博文
【李白对话录之八：有语义落地直通车的parser才是核武器】
|||
bai：
“你牺牲了的战友不能瞑目。”
“张三打得李四脸都肿了。”
我:
张三打李四
...打得他脸都肿了
...打得他手都肿了
...打得脸都肿了
...打得心直哆嗦
...打得好痛快
...打得鼻青脸肿
...打得天昏地暗
这些后续与第一句的不同组合，有些可以转成白老师的句式
s v o v 得 vp --> s v 得 s2 vp
bai:
填坑角度看不一样，前面topic填名词坑还是动词坑还是与坑无关。天昏地暗可以当一个形容词。拆开来看天和地都不能成为填“打”的坑的共享萝卜。
谓词结合的不同方式，只有显式地描述坑和萝卜才说得清
我:
对，不是都可以转，必须后一个s2是前一个 o 的时候，才可以转。如果 s2 回指第一个 s, 那就是另一组了。
“天昏地暗” 是成语形容词，黑箱子词，句法拆不开。
我用 vp 表达的不是 vp 是“谓语p” 的意思 包括 ap。以后得创造一个合适的标签 PredP
只剩下一个主语的坑待填。对于主语，谓语是ap 还是 vp，不重要。人家自己已经内部摆平了，不关主语事儿。
bai:
类似：(a/b)*(b/c)=a/c
我:
谁脸肿了？
李四。
谁手肿了？
不好说，但张三比李四可能更大，因为打人借助的工具往往是手。打人最常打的部位是脸，
而不是手。这个 minimal pair 真心诡异：
张三打李四打得他脸都肿了
张三打李四打得他手都肿了
也是中文文法很操蛋的鲜活例证。
bai:
没啥，常识都是软的，一碰到硬证据就怂。
你不说对方手上挨打，那就是打人者手肿，说了，那就是挨打者手肿。语言和常识推理已经融为一体。各种标配都是随时准备让位给例外的，例外不出山，标配称大王。
我:
白老师的段子是张口就来啊。这个说段子的功力很神。
bai:
在填坑时，先不管三七二十一按标配填，再给例外一个权利，可以override标配。
试试
“你渴了饮水机里有水可以喝。”
缩合条件。
我:
马上出门 回来再试
喝水不就是 “有 o 可以 vt”？蛮常见的。
有书可读
有澡可洗
bai:
但填坑结构是跨前后件的。
啥句法标签呢？
我:
补足语，逻辑 vo 单标。graph 也不管它怎么绕了，看上去合理就行。反正用的时候都是子树匹配，落地甚至可以是 binary 关系组的匹配。原则上，任何 node 可与 任何 node 发生暧昧，不讲门当户对。
一张分析全图（the entire tree）的元逻辑性（meta logicality）可以不管它，只要个体的 dependency 有说法就行了。英语也是：“have a book to read”
句法标签是 宾语 ➕ 宾补，后加逻辑vo
到了逻辑语义层 或语用层、抽取层，句法的层次理论和原则不算数了。
bai:
“他有三个保镖保护着。”
句法上其实有条件带点笼统性地把坑共享的标配拿出来。
我:
有 np vt，vt 的标配是 np 做宾语（o），若要 s 做逻辑宾就需要外力。
bai:
这房间有三扇窗户可以通风采光。连逻辑宾都不是，最多算间接逻辑宾
我:
我的理解是逻辑主语。两个主语都说得通，全部与部分。
bai:
“这房间”对于“通风采光”来说是填什么坑呢？
我:
主语啊。窗户也是主语，不过是整体和细节的区分而已：
窗户通风了，房间自然通风。
bai:
这套音响有七个音箱和两个低音炮可以营造出环绕立体声效果。
我:
这样不断营造语用现场，其实导致的不是语言学关系的矛盾，而是语义 interpretation 的挑战。
语言学关系的标签，本性是弹性的，哪怕标签取名不一定合适或容易误导（譬如主语误导为施事，其实未必）。 主语也好、宾语也好，都是万能的筐，什么 interpretation 都可能。话题（Topic）就更甭提了。
常识来说 立体声效果的营造，应该是立体装置的总体，这些装置的个体达不成这个效果。这是知识内部的争论，与语言表达背后的结构关系不大。知识内部也可 argue 立体装置中某个装置是决定性的，那个装置效果出来了，立体效果就基本出来了。
这是两套系统，两个层面。 结构关系，与我党对历史事件的原则一致，宜粗不宜细，留下语义解释或争论的空间。
bai:
那就干脆粗到不分主宾语，只计数目，不计语序方向，更不计subcat的相谐，装到框里再说。在遇到多种填坑戴帽可能性的时候，再把这些法宝一个一个祭出来。吃瓜打酱油的捎带着做细了。不是为了做细而做细，是为了增加确定性而做细。这就有意思了，比如量词搭配。看起来是在细化修饰关系，可顺带把逻辑宾语搞定了，纯粹是搂草打兔子。
我:
不是不可。实践中，往往在句法关系或标签的 representation 的极端做法之间，做个折衷。更多是为了方便。说到底，一切句法语义计算的表达，都是人自己玩，方便原则不过是让人玩的时候，少一点别扭而不是求一个逻辑完备性。representation 作为语言理解的输出，本质是人的逻辑玩偶。爱怎样打扮都可以。这个本性是所谓强人工智能的克星。
bai:
我还不那么赖皮……
我:
强ai 更赖皮
bai:
刚性的局部可以顺带给柔性的全局注入一小丢丢刚性，但是出发点就没指望全局会百分之百刚性。
我:
连语义的终极表达都一头雾水，说什么强智纯属扯淡。
bai:
强AI我反对，语义表示太过任意我也不赞成。总要有个松紧带勒着。
我:
system internal 是做现场的人的现实。很多东西就是有一个模模糊糊大的原则，或有相当弹性的松紧带。下面呢，就是一个系统内部的协调（system internal coordination）。在人叫自圆其说，在机器就是内恰。
bai:
二分法是要的，一部分role assignment，一部分symbol grounding。前者是深度NLP的必修课，后者跟现场关系更大些。
过松的松紧带，红利已经吃得差不多了。新兴的松紧带，不紧点就没有投资价值。
我:
投资价值与宣传价值还有一些不同。投资价值对松紧不会那么敏感，除非是投资与宣传（marketing）紧密相关的时代，譬如当下ai泡沫的时代，或当年克林顿的时代。
投资价值的落脚点还是语义落地（semantic grounding）。至于怎么落的地，松啊、紧啊，不过是给一个宣传的说法。昨天我还说，syntaxnet 和很多 dl 都是开源的，要是好落地为产品，还不是蜂拥而上。现实是，不好落地。
所谓核武器是这样一个工具，它有一个明确的落地途径，至少从方法学上。system internal 的落地管道，被反复验证的，余下的主要是领域打磨和调试。
bai:
现在很多公司是万事俱备，就差核武器
我:
syntaxnet 至少目前状态没有这个。虽然也是 deep parsing，但并不是所有的 deep parsing 都是核武器，要看是谁家的、怎样的 deep parser 才有核武器的威力。
bai:
你没看上眼的，我们可以不用讨论
我:
看上眼的dl，是有海量带标数据的（最好是自然带标数据，无需组织人去标注），端对端绕过显性结构的，里面满肚子谁也猜不透的隐藏层黑箱子的机器，譬如神经机器翻译（ nmt）。
bai:
带标看标在什么地方。标在字典里OK，那算数据资源建设。标在语料里，即便假定标注体系在语言学上是正确的，还要考虑做不做得起呢，何况语言学上错误的标注体系，更让人怀疑有没有价值和意义去如此大动干戈了。
我: 回家了，可以测试：“你渴了饮水机里有水可以喝。”
逻辑的坑都没到位。句法的框架不能算离谱。就是这样。至于叫补足语还是叫 Next，也无大关系，反正后续语义中间件需要这么一个桥梁做细活。“有 NP V” 的句式以前调试过，比想象的复杂，一直没搞定，就放置一边了。
bai：
“有电话可以打”“有空调可以吹”“有大床可以睡”
不必然是逻辑主语，不必然是逻辑宾语，甚至不必然是必选坑。两个谓词中间被NP穿插的，朱先生书里叫“连谓结构”。类似伟哥的next。
我：哈。
bai:
大床居然是S
我:
目前词典没有收可分离合成词 “睡床” 或 “睡大床”。 默认做主语 也是可以的。循 “有 什么什么 发生了” 的句式， 何况 “睡” 做不及物动词的时候更多。不是说分析对了，而是说错得有迹可循。汉语“有”在句首的时候，常常是 dummy，如果 “有” 前有个 NP，那么后面的 NP 做主语的机会就相应减少了。
白老师曰: 大床居然是 S
有两个哥们，一个叫大床，一个叫小床。大床爱睡懒觉，小床爱撒酒疯。有大床睡，就有小床喝，一刻不得安宁 .... 【谁接龙？】
bai:
白老师还曰，任何成分皆可为专名。
我: =:)
吾谁与归？
bai:
时不我待
我:
想起文革时期的莫须有群众举报，结论是：事出有因，查无实据。然后是 有则改之无则加勉 就是教育被污名者自认倒霉，没的冤枉。
说实心话，昨天白老师说很多公司是，万事俱备，只欠东风。时不我待，我手心的疑似东风如何才能刮起？
bai:
专名是一种层次纠缠。
事出有因，查无实据；有则改之 无则加勉。这是那年代的套话
方言，成了小说里的人名；文章，成了现实中的人名。
找谁讲理去。
只能用“结构强制”，从外部施加影响，再辅以大数据。
我:
说事出有因 是文过饰非。
不过 nmt 测试的结果常常连事出有因 都很难。一个长句 只有一个字不同，而且这个不同的字还是同质的，nmt 翻译结果却有很大的不同。这个现象非dl专家无法解释和理解
bai:
所以规则层面的、用可理解的特征直接表示的知识如何混入大数据直接参与学习甚至“编译”，非常重要。
我:
所谓符号逻辑派 就是错了 也错得事出有因 debug 也知道症结所在
bai:
符号逻辑派缺乏的是柔性，不知道认怂，一错到底。
我:
yeh 见过这种人 还不少
【相关】
【李白对话录之七：NLP 的 Components 及其关系】
https://blog.sciencenet.cn/blog-362400-1014627.html
上一篇：Final Social Media Sentiment Statistics Before Election
下一篇：Small talk with Daughter on US Election
