中心的優(yōu)先考慮順序與句內(nèi)成分的可能解釋是如何相互影響的呢？要確定什么方法是最合適的，還要取決于對(duì)各種可能算法的進(jìn)一步研究和評(píng)價(jià)。目前，一些算法總是傾向于句子內(nèi)的指代對(duì)象，而另外一些算法則相反。一個(gè)有趣的組合是傾向于任何將代詞當(dāng)做中心的解釋，如果失敗，則傾向于句子內(nèi)的解讀而不是句子間的解讀。無論策略是什么，很重要的一點(diǎn)是，更一般的上下文因素最終決定了最好的解釋。任何只取決于結(jié)構(gòu)屬性的算法都是不完善的。

這說明，如果一個(gè)基于結(jié)構(gòu)的代詞消歧算法為每一個(gè)代詞都按優(yōu)先考慮的順序產(chǎn)生一個(gè)有序的可能指代對(duì)象序列，然后讓通用推理系統(tǒng)來做最后的決策，那么這種算法將是非常有用的。

尋找可能的先行詞

下面的例子說明了一個(gè)算法。該算法基于局部篇章上下文、共指約束和剛才討論的中心約束的一個(gè)子集，對(duì)每個(gè)代詞產(chǎn)生可能指代對(duì)象的一個(gè)有序列表。遺憾的是，由于共指約束，不存在一種方法可以獨(dú)立地處理每一個(gè)代詞。例如，在句子17b中，如果兩個(gè)代詞獨(dú)立解釋，每一個(gè)首選的指代對(duì)象將是局部上下文的中心，即“Jack”。但是，因?yàn)樽苑葱约s束的緣故，我們知道兩個(gè)代詞都不是指Jack。除了對(duì)每一個(gè)代詞的指代對(duì)象都列出所有組合情況外，在這個(gè)階段，還沒有什么辦法可以避免這個(gè)問題。在下面的算法中，將跳過這一問題。兩個(gè)代詞最可能指代對(duì)象“Jack”，我們將求助于推理系統(tǒng)中的共指約束和解釋過程。這樣，推理系統(tǒng)在最后決策時(shí)，可能需要考慮中心約束3。這個(gè)算法的3個(gè)步驟如下：

1. 對(duì)每一個(gè)代詞產(chǎn)生可能先行詞的有序列表。

2. 用一般的推理來選擇合適的先行詞。

3. 用步驟2的結(jié)果來定義句子的Cb，并將其用做下一個(gè)句子的局部上下文的一部分。

圖3給出了步驟1的算法?？疾炱?7中的算法，句子17a所生成的局部上下文如圖2所示。句子17b“He invited him to the party”的邏輯表達(dá)式如下：

(PAST(INVITEl il [AGENT (PRO h1 (&(HE1 h1) (# h1 h2)))]

                        [THEME(PRO h2(&(HE1 h2)(#h1 h2)))]

                        [PURPOSE

考慮代詞（PRO h1(&（HE1 h1)（≠h1 h2))),候選的初始列表包括Cb(Jack1),Cp(Jack1 again)，句子內(nèi)的先行詞（為空）和其他篇章實(shí)體(Sam1，Park3），最后的列表為（Jack1 Sam1 Park3）。只有前兩個(gè)滿足h1上的約束，所以邏輯表達(dá)式更新為：

(PRO h1 HE1 (≠ h1 h2) (REF-LIST h1 (Jack1 Sam1)))

第二個(gè)代詞的處理過程類似，邏輯表達(dá)式更新為：

(PRO h2 HE1(≠ h1 h2)(REF-LIST h2(Jack1 Sam1)))

這一信息將傳遞給第2步中的通用推理系統(tǒng)。如果它與直覺相一致，則第2步認(rèn)定h1的先行詞為“Jack1”，h2的先行詞為“Sam1”。基于這樣的結(jié)果，我們可以確定當(dāng)前句子的中心，并且用做下一個(gè)句子的局部上下文。該算法的第3步如圖4所示，這一步實(shí)現(xiàn)了前面提到的中心約束理論。在前面的例子中，這一算法的執(zhí)行結(jié)果是“Jackl”被確定為新的Cb。

圖3為非反身代詞確定可能先行詞的算法

圖4識(shí)別新的Cb的算法

責(zé)任編輯：admin