n t e x t o f t h e t e x t . T h a t i s , n o t
a l l c h a i n m e m b e r s a r e g o o d r e p r e s e n t a t i v e s o f t h e t o p i c ( e v e n t h o u g h
t h e y a l l c o n t r i b u t e t o i t s m e a n i n g ) .
H e u r i s t i c 2 :
W e t h e r e f o r e d e n e a c r i t e r i o n t o e v a l u a t e t h e a p p r o p r i a t e n e s s o f a c h a i n
m e m b e r t o r e p r e s e n t i t s c h a i n b a s e d o n i t s f r e q u e n c y o f o c c u r r e n c e
i n t h e c h a i n . W e f o u n d e x p e r i m e n t a l l y t h a t s u c h w o r d s , c a l l t h e m
r e p r e s e n t a t i v e w o r d s , h a v e a f r e q u e n c y i n t h e c h a i n n o l e s s t h a n t h e
a v e r a g e w o r d f r e q u e n c y i n t h e c h a i n . F o r e x a m p l e , i n t h e t h i r d c h a i n
t h e r e p r e s e n t a t i v e w o r d s a r e \ e l d " a n d \ A I "
W e t h e r e f o r e d e n e a s e c o n d h e u r i s t i c b a s e d o n t h e n o t i o n o f r e p r e -
s e n t a t i v e w o r d s : f o r e a c h c h a i n i n t h e s u m m a r y r e p r e s e n t a t i o n , c h o o s e
t h e s e n t e n c e t h a t c o n t a i n s t h e r s t a p p e a r a n c e o f a r e p r e s e n t a t i v e c h a i n
m e m b e r i n t h e t e x t .
I n t h i s s p e c i a l c a s e t h i s h e u r i s t i c g i v e s t h e s a m e r e s u l t a s t h e r s t
o n e .
H e u r i s t i c 3 :
O f t e n , t h e s a m e t o p i c i s d i s c u s s e d i n a n u m b e r o f p l a c e s i n t h e t e x t , s o
i t s c h a i n i s d i s t r i b u t e d a c r o s s t h e w h o l e t e x t . S t i l l , i n s o m e t e x t u n i t ,
t h i s g l o b a l t o p i c i s t h e c e n t r a l t o p i c ( f o c u s ) o f t h e s e g m e n t . W e t r y t o
i d e n t i f y t h i s u n i t a n d e x t r a c t s e n t e n c e s r e l a t e d t o t h e t o p i c f r o m t h i s
s e g m e n t ( o r s u c c e s s i v e s e g m e n t s ) o n l y .
W e c h a r a c t e r i z e t h i s t e x t u n i t a s a c l u s t e r o f s u c c e s s i v e s e g m e n t s
w i t h h i g h d e n s i t y o f c h a i n m e m b e r s . O u r t h i r d h e u r i s t i c i s b a s e d o n
t h i s a p p r o a c h .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 70/95
5 . 3 . S E N T E N C E E X T R A C T I O N U S I N G L E X I C A L C H A I N S 6 1
F o r e a c h c h a i n , w e n d t h e t e x t u n i t w h e r e t h e c h a i n i s h i g h l y
c o n c e n t r a t e d . E x t r a c t t h e s e n t e n c e w i t h t h e r s t c h a i n a p p e a r a n c e i n
t h i s c e n t r a l u n i t . C o n c e n t r a t i o n i s c o m p u t e d a s t h e n u m b e r o f c h a i n
m e m b e r s o c c u r r e n c e s i n a s e g m e n t d i v i d e d b y t h e n u m b e r o f n o u n s i n
t h e s e g m e n t . A c h a i n h a s h i g h c o n c e n t r a t i o n i f i t s h a s t h e m a x i m u m
d e n s i t y o f a l l c h a i n s i n t h e t e x t s e g m e n t . A c l u s t e r i s g r o u p o f s u c c e s s i v e
s e g m e n t s s u c h t h a t e v e r y s e g m e n t c o n t a i n s c h a i n m e m b e r s .
N o t e t h a t i n a l l t h e s e t h r e e t e c h n i q u e s o n l y o n e s e n t e n c e i s e x t r a c t e d
f o r e a c h c h a i n ( r e g a r d l e s s o f i t s s t r e n g t h ) .
F o r m o s t t e x t s w e t e s t e d , t h e r s t a n d s e c o n d t e c h n i q u e s p r o d u c e
t h e s a m e r e s u l t s , b u t w h e n t h e y a r e d i e r e n t , t h e o u t p u t o f t h e s e c o n d
t e c h n i q u e i s b e t t e r . G e n e r a l l y , t h e s e c o n d t e c h n i q u e p r o d u c e s t h e b e s t
s u m m a r y . W e c h e c k e d t h e s e m e t h o d s o n o u r 3 0 t e x t s d a t a s e t . S u r p r i s -
i n g l y , t h e t h i r d h e u r i s t i c , w h i c h i n t u i t i o n p r e d i c t s a s t h e m o s t s o p h i s -
t i c a t e d , g i v e s t h e l e a s t i n d i c a t i v e r e s u l t s . T h i s m a y b e d u e t o s e v e r a l
f a c t o r s : o u r c r i t e r i a f o r ` c e n t r a l i t y ' o r ` c l u s t e r i n g ' m a y b e i n s u c i e n t
o r , m o r e l i k e l y , t h e p r o b l e m s e e m s t o b e r e l a t e d t o t h e i n t e r a c t i o n w i t h
t e x t s t r u c t u r e . T h e t h i r d h e u r i s t i c s t e n d s t o e x t r a c t s e n t e n c e s f r o m t h e
m i d d l e o f t h e t e x t a n d t o e x t r a c t s e v e r a l s e n t e n c e s f r o m d i s t a n t p l a c e s
i n t h e t e x t f o r a s i n g l e c h a i n .
5 . 3 S u m m a r y : S e n t e n c e E x t r a c t i o n B a s e d
o n L e x i c a l C h a i n s
I n t h i s c h a p t e r w e p r e s e n t e d a n a l g o r i t h m f o r s e n t e n c e e x t r a c t i o n b a s e d
o n l e x i c a l c h a i n s . T h i s i s o n o n e h a n d c o m p u t a b l e a n d o n t h e o t h e r
h a n d c o n t a i n s m o r e i n f o r m a t i o n t h a n r e g u l a r s h a l l o w t e c h n i q u e s .
I n t h e n e x t c h a p t e r w e c o m p a r e o u r s u m m a r i z e r r e s u l t s w i t h t w o
o t h e r a v a i l a b l e s u m m a r i z a t i o n s y s t e m s r e c e n t l y m a d e a v a i l a b l e ( S u m -
m e r 9 7 ) a n d n d o u r a p p r o a c h t o g i v e r e s u l t s s i g n i c a n t l y c l o s e r t o
h u m a n j u d g e s ( u s i n g m a j o r i t y r u l e ) t h a n t h e o t h e r s y s t e m s .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 71/95
6 2 C H A P T E R 5 . L E X I C A L C H A I N S F O R S U M M A R I Z A T I O N
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 72/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 73/95
6 4 C H A P T E R 6 . S U M M A R Y E V A L U A T I O N
D o c u m e n t N u m b e r 5 3 6 0 7 5
D o c u m e n t T i t l e S t a t e - S p o n s o r e d D e a t h S q u a d s B l o c k i n g T h i r d W o r l d D e v e l o p m e n t
S e n t S u b 1 S u b 2 S u b 3 S u b 4 S u b 5 S y s A S y s B S y s C
N u m 1 0 | 2 0 1 0 | 2 0 1 0 | 2 0 1 0 | 2 0 1 0 | 2 0 1 0 | 2 0 1 0 | 2 0 1 0 | 2 0
1 + + + + + + + + + + + + + +
2 + + + + + + + + +
3 + + + + + + +
4
5 +
6 + + + +
7 + + +
8 +
9
1 0 +
1 1
1 2
1 3
1 4 +
1 5
1 6 + + +
T a b l e 6 . 1 : A s a m p l e s u m m a r y d a t a b a s e f o r a d o c u m e n t .
2 0 ] . W e r a n t h e m o n t h e 4 0 d o c u m e n t s t o g e n e r a t e 1 0 % a n d 2 0 %
s u m m a r i e s f o r e a c h d o c u m e n t .
A t o t a l o f 1 6 s u m m a r i e s w e r e p r o d u c e d f o r e a c h d o c u m e n t . T a b l e 6 . 1
s h o w s a s a m p l e s u m m a r y d a t a b a s e f o r a d o c u m e n t . T h e d o c u m e n t s
w e r e s e l e c t e d f r o m t h e T R E C c o l l e c t i o n 5 ] . T h e y a r e n e w s a r t i c l e s
o n c o m p u t e r s , t e r r o r i s m , h y p n o s i s a n d n u c l e a r t r e a t i e s . T h e a v e r a g e
l e n g t h o f t h e a r t i c l e s i s 3 0 s e n t e n c e s . H u m a n s u b j e c t s a r e g r a d u a t e
s t u d e n t s i n t h e D e p a r t m e n t o f C o m p u t e r S c i e n c e a t C o l u m b i a U n i v e r -
s i t y , C o r n e l l U n i v e r s i t y , a n d B e e r - S h e v a U n i v e r s i t y i n I s r a e l .
6 . 2 R e s u l t s a n d A n a l y s i s
6 . 2 . 1 A g r e e m e n t A m o n g H u m a n S u b j e c t s
W e m e a s u r e d a g r e e m e n t a m o n g h u m a n s u b j e c t s u s i n g p e r c e n t a g r e e -
m e n t , a m e t r i c d e n e d b y 3 2 ] f o r t h e s e n s e d i s a m b i g u a t i o n t a s k , b u t
a l s o u s e d i n o t h e r a p p l i c a t i o n s s u c h a s d i s c o u r s e s e g m e n t a t i o n 1 1 , 8 ] .
P e r c e n t a g r e e m e n t i s t h e r a t i o o f o b s e r v e d a g r e e m e n t s w i t h t h e m a j o r i t y
o p i n i o n t o p o s s i b l e a g r e e m e n t s w i t h t h e m a j o r i t y o p i n i o n . F o r o u r e x -
p e r i m e n t s , a g r e e m e n t a m o n g 3 o r m o r e s u b j e c t s i s a m a j o r i t y o p i n i o n .
T h e t o t a l p o s s i b l e a g r e e m e n t s w i t h t h e m a j o r i t y o p i n i o n i s t h e n u m -
b e r o f h u m a n s u b j e c t s t i m e s t h e n u m b e r o f s e n t e n c e s i n a d o c u m e n t .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 74/95
6 . 2 . R E S U L T S A N D A N A L Y S I S 6 5
O b s e r v e d a g r e e m e n t e q u a l s t o t h e n u m b e r o f t i m e s t h a t a s u b j e c t ' s d e -
c i s i o n a g r e e s w i t h t h e m a j o r i t y o p i n i o n , i n c l u d i n g b o t h t h e d e c i s i o n t o
e x t r a c t t h e s e n t e n c e a n d n o t t o e x t r a c t t h e s e n t e n c e . T h e r e s u l t s a r e
s h o w n i n T a b l e 6 . 2 .
L e n g t h A v g . A g r e e m e n t M a x M i n
1 0 % 9 6 % 1 0 0 % 8 7 %
2 0 % 9 0 % 1 0 0 % 8 3 %
T a b l e 6 . 2 : A g r e e m e n t a m o n g 5 h u m a n s u b j e c t s f o r 4 0 d o c u m e n t s .
W e c a n d r a w t w o c o n c l u s i o n s f r o m t h e a b o v e r e s u l t s : ( 1 ) w h e n h u -
m a n s u b j e c t s a r e r e q u i r e d t o s u m m a r i z e a n a r t i c l e w i t h i n t h e s a m e
s h o r t l e n g t h , t h e y a r e q u i t e c o n s i s t e n t w i t h w h a t s h o u l d b e i n c l u d e d .
T h i s i s i n d i c a t e d b y t h e h i g h p e r c e n t a g e o f a g r e e m e n t f o r t h e 1 0 %
l e n g t h s u m m a r i e s . ( 2 ) T h e d e g r e e o f a g r e e m e n t a m o n g h u m a n s u b j e c t s
t e n d s t o d e c r e a s e a s t h e l e n g t h o f s u m m a r y i n c r e a s e s . T h i s i s s h o w n b y
l o w e r p e r c e n t a g r e e m e n t a m o n g s a m e h u m a n s u b j e c t s w h e n s u m m a r y
l e n g t h i n c r e a s e s f r o m 1 0 % t o 2 0 % i n t h e e x p e r i m e n t . N o t e t h i s s t a t e -
m e n t i s n o t v a l i d w h e n t h e l e n g t h o f s u m m a r y i s o u t o f c e r t a i n r a n g e .
F o r e x a m p l e , t h e p e r c e n t a g r e e m e n t a p p a r e n t l y i n c r e a s e s a s t h e l e n g t h
i n c r e a s e s f r o m 9 0 % t o 1 0 0 % .
T h e a b o v e o b s e r v a t i o n a g r e e s w i t h t h o s e p a t t e r n s n o t i c e d b y o t h e r
r e s e a r c h e r s 3 ] : h u m a n s u b j e c t s a r e q u i t e c o n s i s t e n t w i t h r e s p e c t t o
w h a t t h e y p e r c e i v e a s b e i n g t h e m o s t i m p o r t a n t b u t l e s s c o n s i s t e n t
w i t h r e s p e c t t o w h a t t h e y p e r c e i v e a s b e i n g l e s s i m p o r t a n t .
T h e p e r c e n t a g r e e m e n t i n o u r e x p e r i m e n t i s s u r p r i s i n g l y h i g h c o m -
p a r e d t o r e s u l t s p r e s e n t e d b y o t h e r r e s e a r c h e r s . 2 0 ] f o u n d p e r c e n t
a g r e e m e n t o f 1 3 j u d g e s o v e r 5 t e x t s f r o m S c i e n t i c A m e r i c a i s 7 1 % .
1 2 ] f o u n d t h a t e x t r a c t s s e l e c t e d b y f o u r d i e r e n t h u m a n j u d g e s h a d
o n l y 2 5 % o v e r l a p . 3 0 ] f o u n d t h a t t h e m o s t i m p o r t a n t 2 0 % p a r a g r a p h s
e x t r a c t e d b y 2 s u b j e c t s h a v e o n l y 4 6 % o v e r l a p . T w o m a i n r e a s o n s f o r
t h i s h i g h p e r c e n t a g r e e m e n t a r e t h e s t y l e o f T R E C a r t i c l e s a n d o u r
r e s t r i c t i o n s o n u n i f o r m l e n g t h . T h e 4 0 d o c u m e n t s u s e d i n t h e e x p e r -
i m e n t h a v e v e r y s i m i l a r t e x t s t r u c t u r e : a n i n t r o d u c t i o n f o l l o w e d b y
d e t a i l s , e x a m p l e s , f a c t s , t h e n a s e c o n d a r y p o i n t , s o o n a n d s o f o r t h .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 75/95
6 6 C H A P T E R 6 . S U M M A R Y E V A L U A T I O N
M i c r o s o f t L e x i c a l C h a i n D i s c o u r s e S t r u c t u r e
P r e c R e c a l l P r e c R e c a l l P r e c R e c a l l
1 0 % 3 3 3 7 6 1 6 7 4 6 6 4
2 0 % 3 2 3 9 4 7 6 4 3 6 5 5
T a b l e 6 . 3 : E v a l u a t i o n o f s u m m a r i z a t i o n p r o g r a m s .
T h e o t h e r r e a s o n i s o u r r e s t r i c t i o n o n u n i f o r m s u m m a r y l e n g t h . T h i s
e l i m i n a t e s d i e r e n c e s d u e t o p e r c e p t i o n o f o p t i m a l s u m m a r y l e n g t h ; i n
m o s t o t h e r e x p e r i m e n t s , r e s e a r c h e r s d i d n o t r e q u i r e h u m a n j u d g e s t o
c r e a t e a s u m m a r y o f a g i v e n l e n g t h .
6 . 2 . 2 S t a t i s t i c a l S i g n i c a n c e
U s i n g t h e s a m e m e t h o d o l o g y i n 1 1 , 8 , 2 0 ] , w e a p p l i e d C o c h r a n ' s t e s t
t o o u r d a t a . F o r o u r a p p l i c a t i o n , C o c h r a n ' s t e s t e v a l u a t e s t h e n u l l
h y p o t h e s i s t h a t t h e t o t a l n u m b e r o f h u m a n s u b j e c t s e x t r a c t i n g t h e s a m e
s e n t e n c e i s r a n d o m l y d i s t r i b u t e d . C o c h r a n ' s s t a t i s t i c Q a p p r o x i m a t e s
t h e
2
d i s t r i b u t i o n w i t h j ? 1 d e g r e e s o f f r e e d o m , w h e r e j i s t h e n u m b e r
o f e l e m e n t s i n t h e d a t a s e t , f o r o u r a p p l i c a t i o n , t h e n u m b e r o f s e n t e n c e s
i n a d o c u m e n t . O u r r e s u l t s s h o w t h a t t h e a g r e e m e n t a m o n g s u b j e c t s i s
h i g h l y s i g n i c a n t . T h a t i s , t h e p r o b a b i l i t y t h a t h u m a n s u b j e c t s e x t r a c t
t h e s a m e s e n t e n c e i s m u c h h i g h e r t h a n w o u l d b e e x p e c t e d b y c h a n c e .
F o r a l l 4 0 d o c u m e n t s , t h e p r o b a b i l i t y i s v e r y l o w : p < 1 0
? 6
6 . 2 . 3 S y s t e m s C o m p a r i s o n
T h e \ i d e a l " s u m m a r y w a s c o n s t r u c t e d b y t a k i n g t h e m a j o r i t y o p i n i o n
o f v e h u m a n s u m m a r i e s a t t h e s a m e l e n g t h , t h e p r e c i s i o n a n d r e c a l l
w e r e u s e d a s s i m i l a r i t y m e a s u r e s . T h e r e s u l t s a r e s h o w n i n T a b l e 6 . 3 .
A c c o r d i n g t o o u r d a t a , o u r l e x i c a l c h a i n s u m m a r i z e r i s c l o s e r t o t h e
h u m a n c o n s t r u c t e d s u m m a r i e s .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 76/95
C h a p t e r 7
C o n c e p t u a l M a p s
I n t h i s c h a p t e r w e d i s c u s s t h e s u b j e c t o f \ c o n c e p t u a l m a p s " | r e p r e -
s e n t a t i o n o f a s o u r c e t e x t u s i n g l i n k s a m o n g l e x i c a l c h a i n s . F i r s t , w e
i n t r o d u c e t h e w o r k o f H a s a n | \ C o h e r e n c e a n d C o h e s i v e H a r m o n y " ,
a s a t h e o r e t i c a l b a s i s f o r b u i l d i n g c o n c e p t u a l m a p s . T h e n , w e p r e s e n t
o u r a l g o r i t h m f o r c o m p u t i n g c o n c e p t u a l m a p s .
7 . 1 C h a i n I n t e r a c t i o n a n d \ C o h e s i v e H a r -
m o n y "
U p t o t h i s p o i n t , w e d i s c u s s e d t h e c o n t r i b u t i o n o f l e x i c a l c h a i n s t o t e x t
c o h e s i o n , b u t t h e i s s u e o f c h a i n i n t e r a c t i o n i n t h e t e x t w a s i g n o r e d . T h i s
s u b j e c t w a s i n t r o d u c e d b y H a s a n 2 8 ] i n t h e c o n t e x t o f h e r r e s e a r c h o f
c o r r e l a t i o n b e t w e e n c o h e r e n c e a n d \ c o h e s i v e h a r m o n y " . T h e g o a l o f
t h i s r e s e a r c h w a s t o e x p l o r e w h e t h e r c o h e s i o n c a n p r o v i d e a r e l i a b l e
m e a s u r e m e n t o f c o h e r e n c e .
T h e r s t a s s u m p t i o n w a s t h a t t h e d e g r e e o f c o h e r e n c e c o r r e l a t e d
w i t h t h e n u m e r i c a l o r t h e c a t e g o r i c a l v a r i a t i o n o f c o h e s i v e t i e s . T h i s
h y p o t h e s i s w a s t e s t e d b y c o m p a r i n g t h e c o h e s i v e n e s s m e a s u r e o f t h e
t e x t w i t h t h e n u m b e r o f c o h e s i v e t i e s i n i t .
T h e t e s t m a t e r i a l w a s c h i l d r e n ' s s t o r i e s w i t h d i e r e n t l e v e l s o f c o -
h e r e n c e A 1 0 , A 9 a n d A 1 3 ( t h e s e a r e i n T a b l e s 7 . 1 t o 7 . 3 ) . T h e j u d g e s
r a n k e d A 1 0 a s t h e m o s t c o h e r e n t o f t h e t h r e e a n d A 1 3 a t t h e l e a s t .
T h e r a t i o b e t w e e n p e r i p h e r a l t o k e n s ( P T ) | t o k e n s w h i c h a r e n o t
6 7
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 77/95
6 8 C H A P T E R 7 . C O N C E P T U A L M A P S
t h e r e w a s o n c e a l i t t l e g i r l a n d a l i t t l e b o y a n d a d o g
a n d t h e s a i l o r w a s t h e i r d a d d y
a n d t h e l i t t l e d o g g y w a s w h i t e
a n d t h e y l i k e t h e i r d o g g y
a n d t h e y s t r o k e i t
a n d t h e y f e d i t
a n d h e r u n a w a y
a n d t h e n ( u m t h e l i t t l e d o g ) d a d d y ( u m ) h a d t o g o o n a s h i p
a n d t h e c h i l d r e n m i s s e d ' e m
a n d t h e y b e g a n t o c r y
T a b l e 7 . 1 : A 1 0
t h e r e w a s a g i r l a n d a b o y
t h e r e w a s a d o g a n d a s a i l o r
t h e d o g w a s a f u r r y d o g
a n d t h e g i r l a n d t h e d o g w e r e s i t t i n g d o w n
a n d t h e s a i l o r w a s s t a n d i n g u p
a n d t h e t e d d y - b e a r w a s l y i n g d o w n a s l e e p
a n d t h e s a i l o r w a s l o o k i n g a t ( t h e d o g ) b e a r
t h e l i t t l e g i r l w a s l a y i n g d o w n t o o
s h e w a s n ' t a s l e e p
a n d t h e b o y w a s s i t t i n g u p
h e w a s l o o k i n g a t t h e b e a r t o o
T a b l e 7 . 2 : A 9
o n c e u p o n a t i m e ( t h e r e w a s t w o l i t t l e ) t h e r e w a s a l i t t l e g i r l a n d a b o y
a n d t h e y w e n t a b o a r d a s h i p
a n d t h e s a i l o r s a i d t o t h e m t o g o a n d n d a c a r r i a g e
d o n ' t g o o n t h e s h i p h e r e b e c a u s e I ' m t r y i n g t o d i v e
b u t t h e d o g c a m e a l o n g
a n d t h r e w h i m s e l f i n t o t h e s e a
a n d t h e n h e c a m e b a c k
a n d ( a l l ) t h e y a l l w e n t h o m e
a n d h a d a p a r t y
a n d t h e y l i v e d h a p p i l y e v e r a f t e r
T a b l e 7 . 3 : A 1 3
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 78/95
7 . 1 . C H A I N I N T E R A C T I O N A N D \ C O H E S I V E H A R M O N Y " 6 9
P T R T T T
A 1 0 3 4 0 4 3
A 9 2 3 0 3 2
A 1 3 1 2 3 4 4 6
T a b l e 7 . 4 : M e a s u r e s o f c o h e s i v e t i e s i n t h e t e x t s .
s u b s u m e d i n c h a i n s a n d r e l e v a n t t o k e n s ( R T ) | t o k e n s s u b s u m e d i n
c h a i n s , w a s c h o s e n a s a p o s s i b l e m e a s u r e o f t h e t e x t c o h e r e n c e . T a -
b l e 7 . 4 s h o w s n o s i g n i c a n t c o r r e l a t i o n o f t h i s m e a s u r e t o t h e d e g r e e o f
c o h e r e n c e p e r c e i v e d b y r e a d e r s i n t h e s e t e x t s . O t h e r p r o p o s e d m e t r i c s ,
s u c h a s t h e n u m b e r o f t i e s p e r c l a u s e a n d t h e l e n g t h o f t h e c h a i n s , d o
n o t r e e c t t h e d i e r e n c e i n c o h e r e n c e b e t w e e n t h e t e x t s a s w e l l . T h e
n a l a s s u m p t i o n w a s t h a t c h a i n i n t e r a c t i o n h a v e t o b e c o n s i d e r e d .
A c h a i n i s c o n s t r u c t e d b a s e d o n a s e m a n t i c p r i n c i p l e w h i c h c r e a t e s
u n i t y a m o n g s t i t s m e m b e r s . E a c h c h a i n r e p r e s e n t s a \ r e l a t i v e l y s e l f -
c o n t a i n e d c e n t e r o f u n i t y . " W h e n t h e s e c e n t e r s o f u n i t y a r e b r o u g h t
t o g e t h e r t h r o u g h c h a i n i n t e r a c t i o n , \ c o h e s i v e h a r m o n y " i s a c h i e v e d .
H a s a n e m p h a s i z e s t h e d o m i n a n t r o l e o f c h a i n i n t e r a c t i o n a s a s o u r c e o f
u n i t y i n t h e t e x t .
A c c o r d i n g t o H a s a n , c h a i n i n t e r a c t i o n o c c u r s o n l y i f t w o o r m o r e
m e m b e r s o f a c h a i n s t a n d i n t h e s a m e f u n c t i o n a l r e l a t i o n w i t h t w o o r
m o r e m e m b e r s o f t h e o t h e r c h a i n . N o t a l l c h a i n m e m b e r s p a r t i c i p a t e
i n c h a i n i n t e r a c t i o n . H a s a n c a l l s t h e c h a i n m e m b e r s w h i c h p a r t i c i p a t e
i n c h a i n i n t e r a c t i o n a s c e n t r a l t o k e n s ( C T ) . T h e h y p o t h e s i s i s t h a t t h e
C T s o f a t e x t a r e d i r e c t l y r e l e v a n t t o t h e c o h e r e n t d e v e l o p m e n t o f t h e
t o p i c i n t h e t e x t . H a s a n e x p r e s s e s t h e d e g r e e o f c o h e s i v e h a r m o n y a s t h e
r a t i o b e t w e e n t o t a l t e x t s t o k e n s t o c e n t r a l t o k e n s i n t h e t e x t . A n o t h e r
m e a s u r e o f c o h e r e n c e t h a t s h e p r o p o s e s i s t h e r a t i o o f p e r i p h e r a l t o k e n s
t o c e n t r a l t o k e n s , s o t h a t t h e h i g h e r t h e r a t i o o f C T t o P T , t h e m o r e
c o h e r e n t t h e t e x t w o u l d b e . R e s u l t s p r e s e n t e d i n T a b l e 7 . 5 s u p p o r t
t h e s e p r e d i c t i o n s .
B y a n a l y z i n g a n 8 0 t e x t s d a t a , H a s a n f o u n d t h a t a n y r a n k i n g b y
t h e m e a s u r e o f c o h e s i v e h a r m o n y | p e r c e n t a g e o f t h e C T o v e r T T |
\ c o n s i s t e n t l y c o r r e l a t e d w i t h r e a d e r ' s j u d g m e n t o n h o w t h e t e x t s r a n k e d
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 79/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 80/95
7 . 2 . B U I L D I N G C O N C E P T U A L M A P S 7 1
F i g u r e 7 . 1 : E x a m p l e o f a c o n c e p t u a l m a p .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 81/95
7 2 C H A P T E R 7 . C O N C E P T U A L M A P S
i n t u i t i o n t h a t , i f t w o c o n c e p t s , n o t r e l a t e d t o o n e a n o t h e r a c c o r d i n g t o
c o m m o n k n o w l e d g e , a r e r e l a t e d i n t h e t e x t , t h e n a n e x p l i c i t r e l a t i o n
b e t w e e n t h e m m u s t e x i s t i n t h e t e x t .
7 . 2 . 2 A l g o r i t h m f o r C o n c e p t u a l M a p C o n s t r u c t i o n
W e p r o p o s e t h e f o l l o w i n g a l g o r i t h m t o b u i l d c o n c e p t u a l m a p s o n c e
l e x i c a l c h a i n s h a v e b e e n i d e n t i e d :
1 . C a l c u l a t e c h a i n s a n d s e l e c t i m p o r t a n t c h a i n s .
2 . F o r e v e r y t w o c h a i n s n d a l l u n i t s i n w h i c h w o r d s o f t h e s e t w o
c h a i n s c o - o c c u r .
3 . F o r e v e r y c h a i n , c h o o s e a w o r d t h a t r e p r e s e n t s t h e c o n c e p t . ( W e
c u r r e n t l y s e l e c t t h e m o s t f r e q u e n t o n e . )
4 . P u t t h e e d g e s b e t w e e n t w o c o n c e p t s t h a t i n t e r a c t | h a v e a t l e a s t
t w o c o - o c c u r r e n c e s , a c c o r d i n g t o H a s a n .
T h e c r u c i a l p o i n t o f t h i s a l g o r i t h m i s t h e s e c o n d s t e p . C u r r e n t l y
w e u s e a s a u n i t e l e m e n t t h e w h o l e s e n t e n c e , a n d t h i s i n c r e a s e t h e
n u m b e r o f r e l a t e d c o n c e p t s , e s p e c i a l l y i f a t e x t c o n s i s t s o f m u l t i - c l a u s e
s e n t e n c e s . P a r t i a l s o l u t i o n t o t h i s p r o b l e m i s t o d i v i d e c o m p l e x s e n -
t e n c e s t o c l a u s e s , a n d u s e c l a u s e a s a u n i t e l e m e n t i n o u r s e c o n d s t e p .
C u r r e n t l y , t h e r e i s n o r o b u s t t o o l a v a i l a b l e f o r u s f o r c l a u s e d i v i s i o n .
P r e c i s e r e c o g n i t i o n o f c h a i n i n t e r a c t i o n r e q u i r e s i n f o r m a t i o n a b o u t t h e
s y n t a c t i c r o l e s o f w o r d s i n t h e s e n t e n c e , t h i s r e q u i r e s u s i n g a p a r s e r . I f
a p a r s e r i s a v a i l a b l e , t h e m a j o r i t y o f c h a i n i n t e r a c t i o n s c a n b e i d e n t i e d
f r o m t h e p a r s e r ' s o u t p u t b y r e g u l a r e x p r e s s i o n s .
E x a m p l e s :
v e r b ( w 1 , w 2 )
w 1 w 2 a r e a r g u m e n t s o f t h e s a m e
v e r b
\ M i c h a e l c r e a t e d F U F "
p r o p ( w 1 , w 2 )
w 1 w 2 a r e m e m b e r s o f t h e s a m e
p r o p o s i t i o n a l p h r a s e
\ O w e n f r o m C o g e n T e x "
A m o r e p r o b l e m a t i c c a s e f o r i d e n t i c a t i o n a r e t h e c a s e s w h e r e w o r d s
d o n o t i n t e r a c t d i r e c t l y , b u t t h e i r g r o u p s d o i n t e r a c t . F o r e x a m p l e , i n
t h e s e n t e n c e \ a m a c h i n e t o c o n t r o l t h e r a t e o f d r u g w a s i n v e n t e d b y a
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 82/95
7 . 2 . B U I L D I N G C O N C E P T U A L M A P S 7 3
g r o u p o f r e s e a r c h e r s f r o m H C I " , t h e g r o u p s \ a m a c h i n e t o c o n t r o l t h e
r a t e o f d r u g " a n d \ a g r o u p o f r e s e a r c h e r s f r o m H C I " a r e r e l a t e d a s
a r g u m e n t s o f t h e v e r b \ i n v e n t " . S e m a n t i c a l l y , t h e c o n c e p t s \ m a c h i n e "
a n d \ r e s e a r c h e r s " i n t e r a c t i n t h i s s e n t e n c e ( \ t h e r e s e a r c h e r s i n v e n t e d
t h e m a c h i n e " ) , b u t s y n t a c t i c a l l y , t h e y d o n o t h a v e a n y d i r e c t i n t e r a c -
t i o n . A q u i c k s o l u t i o n c a n b e t o c o n s i d e r i n d i r e c t i n t e r a c t i o n a s a c a s e
o f c h a i n i n t e r a c t i o n . H o w e v e r , a c c o r d i n g t o t h i s d e c i s i o n , t h e c o n c e p t s
\ r a t e " a n d \ H C I " w i l l b e c o n s i d e r e d r e l a t e d , w h i l e t h e y a r e n o t . A n
a c c u r a t e l i s t o f s y n t a c t i c r e l a t i o n s w h i c h i m p l y c h a i n i n t e r a c t i o n i s a
s u b j e c t f o r f u t u r e r e s e a r c h .
T o c o n c l u d e , o u r c o m p u t a t i o n a l m o d e l m a k e i t p o s s i b l e t o b u i l d
c o n c e p t u a l m a p s , b u t t h e u s e o f a p a r s e r a n d s p e c i c a t i o n o f s y n t a c t i c
r e l a t i o n s o f c h a i n i n t e r a c t i o n w i l l s i g n i c a n t l y i n c r e a s e p e r f o r m a n c e .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 83/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 84/95
C h a p t e r 8
C o n t r i b u t i o n s , L i m i t a t i o n s a n d
F u t u r e W o r k
8 . 1 C o n t r i b u t i o n s
8 . 1 . 1 T h e C h a i n i n g A l g o r i t h m
W e i m p l e m e n t e d a n e w a l g o r i t h m f o r c o m p u t i n g c h a i n s | - a
d y n a m i c a l g o r i t h m b a s e d o n t e x t s e g m e n t a t i o n .
W e p r e s e n t e d a g e n e r i c c o m p u t a t i o n a l m o d e l f o r c h a i n c o m p u t a -
t i o n , w h i c h g e n e r a l i z e s v a r i o u s e x i s t i n g l e x i c a l c h a i n a l g o r i t h m s .
A n i n t r i n s i c e v a l u a t i o n i s p e r f o r m e d b y i d e n t i f y i n g h o w s u c c e s s -
f u l t h e l e x i c a l c h a i n e r i s i n d i s a m b i g u a t i n g n o u n s i n t h e c o n t e x t .
W e v e r i e d t h a t o u r v a l u e s e t t i n g s f o r s y s t e m p a r a m e t e r s w e r e
o p t i m a l .
T h e i n u e n c e o f T h e s a u r u s q u a l i t y a n d t e x t p r o p e r t i e s w e r e f o u n d
t o b e c r u c i a l f o r t h e c h a i n i n g a l g o r i t h m .
8 . 1 . 2 S u m m a r i z a t i o n
W e p r e s e n t e d a n e w s u m m a r i z a t i o n a l g o r i t h m , b a s e d o n a m o d e l
o f t h e t o p i c p r o g r e s s i o n i n t h e t e x t d e r i v e d f r o m l e x i c a l c h a i n s .
7 5
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 85/95
7 6 C H A P T E R 8 . C O N T R I B U T I O N S A N D F U T U R E W O R K
A n e x t r i n s i c e v a l u a t i o n w a s p e r f o r m e d , t h a t w a s u s e d t o d e t e r -
m i n e t o t h e e x t e n t t o w h i c h t h e s e n t e n c e s e x t r a c t e d b y t h e s u m -
m a r i z e r m a t c h t h o s e t h a t h u m a n j u d g e s w o u l d e x t r a c t . W e c o m -
p a r e d o u r s u m m a r i z e r w i t h t w o o t h e r a v a i l a b l e s u m m a r i z a t i o n
s y s t e m s a n d f o u n d o u r a p p r o a c h t o g i v e r e s u l t s s i g n i c a n t l y c l o s e r
t o h u m a n j u d g e s ( u s i n g t h e m a j o r i t y r u l e ) t h a n t h e o t h e r s y s t e m s .
W e p r e s e n t e d a n a l t e r n a t i v e m e t h o d o f s o u r c e t e x t r e p r e s e n t a t i o n
b a s e d o n i n t e r a c t i o n o f m a i n t e x t c o n c e p t s | \ c o n c e p t u a l m a p s " .
8 . 2 L i m i t a t i o n s & F u t u r e W o r k
8 . 2 . 1 T h e S u m m a r i z a t i o n S y s t e m
W e h a v e i d e n t i e d t h e f o l l o w i n g m a i n p r o b l e m s w i t h o u r s u m m a r i z a t i o n
m e t h o d :
S e n t e n c e g r a n u l a r i t y | a l l o f o u r m e t h o d s e x t r a c t w h o l e s e n t e n c e s
a s s i n g l e u n i t s . T h i s h a s s e v e r a l d r a w b a c k s : l o n g s e n t e n c e s h a v e
s i g n i c a n t l y h i g h e r l i k e l i h o o d t o b e s e l e c t e d , t h e y a l s o i n c l u d e
m a n y c o n s t i t u e n t s w h i c h w o u l d n o t h a v e b e e n s e l e c t e d o n t h e i r
o w n m e r i t . T h e a l t e r n a t i v e i s e x t r e m e l y c o s t l y , i t i n v o l v e s p a r s i n g
o f t h e s e n t e n c e s , t h e e x t r a c t i o n o f o n l y t h e c e n t r a l c o n s t i t u e n t s
f r o m t h e s o u r c e t e x t a n d t h e r e g e n e r a t i o n o f a s u m m a r y t e x t u s i n g
t e x t g e n e r a t i o n t e c h n i q u e s .
E x t r a c t e d s e n t e n c e s c o n t a i n a n a p h o r a l i n k s t o t h e r e s t o f t h e t e x t .
T h i s h a s b e e n i n v e s t i g a t e d a n d o b s e r v e d b y 2 ] . S e v e r a l h e u r i s t i c s
h a v e b e e n p r o p o s e d i n t h e l i t e r a t u r e t o a d d r e s s t h i s p r o b l e m 2 6 ] ,
2 7 ] a n d 2 ] . T h e s t r o n g e s t s e e m s t o b e t o i n c l u d e t o g e t h e r w i t h
t h e e x t r a c t e d s e n t e n c e t h e o n e i m m e d i a t e l y p r e c e d i n g i t . U n -
f o r t u n a t e l y , w h e n w e s e l e c t t h e r s t s e n t e n c e i n a s e g m e n t , t h e
p r e c e d i n g s e n t e n c e d o e s n o t b e l o n g t o t h e p a r a g r a p h a n d i t s i n -
s e r t i o n h a s a d e t r i m e n t a l e e c t o n t h e o v e r a l l c o h e r e n c e o f t h e
s u m m a r y . A p r e f e r a b l e s o l u t i o n w o u l d b e t o r e p l a c e a n a p h o r a
w i t h t h e i r r e f e r e n t , b u t a g a i n t h i s i s a n e x t r e m e l y c o s t l y s o l u t i o n .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 86/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 87/95
7 8 C H A P T E R 8 . C O N T R I B U T I O N S A N D F U T U R E W O R K
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 88/95
A p p e n d i x A
B a y e s i a n N e t w o r k s T e x t
A . 1 T h e R a w T e x t
W h e n M i c r o s o f t S e n i o r V i c e P r e s i d e n t S t e v e B a l l m e r r s t h e a r d h i s c o m p a n y w a s p l a n -
n i n g t o m a k e a h u g e i n v e s t m e n t i n a n I n t e r n e t s e r v i c e o e r i n g m o v i e r e v i e w s a n d l o c a l
e n t e r t a i n m e n t i n f o r m a t i o n i n m a j o r c i t i e s a c r o s s t h e n a t i o n , h e w e n t t o C h a i r m a n B i l l
G a t e s w i t h h i s c o n c e r n s .
A f t e r a l l , B a l l m e r h a s b i l l i o n s o f d o l l a r s o f h i s o w n m o n e y i n M i c r o s o f t s t o c k , a n d
e n t e r t a i n m e n t i s n ' t e x a c t l y t h e c o m p a n y ' s s t r o n g p o i n t .
B u t G a t e s d i s m i s s e d s u c h r e s e r v a t i o n s . M i c r o s o f t ' s c o m p e t i t i v e a d v a n t a g e , h e r e -
s p o n d e d , w a s i t s e x p e r t i s e i n B a y e s i a n n e t w o r k s .
A s k e d r e c e n t l y w h e n c o m p u t e r s w o u l d n a l l y b e g i n t o u n d e r s t a n d h u m a n s p e e c h , G a t e s
b e g a n d i s c u s s i n g t h e c r i t i c a l r o l e o f \ B a y e s i a n " s y s t e m s .
A s k a n y o t h e r s o f t w a r e e x e c u t i v e a b o u t a n y t h i n g B a y e s i a n a n d y o u ' r e l i a b l e t o g e t a
b l a n k s t a r e .
I s G a t e s o n t o s o m e t h i n g ? I s t h i s a l i e n - s o u n d i n g t e c h n o l o g y M i c r o s o f t ' s n e w s e c r e t
w e a p o n ?
B a y e s i a n n e t w o r k s a r e c o m p l e x d i a g r a m s t h a t o r g a n i z e t h e b o d y o f k n o w l e d g e i n a n y
g i v e n a r e a b y m a p p i n g o u t c a u s e - a n d - e e c t r e l a t i o n s h i p s a m o n g k e y v a r i a b l e s a n d e n -
c o d i n g t h e m w i t h n u m b e r s t h a t r e p r e s e n t t h e e x t e n t t o w h i c h o n e v a r i a b l e i s l i k e l y t o
a e c t a n o t h e r .
P r o g r a m m e d i n t o c o m p u t e r s , t h e s e s y s t e m s c a n a u t o m a t i c a l l y g e n e r a t e o p t i m a l p r e d i c -
t i o n s o r d e c i s i o n s e v e n w h e n k e y p i e c e s o f i n f o r m a t i o n a r e m i s s i n g .
W h e n M i c r o s o f t i n 1 9 9 3 h i r e d E r i c H o r v i t z , D a v i d H e c k e r m a n a n d J a c k B r e e s e , p i o n e e r s
i n t h e d e v e l o p m e n t o f B a y e s i a n s y s t e m s , c o l l e a g u e s i n t h e e l d w e r e s u r p r i s e d . T h e e l d
w a s s t i l l a n o b s c u r e , l a r g e l y a c a d e m i c e n t e r p r i s e .
T o d a y t h e e l d i s s t i l l o b s c u r e . B u t s c r a t c h t h e s u r f a c e o f a r a n g e o f n e w M i c r o s o f t
p r o d u c t s a n d y o u ' r e l i k e l y t o n d B a y e s i a n n e t w o r k s e m b e d d e d i n t h e s o f t w a r e . A n d
B a y e s i a n n e t s a r e b e i n g b u i l t i n t o m o d e l s t h a t a r e u s e d t o p r e d i c t o i l a n d s t o c k p r i c e s ,
7 9
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 89/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 90/95
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 91/95
8 2 A P P E N D I X A . B A Y E S I A N N E T W O R K S T E X T
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 92/95
B i b l i o g r a p h y
1 ] R e g i n a B a r z i l a y a n d M i c h a e l E l h a d a d . U s i n g l e x i c a l c h a i n s f o r
t e x t s u m m a r i z a t i o n . I n A C L / E A C L - 9 7 s u m m a r i z a t i o n w o r k s h o p ,
p a g e s 1 0 { 1 8 , M a d r i d , 1 9 9 7 .
2 ] W i l l i a m J . B l a c k . P a r s i n g , l i n g u i s t i c r e s o u r c e s a n d s e m a n t i c a n a l -
y s i s , f o r a b s t r a c t i n g a n d c a t e g o r i z a t i o n . 1 9 9 4 .
3 ] J o h n s o n R o n a l d E . R e c a l l o f p r o s e a s a f u n c t i o n o f s t r u c t u r a l
i m p o r t a n c e o f l i n g u i s t i c u n i t s . J o u r n a l o f V e r b a l L e a r n i n g a n d
V e r b a l B e h a v i o u r , 9 : 1 2 { 2 0 , 1 9 7 0 .
4 ] H . P . E d m u n s o n . N e w m e t h o d s i n a u t o m a t i c a b s t r a c t i n g . J o u r n a l
o f t h e A C M , 1 6 ( 2 ) : 2 6 4 { 2 8 5 , 1 9 6 9 .
5 ] D o n n a H a r m a n . T r e c . I n A n O v e r v i e w o f T h e T h i r d T e x t R e -
t r e i v a l C o n f e r e n c e , G a i t h e s b u r g , M D , 1 9 9 4 . N a t i o n a l I n s t i t u t e o f
S t a n d a r d s a n d T e c h n o l o g y .
6 ] M i c h a e l H a s a n a n d R u q a i y a H a l l i d a y . C o h e s i o n i n E n g l i s h . L o n g -
m a n , L o n d o n , 1 9 7 6 .
7 ] M i c h a e l H a s a n a n d R u q a i y a H a l l i d a y . A n I n t r o d u c t i o n t o F u n c -
t i o n a l G r a m m a r . E d w a r d A r n o l d , L o n d o n , 1 9 8 5 .
8 ] M . H e a r s t . M u l t i - p a r a g r a p h s e g m e n t a t i o n o f e x p o s i t o r y t e x t . I n
P r o c e e d i n g s o f t h e 3 2 t h A n n u a l M e e t i n g o f t h e A s s o c i a t i o n f o r
C o m p u t a t i o n a l L i n g u i s t i c s ( A C L - 9 4 ) , p a g e s 9 { 1 6 , L a s C r u c e s , N e w
M e x i c o , 1 9 9 4 .
8 3
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 93/95
8 4 B I B L I O G R A P H Y
9 ] G r a e m e H i r s t a n d D a v i d S t - O n g e . L e x i c a l c h a i n s a s r e p r e s e n t a -
t i o n o f c o n t e x t f o r t h e d e t e c t i o n a n d c o r r e c t i o n o f m a l a p r o p i s m s .
I n C h r i s t i a n e F e l l b a u m , e d i t o r , W o r d N e t : A n e l e c t r o n i c l e x i c a l
d a t a b a s e a n d s o m e o f i t s a p p l i c a t i o n s . C a m b r i d g e , M A : T h e M I T
P r e s s , 1 9 9 7 t o a p p e a r ] .
1 0 ] M . H o e y . P a t t e r n s o f L e x i s i n T e x t . O x f o r d U n i v e r s i t y P r e s s ,
O x f o r d , 1 9 9 1 .
1 1 ] P a s s o n n e a u R e b e c c a J . a n d D i a n e J . L i t m a n . I n t e n t i o n - b a s e d s e g -
m e n t a t i o n : h u m a n r e l i a b i l i t y a n d c o r r e l a t i o n w i t h l i n g u i s t i c c u e s .
I n P r o c e e d i n g s o f t h e 3 1 t h A n n u a l M e e t i n g o f t h e A s s o c i a t i o n f o r
C o m p u t a t i o n a l L i n g u i s t i c s ( A C L - 9 3 ) , p a g e s 1 4 8 { 1 5 5 , O h i o , 1 9 9 3 .
1 2 ] R a t h G . J . , R e s n i c k A . , a n d S a v a g e R . T h e f o r m a t i o n o f a b s t r a c t s
b y t h e s e l e c t i o n o f s e n t e n c e s : P a r t 1 : s e n t e n c e s e l e c t i o n b y m a n
a n d m a c h i n e s . A m e r i c a n D o c u m e n t a t i o n , 1 2 ( 2 ) : 1 3 9 { 1 4 1 , 1 9 6 1 .
1 3 ] H o b b s J e r r y . C o h e r e n c e a n d c o r e f e r e n c e . T e c h n i c a l R e p o r t T e c h -
n i c a l n o t e 1 6 8 , S R I I n t e r n a t i o n a l , 1 9 7 8 .
1 4 ] H o n g - Y a n J i n g , R e g i n a B a r z i l a y , K a t h l e e n M c K e o w n , a n d M i c h a e l
E l h a d a d . S u m m a r i z a t i o n e v a l u a t i o n m e t h o d s : E x p e r i m e n t s a n d
a n a l y s i s . I n P r o c e e d i n g s o f A A A I - 9 8 S y m p o s i u m , 1 9 9 8 t o a p p e a r ] .
1 5 ] K a r e n S p a r c k J o n e s . W h a t m i g h t b e i n s u m m a r y ? I n f o r m a t i o n
R e t r i e v a l , 1 9 9 3 .
1 6 ] K a r e n S p a r c k J o n e s a n d J . R . G a l l i e r s . E v a l u a t i n g n a t u r a l l a n g u a g e
p r o c e s s i n g s y s t e m s : a n a n a l y s i s a n d r e v i e w . N e w Y o r k : S p r i n g e r ,
1 9 9 6 .
1 7 ] J u l i a n K u p i e c , J a n P e d e r s o n , a n d F r a n c i n e C h e n . A t r a i n a b l e
d o c u m e n t s u m m a r i z e r . I n S I G I R ' 9 5 , p a g e s 6 8 { 7 3 , S e a t t l e , W a s h -
i n g t o n , 1 9 9 5 .
1 8 ] H . P . L u h n . T h e a u t o m a t i c c r e a t i o n o f l i t e r a t u r e a b s t r a c t s . I n
S c h u l t z , e d i t o r , H . P . L u h n : P i o n e e r o f I n f o r m a t i o n S c i e n c e . S p a r -
t a n , 1 9 6 8 .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 94/95
B I B L I O G R A P H Y 8 5
1 9 ] W . C . M a n n a n d S . T h o m p s o n . R h e t o r i c a l s t r u c t u r e t h e o r y : d e -
s c r i p t i o n a n d c o n s t r u c t i o n s o f t e x t s t r u c t u r e s . I n G e r a r d K e m p e n ,
e d i t o r , N a t u r a l L a n g u a g e G e n e r a t i o n : N e w R e s u l t s i n A r t i c i a l
I n t e l l l i g e n c e , P s y c h o l o g y a n d L i n g u i s t i c s , p a g e s 8 5 { 9 6 . M a r t i n u s
N i n j h o P u b l i s h e r s , 1 9 8 7 .
2 0 ] D a n i e l M a r c u . F r o m d i s c o u r s e s t r u c t u r e s t o t e x t s u m m a r i e s . I n
A C L / E A C L - 9 7 s u m m a r i z a t i o n w o r k s h o p , p a g e s 8 2 { 8 8 , M a d r i d ,
1 9 9 7 .
2 1 ] K a t h l e e n M c K e o w n a n d D r a g o m i r R a d e v . G e n e r a t i n g s u m m a r i e s
o f m u l t i p l e n e w s a r t i c l e s . I n S I G I R 9 5 P r o c e e d i n g s , 1 9 9 5 .
2 2 ] S e i j i M i i k e , E t s u o I t o h , K e n j i O n o , a n d K a z u o S u m i t a . A f u l l - t e x t
r e t r i e v a l s y s t e m w i t h a d y n a m i c a b s t r a c t g e n e r a t i o n f u n c t i o n . I n
S I G I R ' 9 4 , p a g e s 1 5 2 { 1 6 1 , S e a t t l e , W a s h i n g t o n , 1 9 9 4 .
2 3 ] G e o r g e A . M i l l e r , R i c h a r d B e c k w i t h , C h r i s t i a n e F e l l b a u m , D e r e k
G r o s s , a n d K a t h e r i n e J . M i l l e r . I n t r o d u c t i o n t o W o r d N e t : A n o n -
l i n e l e x i c a l d a t a b a s e . I n t e r n a t i o n a l J o u r n a l o f L e x i c o g r a p h y ( s p e -
c i a l i s s u e ) , 3 ( 4 ) : 2 3 5 { 3 1 2 , 1 9 9 0 .
2 4 ] J . M o r r i s a n d G . H i r s t . L e x i c a l c o h e s i o n c o m p u t e d b y t h e s a u r a l
r e l a t i o n s a s a n i n d i c a t o r o f t h e s t r u c t u r e o f t h e t e x t . C o m p u t a t i o n a l
L i n g u i s t i c s , 1 7 ( 1 ) : p p . 2 1 { 4 5 , 1 9 9 1 .
2 5 ] K e n j i O n o , K a z u o S u m i t a , a n d S e i j i M i i k e . A b s t r a c t g e n e r a -
t i o n b a s e d o n r h e t o r i c a l s t r u c t u r e e x t r a c t i o n . I n P r o c e e d i n g s o f
t h e 1 5 t h I n t e r n a t i o n a l C o n f e r e n c e o n C o m p u t a t i o n a l L i n g u i s t i c s
( C O L I N G - 9 4 ) , v o l u m e 1 , p a g e s 3 4 4 { 3 8 4 , K y o t o , J a p a n , 1 9 9 4 .
2 6 ] C . D . P a i c e . C o n s t r u c t i n g l i t e r a t u r e a b s t r a c t s b y c o m p u t e r : t e c h -
n i q u e s a n d p r o s p e c t s . I n f o r m a t i o n P r o c e s s i n g a n d M a n a g e m e n t ,
2 6 ( 1 ) : 1 7 1 { 1 8 6 , 1 9 9 0 .
2 7 ] C . D P a i c e a n d G . D . H u s k . T o w a r d s t h e a u t o m a t i c r e c o g m i t i o n o f
a n a p h o r i c f e a t u r e s i n e n g l i s h t e x t : T h e i m p e r s o n a l p r o n o u n \ i t " .
C o m p u t e r S p e e c h a n d L a n g u a g e , 2 : p p . 1 0 9 { 1 3 2 , 1 9 9 1 .
8/8/2019 Lex Chains
http://slidepdf.com/reader/full/lex-chains 95/95
8 6 B I B L I O G R A P H Y
2 8 ] H a s a n R . R e a d i n g C o m p r e h e n s i o n , c h a p t e r C o h e r e n c e a n d C o h e -
s i v e H a r m o n y . 1 9 8 4 .
2 9 ] P R o g e t . R o g e t ' s I n t e r n a t i o n a l T h e s a u r u s . H a r p e r a n d R o w P u b -
l i s h e r s I n c . , 4 t h e d i t i o n , 1 9 7 7 .
3 0 ] G . S a l t o n , A . S i n g h a l , M . M i t r a , a n d C . B u c k l e y . A u t o m a t i c t e x t
s t r u c t u r i n g a n d s u m m a r i z a t i o n . I n f o r m a t i o n P r o c e s s i n g a n d M a n -
a g e m e n t , 3 3 ( 2 ) : 1 9 3 { 2 0 8 , 1 9 9 7 .
3 1 ] M a r k A . S t a i r m a n d . A C o m p u t a t i o n a l A n a l y s i s o f L e x i c a l C o -
h e s i o n w i t h A p p l i c a t i o n s i n I n f o r m a t i o n R e t r i e v a l . P h D t h e s i s ,
C e n t e r f o r C o m p u t a t i o n a l L i n g u i s t i c s , U M I S T , M a n c h e s t e r , 1 9 9 6 .
3 2 ] G a l e W i l l i a m , K e n n e t h W . C h u r c h , a n d D a v i d Y a r o w s k y . E s t i m a t -
i n g u p p e r a n d l o w e r b o u n d s o n t h e p e r f o r m a n c e o f w o r d - s e n s e d i s -
a m b i g u a t i o n p r o g r a m s . I n P r o c e e d i n g s o f t h e 3 0 t h A n n u a l M e e t i n g
o f t h e A s s o c i a t i o n f o r C o m p u t a t i o n a l L i n g u i s t i c s ( A C L - 9 2 ) , p a g e s
2 4 9 { 2 5 6 , 1 9 9 2 .