Ứng dụng phương pháp phân cụm hỗ trợ xác định vai nghĩa trong kho văn bản biểu diễn ngữ nghĩa trừu tượng tiếng Việt

Tóm tắt

Xác định vai nghĩa (Semantic Role Labeling - SRL) là một trong những vấn đề quan trọng của Xử lý ngôn ngữ tự nhiên (NLP), đóng vai trò thiết yếu trong các ứng dụng như trích xuất thông tin, trả lời câu hỏi, và phân tích ngữ nghĩa. Vai nghĩa giúp xác định mối quan hệ giữa động từ trong câu và các thành phần liên quan như chủ thể thực hiện hành động (Agent), đối tượng bị tác động (Patient), thời gian (Temporal), và địa điểm (Location). Có nhiều phương pháp hỗ trợ xác định vai nghĩa, trong đó ứng dụng các thuật toán phân cụm như K-means, phân cụm phân cấp là một hướng đi hiệu quả. Luận văn này tập trung nghiên cứu cách áp dụng thuật toán K-means và phân cụm phân cấp để phân nhóm các động từ tiếng Việt dựa trên ngữ nghĩa và ngữ cảnh của động từ. Đầu vào của hệ thống là các động từ kèm theo ngữ cảnh trong câu, gồm các thành phần cú pháp liên quan như chủ ngữ, tân ngữ, hoặc bổ ngữ. Đầu ra là các nhóm động từ được phân cụm theo ngữ nghĩa tương đồng kèm theo khung cú pháp và khung ngữ nghĩa tương ứng. Trong quá trình thực nghiệm, hệ thống được áp dụng trên một bộ dữ liệu Từ điển máy tính cho tiếng Việt (VCL) với tổng cộng 12.886 nét nghĩa của động từ và ngữ cảnh. Sau khi tiến hành phân cụm K-means kết hợp với phân cụm phân cấp, các nét nghĩa động từ này được chia thành 1.273 cụm. Dữ liệu từ phân cụm được kết hợp với kho ngữ liệu ngữ nghĩa trừu tượng tiếng Việt đã xây dựng (Abstract Meaning Representation - AMR) để gán khung ngữ nghĩa. Những câu ngữ cảnh của các động từ trong các cụm sẽ được phân tích cú pháp thành phần. Sau đó, các thành phần chính của cú pháp thành phần sẽ được trích rút để tạo thành khung cú pháp của từng cụm động từ. Kết quả thu được 1.273 cụm dựa trên đặc điểm ngữ nghĩa, kèm theo khung cú pháp và khung ngữ nghĩa tương ứng, tạo tiền đề cho việc áp dụng vào các bài toán Xử lý ngôn ngữ tự nhiên như phân tích ngữ nghĩa, dịch máy, và trích xuất thông tin.