這一方法也適用于定指性名詞短語。例如，考慮下面的篇章：

5a. Jack poisoned Sam. (Jack 對Sam下了毒。)

5b. The villain was arrested within a week. (這個壞人在一周內(nèi)就被逮捕了。)

雖然事先無法知道“Jack was a villain”(Jack是壞人），相同的技術(shù)也有效。句子5b可以解釋為：

ARREST(E9) & Theme(E9) = V1 & Villain (V1)

給定這樣的知識：villain(壞人）是指一種類型的人，并且Jack是一個人，在V1=Jack1的假設(shè)下，這個解釋將與期望3匹配。因此，我們就可以得到結(jié)果，Jack是一個壞人。

為此，期望匹配算法可以是解決指代問題的有力工具，但是它不能代替前面介紹的指代消解的其他技術(shù)。舉例來說，即使只使用語義信息就能確定明確的指代對象時，局部上下文的約束可能也是重要的?；貞浺幌乱郧暗睦樱?/p>

6. Jack walked over to the table and drank the wine. It was brown and round.

（Jack走到桌邊，喝了葡萄酒。它是棕色的，圓的。）

即使桌子（“table”)是惟一一個可以是棕色的并且是圓形的對象，這個句子也是很別扭并且有缺陷的。給定期望后仍有歧義的情況下，來自于局部上下文的優(yōu)先關(guān)系也是很重要的，例如：

7a. Jack poisoned the man from whom George stole the jewels.

（Jack對那個曾經(jīng)被George偷過寶石的人下了毒。）

7b. He was arrested within a week. (在一周內(nèi)，他就被逮捕了。)

在這種情況下，被逮捕的對象（即期望）可能是Jack和George，因為他們兩人都涉嫌非法活動。基于期望匹配算法，H3=Jack1和H3=George1的可能性是相同的；而基于中心理論，則更傾向于前一個對象(即H3=Jack1)。通過分析句子7a的解釋，可以看到來自于結(jié)構(gòu)優(yōu)先的更多證據(jù)，這種證據(jù)跟期望沒有什么關(guān)系，這些證據(jù)改變了傾向的解釋：

8a. George stole the jewels from the man that Jack poisoned.

（George 從 Jack曾經(jīng)下過毒的那個人處偷了寶石。）

8b. He was arrested within a week. (在一周內(nèi)，他就被逮捕了。)

在這種情況下，被逮捕的是指George，這與中心約束是一致的。

要把約束與期望匹配過程結(jié)合起來，我們只需要簡單地增加下面的條件：如果有多個解釋與期望匹配，那么將選擇與來自于局部上下文的優(yōu)先關(guān)系最一致的那個解釋。

期望匹配是一種非常有效的方法，但是這種方法的有效程度完全取決于生成期望的過程。

責(zé)任編輯：admin