Resolving prepositional phrase attachment ambiguities in Spanish with a classifier

Abstract

En este trabajo presentamos un clasificador que resuelve cierta clase de ambigüedades de estructura sintáctica en español, concretamente, la ambigüedad de adjunción de un sintagma preposicional (PP attachment). Como punto de partida, utilizamos la gramática de dependencias Txala para el español integrada dentro de FreeLing, con una precisión del 61 % en la adjunción de sintagma preposicional. Nuestro objetivo es desarrollar un módulo especializado para la adjunción del sintagma preposicional tal que el analizador sintáctico combine las reglas gramaticales hechas a mano con información estadística inferida por el clasificador. Hemos evaluado diferentes clasificadores y diferentes rasgos para caracterizar las ambigüedades de adjunción de sintagma preposicional. Nuestra mejor propuesta mejora el rendimiento de EsTxala en 20 puntos, aunque aún se encuentra por debajo de otros métodos no supervisados, que alcanzan un 94 % de precisión. Sin embargo, hemos obtenido una mejor comprensión de los factores que intervienen en la desambiguación de la adjunción del sintagma preposicional, lo cual nos permitirá construir modelos más ligeros que puedan ser fácilmente integrados en un analizador de uso general como FreeLing.

In this paper we present a classifier that solves a certain kind of ambiguities in syntactic structure for Spanish, namely, ambiguities as to the point of adjunction of a prepositional phrase in the syntactic structure of a sentence (PP attachment). As a starting point, we used EsTxala dependency grammar for Spanish, integrated within FreeLing, with an accuracy score of 61 % on PP adjunction. Our target is to develop a specialized module for for PP attachment, so that the syntactic analyzer combines dependency grammar’s manual rules with statistical information infered out of a classifier. We have evaluated different classifiers and different features to characterize PP-attachment ambiguities. Our best approaches improve the performance of EsTxala by 20 points, but are still far from the performance of unsupervised methods reporting 94 % accuracy. We gained insight on the factors governing the disambiguation of PP attachment ambiguities, which will arguably let us build lighter models that can be easily integrated within a general-purpose analyzer as FreeLing.