博文
【新智元笔记：机器的馅饼（续篇）】
|||
我：不过，一般人不这样说话的，更常见的说话应该是： “他们把杀害孩子父亲的同伙抓到了”
白：这个简化有问题：“他们把杀害孩子父亲的同伙抓到了”。我说的意思是“父亲的同伙”。
要说什么知识能在“孩子的父亲”和“父亲的凶手”争抢“父亲”时选择“孩子的父亲”，我觉得统计就可以。再多就重了。同理，在“孩子的凶手”和“凶手的同伙”之间，选择后者的原因也可以仅仅是统计。当然，我们可以写一条词例化规则，名词“凶手”优先接受“含坑谓词+的”类型定语的修饰。
“N1的N2”做个双向的协同推荐，多大个事儿。
但“同伙”处理起来比“凶手”头疼。“凶手”和谓词有更紧密关联，但毕竟是可以独当一面的。但“同伙”却要求一个名词（或名词短语）作为先行词，也就是说“同伙”隐含了一个坑，让一个名词往里跳。（参考：“同伙都招了，你还在这死扛，有意思吗？”）
我: 怎么讲？ “N1的N2”做个双向的协同推荐，多大个事儿。”
所谓统计可以定谁的力量大，道理上没问题，实现起来并不是那么容易。先放着。
协同推荐是什么？
孩子的父亲的同伙，pattern 是： human de human de human，结构呢？
[[孩子的父亲] 的同伙] or [孩子[父亲的同伙]] ?
Based on ontology, the link between 孩子 and 父亲 seems to be stronger than 父亲 and 同伙（although it is not as strong as 凶手 and 同伙）。这是其一。只从本体的角度看，只看这个言语片段，不看更大的上下文。
其二，正因为普世本体（universal ontology）把孩子与父母之间紧密相连，到了汉语，实际语言中在提到二者的“定中”关系的时候，syntax 上就趋向于省去 “的” 来表达这种紧密度：我们更多地说 “孩子父亲“， 而不是 ”孩子的父亲“，尤其是在一个有很多 “的” 字连续使用的场景。
根据汉语的这个特点，我们在结构歧义中正好得出了与本体相反的 association： 优选 [孩子的[父亲 的同伙]]，而不该是 [[孩子的父亲] 的同伙]， 理由就是如果是后一种意思，通常的说法应该省去第一个“的”。
这样一来就有两个角度，两股力量，来对这个歧义结构发生影响，而这两个影响正好是相对抗的。
一个系统要是能做到这一步，细化到可以协调普世本体和句法趋向的矛盾，虽然可以想象，但是很可能捉襟见肘。还不如拉倒，就把两种可能路径都 decode 出来，给语用阶段的语义落地一个 recall 更好的支持。这才是更现实的路线。都是 human，再往更细处找 heuristics 是吃力不讨好，容易捡了芝麻，丢了西瓜。而 decode 出更多的可能路径，在语义中间件去做，现在已经发现是完全 tractable 的任务。
前两天给的 case 就是这样一个 例证，各种可能的依存关系都双双成对（bianry linking）了，也许是迄今最酷的图之一吧（反正我看了图就乐，这个 non-deterministic dependency graph 看上去不是很酷吗？）：
而在语义中间件实现它，一点没费我多大事儿。一两条简单的规则就搞定。
一般而言，普世本体因为是标配（default semantics），总是让位于句法的。今天谈的case（“孩子的父亲的同伙”）很不巧，并不是 hard 句法，而是 soft 句法、一种句法趋向，基本属于统计的 heuristic，在这种情况下，就不敢说，本体要让位于句法了。
本体让位于句法存在于 hard syntax 中，譬如乔老爷的 green ideas 里面的种种关系，一律是句法赢了本体。
或者是下面这样的 hard syntax cases：
鸡吃了我。
鸡把我吃了。
既然各路力量角逐不清，明智的路线是尽可能不 jump to conclusions，不惹它 （keep ambiguity untouched，keep options open）。
白:
蒙牛那个图，光看箭头不作数的。同样的入边，有的是并存关系，有的是互斥关系。只有标了互斥关系，才能在一念之间倒向一种语义解释，同时抹掉互斥的歧义解释。所以不是个一般的图，而是个与或图。
我: 其实没那么复杂。多一些 binary links，不过是增加了 recall 的可能。在一个实用的鲁棒的系统中，即便是一个包含了很多 binary links 的完整的 sentential parse，在运用（譬如索引和检索）的时候，为了 robustness和 recall 的需要，往往还要人为打破全 parse，更不用说这种 additional 对这些links 之间的制约了。
该有的制约除去以后，会不会损失应用和语义落地的精准？当然会。不过，多年的经验表明，这个损失比起所收获的好处，是不值一提的。
再举一例，一个 phrase 或 chunk，存到了 index 里面，当 query 来搜索匹配的时候，是坚持全匹配好呢，还是部分匹配好呢？显然，full string matching 最精准，partial matching 有漏洞，照顾了 recall 牺牲的是 precision。我们做研发的还在那里争论啊、琢磨啊怎么去平衡，或者试图想出什么更精妙、精巧的办法来。结果，做应用的工程师根本就不管，三下五除二就决定实施了 partial 的策略。最后不得不服，这是最合理的一个 heuristic，至少在我们的应用场景，query 大多是品牌和产品名的情形下，partial matching 是最有效的一个 heuristic。
白: 不能并存的放在一起，碍眼。
这个蒙牛图有点像歧义图形，说像鸭子就越看越像鸭子，说像兔子就越看越像兔子。
我：哈，要的就是这个效果。语用就好这一口。因为到了语用，发愁的是该有的不在雷达上（recall support 不足），而不用担心损失精准度（precision），因为语用聚焦的结果就是词驱动（word-driven）的语义抽取，本性就是偏向精准（precision-oriented）的。因此如果语用对鸭子感兴趣，就不愁抽不出鸭子来。反之亦然。
【相关】
【立委科普：结构歧义的休眠唤醒演义】https://blog.sciencenet.cn/blog-362400-971112.html
上一篇：双赢的shopping
下一篇：【新智元笔记：词的幽灵在NLP徘徊】
