Phrase linguistic classification and generalization for improving statistical machine translation

In this paper a method to incorporate linguistic information regarding single-word and compound verbs is proposed, as a first step towards an SMT model based on linguistically-classified phrases. By substituting these verb structures by the base form of the head verb, we achieve a better statistical word alignment performance, and are able to better estimate the translation model and generalize to unseen verb forms during translation. Preliminary experiments for the English - Spanish language pair are performed, and future research lines are detailed. © 2005 Association for Computational Linguistics.

How peripheral a phenomenon is it?: On the interaction of DP-internal ellipsis, degree inversion, and islands

Thesis (Ph.D.)--University of Washington, 2016-06

Structure informationnelle et constructions du kabyle : Etude de trois types de phrase dans le cadre de la grammaire constructionnelle

Information structure and Kabyle constructions Three sentence types in the Construction Grammar framework The study examines three Kabyle sentence types and their variants. These sentence types have been chosen because they code the same state of affairs but have different syntactic structures. The sentence types are Dislocated sentence, Cleft sentence, and Canonical sentence. I argue first that a proper description of these sentence types should include information structure and, second, that a description which takes into account information structure is possible in the Construction Grammar framework. The study thus constitutes a testing ground for Construction Grammar for its applicability to a less known language. It constitutes a testing ground notably because the differentiation between the three types of sentences cannot be done without information structure categories and, consequently, these categories must be integrated also in the grammatical description. The information structure analysis is based on the model outlined by Knud Lambrecht. In that model, information structure is considered as a component of sentence grammar that assures the pragmatically correct sentence forms. The work starts by an examination of the three sentence types and the analyses that have been done in André Martinet s functional grammar framework. This introduces the sentence types chosen as the object of study and discusses the difficulties related to their analysis. After a presentation of the state of the art, including earlier and more recent models, the principles and notions of Construction Grammar and of Lambrecht s model are introduced and explicated. The information structure analysis is presented in three chapters, each treating one of the three sentence types. The analyses are based on spoken language data and elicitation. Prosody is included in the study when a syntactic structure seems to code two different focus structures. In such cases, it is pertinent to investigate whether these are coded by prosody. The final chapter presents the constructions that have been established and the problems encountered in analysing them. It also discusses the impact of the study on the theories used and on the theory of syntax in general.

Coordinated Verb Pairs in Texts

This dissertation discusses the relation between lexis, grammar and textual organisation. The major premise adopted here is that grammatical structures are motivated both by semantic potential of words and by text-pragmatic demands. In other words, it is argued that grammatical structures form the interface between lexis and textual organisation, and that linguistic analysis should not concentrate on analysing grammatical structures in isolation, independent of context. From this point of view, grammatical structures are said to be 'well-formed' only in relation to the context they occur in. This study is based on a corpus of three million words of recent Finnish fiction from which all the occurrences of the coordinated verb pairs ([V ja V] -pairs]) containing one of the intransitive motion verbs 'lähteä' (to go), 'mennä' (to go), 'päästä' (to get into), 'nousta' (to get up), and 'laskea' (to go down), were extracted. This set of verbs was established using methods described in earlier work by Lagus & Airola (2001, and 2005). The quantitative analysis of the [V ja V] -pairs was used to carry out a qualitative analysis of individual texts. In analysing the texts, an analogy was made between musical and textual structure. The results show among others that individual verbs specialise in different functions when occurring in coordinated verb pairs. One aspect was that those verb pairs including the verb 'nousta' tend to function as markers of textual boundaries and thus reflect the organisation of narrative substance. The verb 'mennä' has weakened literal meanings, but strengthened modal meanings when occurring in [V ja V] -pairs, and, in many cases, the verb 'lähteä' in [V ja V] -pairs function as an aspectual marker rather than a pure verb of motion. That there is a gradient from the concrete sense of motion into more differentiated senses of a verb in [V ja V] -pairs alongside the structure-creating potential of the [V ja V] -pairs themselves suggest an ongoing grammaticalisation process of the patterns discussed.

Adolescent writing development: Improving succinctness using the extended noun phrase

This study examined an aspect of adolescent writing development, specifically whether teaching secondary school students to use strategies to enhance succinctness in their essays changed the grammatical sophistication of their sentences. A quasi-experimental intervention was used to compare changes in syntactic complexity and lexical density between one-draft and polished essays. No link was demonstrated between the intervention and the changes. A thematic analysis of teacher interviews explored links between changes to student texts and teaching approaches. The study has implications for making syntactic complexity an explicit goal of student drafting.

Konstruktioner och valens : Verbfraser med åt i ett jämförande perspektiv

Det har knappast undgått någon som är språkligt medveten att finlandssvenskan och sverigesvenskan skiljer sig åt till vissa delar. Olikheterna återfinns på olika språkliga nivåer. Mest kända och omskrivna är de lexikologiska skillnaderna, dvs. skillnaderna på ordplanet. Betydligt mindre uppmärksamhet har ägnats syntaktiska skillnader, dvs. skillnader i hur satser och meningar byggs upp. För att öka kunskapen om finlandssvensk syntax initierade Språkvetenskapliga nämnden vid Svenska litteratursällskapet i Finland projektet Svenskan i Finland – syntaktiska drag i ett jämförande perspektiv, som pågick åren 2004–2006. Min avhandling har kommit till inom ramen för det projektet. Prepositionerna (t.ex. av, i, på, för, till, åt osv.) är så kallade funktionsord som har till uppgift att binda samman de mer betydelsetunga orden till satser och meningar. Den finlandssvenska prepositionsanvändningen skiljer sig i viss mån från den sverigesvenska, och ”åt” är en av de prepositioner som ofta lyfts fram som exempel. Finlandssvenskarna säger t.ex. ”han gav en bok åt Lena” i stället för ”han gav en bok till Lena” eller ”han gav Lena en bok”. De säger ”berätta något åt någon” (i stället för ”för”) och de säger ”ringa åt någon” i stället för ”ringa någon”. Ett huvudsyfte med min undersökning är att ta reda på hur pass stora skillnaderna är om man ser till samtliga belägg på ”åt” i ett material och inte bara till sådana som man fäster sig vid för att man vet att de avviker i finlandssvenskan. Undersökningen är korpusbaserad. Det betyder att jag letat efter alla belägg på kombinationer av verb och prepositionen ”åt” i rätt stora textmassor som finns tillgängliga i elektronisk form. Materialet ligger i Språkbanken i Finland och omfattar huvudsakligen tidningstext och skönlitteratur. Jag har använt mig av en textmassa på sammanlagt ungefär 40 miljoner löpande ord, drygt 23 miljoner finlandssvenska och drygt 19 miljoner sverigesvenska. Det materialet gav ca 20 000 åt-belägg att studera, och det visade sig något oväntat att ”åt” inte alls är vanligare i finlandssvenskan än i sverigesvenskan när det gäller skriftspråk, åtminstone inte i professionella skribenters språk. Om man kompenserar för att den finlandssvenska och den sverigesvenska korpusen inte är helt lika i fråga om genrefördelning och ålder, kommer man fram till i stort sett samma frekvens för ”åt” i båda korpusarna. För den närmare analysen av vilka mönster åt-beläggen uppvisar har jag först och främst utnyttjat konstruktionsgrammatik men också ramsemantik och valensteori. Konstruktionsgrammatiken är ingen enhetlig teori, men tanken om grammatiska konstruktioner är gemensam. Konstruktioner representerar allt från generella syntaktiska mönster till specifika mönster för språkliga enskildheter. Uppfattningen om vad som ska inbegripas i begreppet varierar, men definitionen av ”konstruktion” som ”par (eller konstellationer) av form och betydelse” är gemensam. ”Konstruktion” avser aldrig konkreta belägg i texter eller yttranden utan alltid det abstrakta mönstret bakom dessa. Och varje yttrande är resultatet av att en stor mängd konstruktioner samverkar. I min analys har jag utgått ifrån att beläggen med ”åt” kan återföras på olika konstruktioner eller mönster utifrån vad som är gemensamt för grupper av belägg. Jag har sett på vad åt-frasen i samverkan med verbet har för funktion i beläggen. En åt-fras är syntaktiskt en prepositionsfras och består av en preposition och en rektion. Exempelvis utgör ordparet ”åt skogen” en prepositionsfras där ”skogen” är rektion. Ur mitt material har jag kunnat abstrahera fram fem övergripande mönster där referenten för rektionen har olika så kallade semantiska roller. Åt-frasen kan i kombination med verbet ange mål eller riktmärke, som i t.ex. svänga åt höger, dra åt helvete, ta sig åt hjärtat, luta åt en seger för IFK. Den kan för det andra ange mottagare (t.ex. ge varsin kaka åt hundarna, bygga en bastu åt sina svärföräldrar, skaffa biljetter åt en kompis). För det tredje kan åt-frasen avse en referent som har nytta (eller skada) av en aktion (t.ex. klippa häcken åt grannen, ställa in digitalboxen åt sin moster). Åt-frasen kan slutligen avse den eller det som är föremål antingen för en kommunikationsaktion (vinka åt sin son, skratta åt eländet) eller en attityd eller känsla (glädja sig åt framgången). Utöver dessa huvudmönster finns det ett antal smärre grupper av belägg som bildar egna mönster, men de utgör sammanlagt under 3 % i bägge korpusarna. Inom grupperna kan undermönster urskiljas. I t.ex. mottagargruppen representerar ”ge varsin kaka åt hundarna” överföringskonstruktion, ”bygga en bastu åt sina svärföräldrar” produktionskonstruktion och ”skaffa biljetter åt en kompis” ombesörjningskonstruktion. Alla typer är gemensamma för bägge materialen, men andelen belägg som representerar de olika typerna skiljer sig betydligt. I det sverigesvenska materialet står t.ex. det mönster där åt-frasen avser mål eller riktmärke för en mycket större andel av beläggen än i finlandssvenskan. Också andelen belägg där åt-frasen avser någon som har nytta (eller skada) av en aktion är mycket högre i det sverigesvenska materialet. I det finlandssvenska materialet står i gengäld mottagarbeläggen för över 50 % av beläggen medan andelen i det sverigesvenska materialet är bara 30 %. Inom gruppen utgör belägg av produktions- och ombesörjningstyp dessutom en mindre andel i det finlandssvenska materialet än i det sverigesvenska. Dessa står till sin funktion nära den typ som avser den som har nytta av aktionen. De konkreta beläggen på överföring (ge varsin kaka åt hundarna) utgör en större andel i det finlandssvenska materialet än i det sverigesvenska (ca 8 % mot 3 %), men typiskt för båda materialen är hög kollokationsgrad (”kollokation” avser par eller grupper av ord som uppträder oftare tillsammans än de statiskt sett skulle göra vid helt slumpmässig förekomst). Största delen av mottagarbeläggen utgörs av fraser av typen ”ge arbete åt någon, ge eftertryck åt något, ge liv åt något; ägna tid åt något, ägna sitt liv åt något, ägna uppmärksamhet åt något”. De här slutsatserna gäller alltså skriftspråk. I talspråk ser fördelningen annorlunda ut. Typiskt för prepositionen ”åt” är överhuvudtaget hög kollokationsgrad. Det förefaller som om språkanvändarna har tydliga, färdiga mallar för var ”åt” kan komma in. Det enda mönster som verkar helt produktivt, i den meningen att elementen är i stort sett fritt kombinerbara, är kombinationer av verb och åt-fras där åt-frasen avser den som har nytta av något. Att någon utför något för någons räkning verkar överlag kunna uttryckas med prepositionen ”åt”: t.ex. ”tvätta bilen åt pappa, ringa efter en taxi åt kunden”. Till och med belägg av typen ”hon drömde åt honom att bli ordinarie adjunkt” förekommer i någon mån. Konstruktionen är produktiv i båda språkvarieteterna men uppenbart är att konstruktion med mottagare har tolkningsföreträde i vissa fall i finlandssvenskan: ”Filip skrev ett brev åt sin syster” tolkas av sverigesvenskar som att Filip skrev brevet för systerns räkning, medan finlandssvenskar överlag uppenbarligen tolkar det som att Filip skrev till sin syster, att systern var mottagare av brevet. Ungefär 20 % av alla belägg i båda materialen representerar fall där ”åt” utgör partikel. Verb och ”åt” är närmare förbundna med varandra än när ”åt” utgör normal preposition. Exempel på partikelbelägg är ”han kom inte åt strömbrytaren, det gick åt mängder med saft, landet får dra åt svångremmen, de roffade åt sig de bästa platserna”. Också partikelmaterialet ser på ett generellt plan väldigt lika ut i båda språkvarieteterna. Den största skillnaden uppvisar den reflexiva typen ”roffa åt sig”. Medan typen är mycket homogen i det sverigesvenska materialet är variationen större i det finlandsvenska. Dels uppträder fler verb i kombinationen (han köpte åt sig ett par jeans), dels vacklar ordföljden (han nappade åt sig ett paraply ~ han nappade ett paraply åt sig). Att ”åt” används mer i vissa funktioner i finlandsvenskan brukar förklaras med påverkan från finskans allativ (ändelsen -lle: hän antoi kirjan Astalle > hon gav en bok åt Asta). Allt tyder dock på att den finlandssvenska åt-användningen delvis är en relikt. I äldre sverigesvenska källor träffar man på ”åt” i sådana kontexter som numera är typiska för finlandsvenskan. Det finlandssvenska språkområdet ligger ute i periferin i relation till det språkliga centrum som förändringar sprider sig från (för svenskans del främst Stockholmstrakten) och typiskt för perifera områden är att de uppvisar ålderdomliga drag också när inga kontaktfenomen spelar in. Allativen kan naturligtvis ha bidragit till att bevara användningen av ”åt” i finlandssvenskan. Att det är just ”åt” som används” beror antagligen på att prepositionen har flest funktioner gemensamt med allativen rent kognitivt om man jämför med de betydligt mer frekventa prepositionerna ”till” och ”för”. Uppenbart är också att åt-användningen därtill lever sitt eget liv i finlandssvenskan. I vissa varieteter av finlandssvenska kan man t.ex. höra yttranden av typ ”alla fiskarna dog åt dom”. Som språklig enskildhet har det ingen finsk förebild med allativ. Yttrandet är ett exempel på töjning av en svensk konstruktion. Modell finns dels i det mönster där åt avser den som har nytta eller skada av något, dels i relationell användning av ”åt”: han är hantlangare åt Eriksson ~ han är Erikssons hantlangare. Vid språkkontakt är det överlag konstruktioner som har förebild i det låntagande språket som lånas in från det långivande språket, medan konstruktioner som saknar förebild är betydligt mindre benägna att vinna insteg.

Konstruktioiden dynamiikkaa

Dynamic constructions Dynamic constructions is a study of the dynamism of Finnish grammar. Dynamism as a linguistic phenomenon is studied on both the diachronic and synchronic level. The study therefore focuses not only on the temporal changes of grammar but also on the conventionality of grammatical structures and on the interplay between closely related constructions. Dynamism is also treated as a phenomenon occurring between different varieties of Finnish. All in all, dynamism is shown to be a key feature of the nature of grammar. The study is set within the framework of cognitive linguistics and construction grammar. Both theories emphasise the role of constructions pairings of form with semantic or discourse function in the composition and development of grammar. The grammar of a language is understood to be a structured inventory of such constructions. I argue that the constructions are best studied in their original contexts of use. Thus, the study is usage-based in a strict sense. The data is compiled from various corpora consisting of both written and spoken as well as standard and non-standard Finnish. The dissertation consists of an introduction and four empirical studies. The four papers examine various Finnish constructions and thereby shed light on different aspects of the dynamism of a grammar. The first paper focuses on the diachronic development of the Finnish temporal converb essa. The second paper discusses a specific construction which includes the essa converb, that is, the mikäs on ollessa construction. Some closely related constructions and their semantic interplay are also examined. The third paper extensively studies what is generally regarded as an ellipsis of the negation verb in Finnish. By using present day Finnish data, I show that the omission of the negation verb is not an instance of mere ellipsis but rather a construction. The final paper combines the themes of the second and the third paper by focusing on closely related constructions of the negative ellipsis construction.

A methodology for the semiautomatic annotation of EPEC-RolSem, a basque corpus labeled at predicative level following the PropBank-Verb Net model

In this article we describe the methodology developed for the semiautomatic annotation of EPEC-RolSem, a Basque corpus labeled at predicate level following the PropBank-VerbNet model. The methodology presented is the product of detailed theoretical study of the semantic nature of verbs in Basque and of their similarities and differences with verbs in other languages. As part of the proposed methodology, we are creating a Basque lexicon on the PropBank-VerbNet model that we have named the Basque Verb Index (BVI). Our work thus dovetails the general trend toward building lexicons from tagged corpora that is clear in work conducted for other languages. EPEC-RolSem and BVI are two important resources for the computational semantic processing of Basque; as far as the authors are aware, they are also the first resources of their kind developed for Basque. In addition, each entry in BVI is linked to the corresponding verb-entry in well-known resources like PropBank, VerbNet, WordNet, Levin’s Classification and FrameNet. We have also implemented several automatic processes to aid in creating and annotating the BVI, including processes designed to facilitate the task of manual annotation.