DELPH-IN (Deep Linguistic Processing with HPSG - INitiative) é uma colaboração internacional de linguistas computacionais que desenvolvem ferramentas de código aberto para o processamento linguístico profundo da linguagem humana. A iniciativa visa combinar métodos linguísticos e estatísticos para compreender computacionalmente o significado de textos e enunciados. Suas ferramentas são baseadas em dois formalismos: gramática de estrutura de frase dirigida pelo núcleo (HPSG) e semântica de recursão mínima (MRS). Desde 2005, o DELPH-IN realiza uma cúpula anual, uma desconferência onde os participantes compartilham trabalhos, buscam feedback e concordam sobre padrões.
Tecnologias e recursos
O DELPH-IN fornece um conjunto de ferramentas para engenharia de gramáticas e análise sintática. O Linguistic Knowledge Builder (LKB) é um ambiente de engenharia de gramáticas para a construção de gramáticas HPSG. O parser PET (Platform for Experimentation with efficient HPSG processing Techniques) produz árvores de análise HPSG com saídas MRS. O processador ACE (Answer Constraint Engine) processa eficientemente gramáticas DELPH-IN e também pode gerar frases em linguagem natural. A infraestrutura LOGON apoia a tradução automática baseada em transferência, oferecendo traduções híbridas baseadas em regras e estocásticas.
Gramáticas e recursos linguísticos
O DELPH-IN mantém um catálogo de gramáticas HPSG computacionais artesanais para vários idiomas. O LinGO Grammar Matrix é um kit de partida de código aberto para prototipagem rápida de gramáticas de ampla cobertura, fornecendo uma biblioteca de fenômenos linguísticos comuns. As bibliotecas CLIMB (Comparative Libraries of Implementations with Matrix Basis) estendem o Grammar Matrix para testar análises alternativas entre idiomas.
Corpora e treebanks
O DELPH-IN também fornece corpora anotados. O MRS Test Suite contém frases representativas para testar fenômenos MRS, disponível em mais de dez idiomas. WikiWoods é um corpus analisado com anotações sintático-semânticas ricas da Wikipédia em inglês. DeepBank anota as um milhão de palavras do texto do Wall Street Journal de 1989 (o mesmo do Penn Treebank) usando a English Resource Grammar. A compilação Cathedral and the Bazaar, baseada no ensaio de Eric Raymond, serve como um conjunto de testes multilíngue.
Comunidade e usabilidade
A cultura de código aberto do DELPH-IN beneficia a comunidade de processamento de linguagem natural, mas a usabilidade tem sido um desafio para os recém-chegados. Os desenvolvedores estão trabalhando para melhorar a documentação e os tutoriais. A iniciativa está relacionada a esforços mais amplos em inteligência artificial e aprendizado de máquina, embora se concentre em abordagens simbólicas e híbridas em vez de métodos de rede neural. Seus recursos são usados em pesquisas e aplicações que exigem análise semântica profunda, complementando técnicas superficiais como as de modelos de linguagem de grande porte.
Ver também
- Gramática de Estrutura de Frase Dirigida pelo Núcleo
- Semântica de Recursão Mínima