Diskursrelationen und ihre Markierung

Antonina WertmannOlena Beck

08.12.2006 Seite 2

Diskursrelationen Diskursrelationen werden auch

rhetorische Relation oder Rhetorische Prädikate und

Kohärenzrelation genannt. Eine Diskursrelation ist die

Beziehung, die zwischen zwei Äußerungen besteht, die kohärent verbunden sind.

08.12.2006 Seite 3

Wozu dienen Diskursrelationen? Verwendet für:

Textverstehen Textzusammenfassung und -

komprimierung Dialogverstehen Informationsextraktion

08.12.2006 Seite 4

Sichten der Diskurs-Kohärenz

1. Ein Diskurs ist kohärent, wenn die Segmente durch ihren Inhalt verbunden sind. Ein solcher Typ der Kohärenz heißt referential oder topic continuity.

2. Ein Diskurs ist kohärent, wenn es eine Relation zwischen zwei oder mehreren Diskurssegmenten gibt. Diese Relation kann zwischen zwei aufeinander folgenden Sätzen, Paragraphen oder Kapiteln existieren. Ein solcher Typ des Zusammenhanges heißt coherence relation.

08.12.2006 Seite 5

Definition der KohärenzrelationenSeien zwei Diskurssegmente S1 und S2 gegeben. Weiterhin gelte, dass S1 und S2 direkt oder indirekt die Aussagen P und Q ausdrücken, die inhaltlich verbunden sind. Die Kohärenzrelation definiert, wie S1, S2 auf P und Q abgebildet werden. Das Problem bei der Bestimmung von Kohärenzrelationen ist:● P und Q zu finden● P und Q zu S1/S2 in Zusammenhang zu bringen

P und Q können entweder Propositionen oder Illokutionen sein, die durch S1/S2 ausgedrückt sind.

Es gibt vier grundlegende Kriterien, nach denen die Diskursrelationen klassifiziert werden können.

08.12.2006 Seite 6

Das 1. GrundkriteriumZuerst wird die Frage beantwortet, ob die Relation zwischen P und Q eine kausale Relation ist, wenn nicht, dann ist die Relation additiv. Ein solches Kriterium wird basic operation genannt.

Die additive Relation (PQ) entsteht nur, wenn beide Diskurssegmenten für den Sprecher wahr sind.

Die kausale Relation (PQ) entsteht, wenn ein Diskurssegment P das zweite Diskurssegment Q impliziert. Die kausale Relation ist nur dann wahr, wenn beide Segmenten wahr sind. Noch wichtiger ist, dass eine Verbindung zwischen P und Q existiert, z.B.:Wenn Schweden größer als Dänemark ist, dann ist Jürki älter als Lauri.

08.12.2006 Seite 7

Das 2. GrundkriteriumDas zweite grundlegende Kriterium heißt source of coherence. Dabei wird die Frage betrachtet, ob eine Relation zwischen den Propositionen oder den Illokutionen in S1 und S2 existiert.

Im ersten Fall ist die Relationen semantisch, P und Q sind Propositionen und werden durch S1 und S2 ausgedrückt. Die Diskurssegmente sind durch ihren propositionalen Inhalt verbunden. Die Relation existiert, weil wir durch Weltwissen die beiden Diskurssegmente im Zusammenhang bringen können, z.B.:Das Einhorn starb, weil es krank war.

08.12.2006 Seite 8

Das 2. GrundkriteriumIm zweiten Fall ist die Relation pragmatisch. P und Q sind Illokutionen und werden durch S1 und S2 ausgedrückt. Die Kohärenz existiert, weil der Sprecher zielorientiert ist.

Milch ist im Kühlschrank. Ich bin beschäftigt.

Milch ist im Kühlschrank. Ich habe sie gestern dorthin gestellt.

08.12.2006 Seite 9

Das 3. GrundkriteriumDie dritte Frage ist, in welcher Ordnung P und Q im Diskurs vorkommen. Wenn die Information im ersten Diskurssegment S1 in den Basisoperation (PQ oder PQ) P ausdrückt und S2 Q, wird das basic order genannt, z.B.:

Wenn das Glas herunter fällt, dann wird es zerbrechen.

Drückt dagegen in den Basisoperation S1 Q und S2 P aus, dann wird das nonbasic order genannt.

Das dritte Kriterium heißt order of the segments.

08.12.2006 Seite 10

Das 4. GrundkriteriumDas vierte Kriterium heißt polarity.

Die letzte zu betrachtende Frage ist, ob P und Q in den basic operations den S1/S2 oder ¬S1/¬S2 entsprechen.

Die Relation heißt positiv, wenn P und Q in den basic operations S1 und S2 repräsentieren und negativ, wenn P und Q ¬S1 und ¬S2 entsprechen.

BasicOperation

Source ofCoherence

Order Polarity Class Relation

Causal Semantic Basic Positive 1. Cause-consequence

Causal Semantic Basic Negative 2. Contrastive cause-consequence

Causal Semantic Nonbasic Positive 3. Consequence-cause

Causal Semantic Nonbasic Negative 4. Contrastive consequence-cause

Causal Pragmatic Basic Positive 5a. Argument-claim

5b. Instrument-goal

5c. Condition-consequence

Causal Pragmatic Basic Negative 6. Contrastive argument-claim

Causal Pragmatic Nonbasic Positive 7a. Claim- argument

7b. Goal-instrument

7c. Consequence-condition

Causal Pragmatic Nonbasic Negative 8. Contrastive claim- argument

Additive Semantic - Positiv 9. List

Additive Semantic - Negative 10a. Exception

10b. Opposition

Additive Pragmatic - Positiv 11. Enumeration

Additive Pragmatic - Negative 12. Concession

Sanders, Spooren und Noordman definieren eine Taxonomie, in derverschiedene Diskursrelationen in 12 Klassen gegliedert sind.

08.12.2006 Seite 12

Beispiele zur Taxonomie1. Letzte Woche regnete es viel in Schottland, weil es ein

Tiefdruckgebiet über Irland gab.

basic operation: causalsourse of coherence: semantic Relation: consequence-causeorder: non-basicpolarity: positiv

2. Letzte Woche regnete es viel in Schottland. In den Niederlanden war das Wetter auch schlecht.

basic operetion: additivesourse of coherence: semantic Relation: listorder: -polarity: positiv

08.12.2006 Seite 13

Beispiele zur Taxonomie3. Letzte Woche war das Wetter in Schottland schlecht, während in den

Niederlanden die Sonne schien.

basic operation: additivesourse of coherence: semantic Relation: oppositionorder: -polarity: negativ

4. Das Klavierkonzert von Beethoven wurde aus dem Programm genommen, weil der Solist Anthony di Bonaventura sehr ernst erkrankte.

basic operation: causalsource of coherence: semantic Relation: consequence-causeorder: nonbasicpolarity: positiv

08.12.2006 Seite 14

Experimente zur Diskursrelationen

Das Ziel des ersten Experiments war festzustellen, ob die gegebene Taxonomie der Relationen mit der intuitiven Klassifizierung der Relationen von den Versuchspersonen übereinstimmt.

34 Sätze wurden mit dem originalem Kontext gegeben. Der Prinzip von vier Grundkriterien wurde bevor erklärt und die Liste mit den Relationen anhand gegeben. Die Versuchspersonen mussten die Sätze nach den 17 Relationklassen sortieren.

Das Ergebnis zeigte, dass die sortierten Sätzen der Versuchspersonen mit den originalen Relationklassen übereinstimmten.

08.12.2006 Seite 15

Das zweite ExperimentDas Ziel des zweiten Experiments war es festzustellen, ob Menschen in der Lage sind, selbst Relationen zwischen den Sätzen zu finden und zu bestimmen, zu welcher Klasse sie gehören.

Es wurden 32 Paare von Sätzen mit ihrem Originalkontext vorgegeben. Die Versuchspersonen mussten selbst die Satzpaare durch Konjunktionen zu 18 Sätzen verbinden und bestimmen, zu welchen Relationsklassen diese Sätze gehören, z.B.

1. (wurde) das Klavierkonzert von Beethoven aus dem Programm genommen

2. (erkrankte) der Solist Anthony di Bonaventura sehr ernstDas Ergebnis zeigte, dass die Klassifizierung der Sätzen von den Versuchspersonen mit der Taxonomie übereinstimmte.

Die Experimente zeigen, dass die vier Grundkriterien ausreichend sind, um deutliche Unterschiede zwischen den Relationen zu machen und die Sätze nach der Taxonomie richtig zu klassifizieren.

08.12.2006 Seite 16

Relationen, die nicht in die Taxonomie eingegangen sindTemporale RelationJohn nahm den Hörer ab. Er wählte eine Nummer.Beschreibende RelationJohn hat eine Anzahl an Schweinen. Sie sind rosa und sie produzieren viel Fleisch.Verlinkte RelationUnd am Sonntagmorgen gegen 5 Uhr, setzte ich mich in der Penn Station hin. Und während ich dort saß, kam eine junge Katze zu mir hoch, [...]Alternative RelationHeute Abend gehen wir ins Kino oder bleiben zu Hause.

08.12.2006 Seite 17

Wofür benötigt man die Taxonomie der Relationen

● für die Untersuchung des Spracherwerbs

● für Textanalyse

● für psycholinguistischen Forschung

18

Diskursrelationen und ihre Markierung - Teil 2

Diskursrelationen und ihre Markierungen in der Anwendung

08.12.2006 Seite 19

Finden von Diskursrelationen Damit Computer Diskursrelationen

finden und verstehen können ist es notwendig Festzustellen, ob zwischen zwei

Textsegmenten eine Relation besteht Automatisch Diskursrelationen zu

klassifizieren

08.12.2006 Seite 20

Diskurs-Markierungen Diskurs-Markierungen sind

Signalphrasen die eine Diskursrelation eine Diskurs-Segmentgrenze

anzeigen.Aber: Diskursrelationen hängen nicht

vom Vorhandensein von Markierungen ab!

08.12.2006 Seite 21

Diskurs-Markierungen IIDiskursrelation Signalphrase

Aufzählung Und, dann, weiterhin

Kontrast Obwohl, aber, während

Ursache-Wirkung Weil, und so, deshalb, darum

Gleichheit Faktisch, andererseits, ungefähr, ebenso

Themenwechsel Übrigens, nebenbei

Beispiel Zum Beispiel

Verfeinerung Genauer gesagt, also

Generalisation Im allgemeinen, meistens

Attributive Sagen, dass… glauben, dass..

Temporale Bevor, während

08.12.2006 Seite 22

Identifikation der Diskursrelationen durch syntaktische und lexikalische Information

Der Computer klassifiziert Diskursrelationen:

1. Mit Hilfe von Signalwörtern2. Mit Hilfe von Sinnrelationen3. Temporale und attributive Angaben

08.12.2006 Seite 23

Markierungen: Ein Beispiel

Beispiel: [Auf der Straße gab es viele Unfälle.]a [Deshalb wird eine Unterführung gebaut.]b (Ursache-Wirkung)

Beispiel: [Das Essen war sehr schlecht.] a [Außerdem war es auch noch teuer.]b

(Aufzählung)

08.12.2006 Seite 24

Sinnrelationen: Ein Beispiel

Beispiel: Idealerweise akzeptieren die Menschen einander überall auf der Welt als ebenbürtig. Die Wirklichkeit ist nicht so einfach. (Kontrast)

Beispiel: Jede Stadt hat viele Geschäfte. Geschenkläden, Warenhäuser, und Supermärkte sind die Haupteinkaufs-möglichkeiten. (Beispiele)

08.12.2006 Seite 25

Bestimmung der Sinnrelationen Mit Hilfe von WordNet, GermaNet, ...

Brandeis Semantic Ontology (BSO) (Pustejovsky et. al 2006)

Notwendig für alle möglichen Wortpaare!

08.12.2006 Seite 26

Bestimmung temporaler und attributiver Angaben Mit Hilfe von EviTA

Findet und annotiert auf Ereignisse verweisende Phrasen die zeitlich geordnet werden können

SlinkET Identifiziert Modalität der

vorkommenden Verben

08.12.2006 Seite 27

SlinkET Beispiel

08.12.2006 Seite 28

Eine Studie zur Klassifikation von DR(Pustejovsky et. al 2006)

Studie zur Identifikation und Klassifikation von DR

Als Merkmalsvektor wurden Signalwörter, Sinnrelationen, Temporale und Attributive Merkmale verwendet

Verwendete Werkzeuge: Graphbank, Brandeis Semantic Ontology, EvITA, SlinkET

08.12.2006 Seite 29

Eine Studie zur Klassifikation von DR(Pustejovsky et. al 2006)

Merkmalsvektor lässt sich für alle möglichen Segmentpaare bilden (!)

Maximum Entropie Klassifikator wurde verwendet, um DR zu bestimmen

Daten kamen aus Graphbank, einem mit DR annotiertem Korpus

80% der Relationen konnten richtig klassifiziert werden

08.12.2006 Seite 30

LiteraturTed J.Sanders, Leo G. M. Noordman. 2000. The role of coherence relations and their linguistic markers in text processing.Wellner, J. Pustejovsky, C. Havasi, A. Rumshinsky, R. Sauri. 2006. Classifikation of Discourse Coherence Relations: An Exploratory Study using Multiple Knowlege Sources.Manami Saito, Kazuhide Yamamoto, Satoshi Sekine. 2006. Using Phrasal Patterns to Identify Discourse Relations.