Abstract

In the Computational Linguistics community, much work is put into the creation of large, high-quality linguistic resources, often with complex annotation. In order to make these resources accessible to nontechnical audiences, formalisms for searching and filtering are needed.

The TIGER query language can, by describing partial structures, be used to search treebanks with syntactic annotation. Recently, augmented treebanks have been published, including the SALSA corpus which features frame semantic annotation on top of syntactic structure. Query languages, however, need to keep up with newly introduced annotation, allowing it to be searchable and easy to access.

We design an extension for the TIGER language which allows searching for frame structures along with syntactic annotation. To achieve this, the TIGER object model is expanded to include frame semantics, while remaining fully backwards-compatible.

Finally, these extensions have been added to our own implementation of TIGER, which includes novel indexing features not found in the original work of Lezius (2002a).

What does it all mean?

In the most basic sense of all, the TIGER query language allows specification of nodes (which are flat feature structures) and relations between these nodes. So far, only syntactic nodes (words and phrases) and syntactic relations (dominance, precedence and structure sharing) were supported in the query language, while the underlying annotation formalism had been extended to include frame semantics as well. My conservative extension of the query language introduces types and relations for frame semantics. This makes it possible to express linguistic queries such as Find all sentences where the role TOPIC in the frame
STATEMENT is realized by a PP with the preposition “über”, which was not possible previously:

{frame="Statement"} > #r:{role="Topic"} &
#pp:[cat="PP"] >AC [word="über"] &
#r > #pp & arity(#r, 1)

What is cryptically referred to as “novel indexing techniques” are improvements to the candidate selection for relation checks, which now exploits some graph-theoretic notions which can be used as rough filters prior to actual relation checks, which can be quite expensive. All in all, the implementation is generally faster than TIGERSearch (the original implementation by Lezius) for complex queries, for simple queries, it is slower, because our node index is slower.

Can I try it out

A demo system for the original and extended query language is online on the CoLi webservers in Saarbrücken. With regard to features, this is the latest version, since then I committed one bugfix to the query evaluator.

Will you continue work on it?

Hopefully, yes. Current directions of ongoing development include:

• In Progress:
  • Client-side rendering of trees in the query front-end (using the HTML5 canvas)
• Planned:
  • Custom-written node index
  • Relations between graphs and nodes in different graphs

I’m also running some experiments for massively parallel constraint evaluation using GPUs, but that might not lead anywhere and depends on the availabity of special hardware.

Thanks

Again, special thanks go to Martin Lazarov and Armin Schmidt, who both read the full draft version and provided many comments and corrections.

Man muss natürlich sagen, dass das Angebot an Vorlesungen in Saarbrücken groß ist, wenn auch nicht überragend. Es ist zwar irgendwie für jeden was dabei, aber die Warnungen, die mir in Tübingen im letzten Jahr mitgegeben wurde, trifft zu: das Master-Programm ist sehr stark auf Informatiker zugeschnitten, die nicht wissen, wo beim Satz das Verb ist. Ich sehe aber nicht, inwiefern die bisherigen Kurse dazu geeignet wären, einen bescheidenen Linguisten zur maschinellen Sprachverarbeitung zu befähigen. Zwar hat man natürlich immer die Möglichkeit, sich nur mit der theoretischen der Computerlinguistik zu beschäftigen, aber ein paar praktische Kurse wären doch nett. Die Leute, die schon programmieren können, holen sich ihren Praxisfix sowieso mit HiWi-Jobs.

Ohne jetzt Einzelkritik üben zu wollen, kann man sagen, dass die Kernkurse relativ schlecht, die Zusatzkurse relativ gut sind. Die Kernkurse (Foundations of Computational Linguistics und Language Technology I) kranken natürlich daran, dass unabhängig vom Thema immer die Hälfte der Leute gelangweilt sind (wobei die beiden Hälften nicht notwendigerweise disjunkt sind).

Language Technology I könnte eigentlich interessant sein, vor allem, weil alle Dozenten Fachleute auf ihrem Gebiet sind. Das Problem ist aber leider, dass alle Dozenten Fachleute auf ihrem Gebiet sind, und keine Lehrer, dazu noch wirken die Vorträge sehr routiniert („… Condoleeza Rice, National Security Advisor to the President…”). Man hätte sich auch vorstellen können, dass man mit den jeweiligen Systemen (Shallow Parsing, IE, Textzusammenfassung) arbeitet und Aufgabenstellungen lösen muss (Praxis ist hier das Stichwort) – um zu lernen, in Texten alle Personennamen bunt anzumalen, brauch ich nicht morgens um 11 in die Uni zu gehen.

Darüber hinaus bin ich dank intelligenter Kurswahl bin den gleichzeitig uninteressanten & arbeitsintensiven Kursen entkommen. Über die Zusatzkurse (Speech and Pattern Recognition, Computational Models of Discourse und Ontologies and Natural Language Processing) kann ich größtenteils nur positives sagen, und daher lass ich es einfach.

Der erste Eindruck: deutsche Provinz. Die ganze Stadt hat mich etwas an Karlsruhe erinnert (und das ist beileibe kein Kompliment), aber ich war wieder etwas versöhnter, nachdem ich das Nauwieser Viertel entdeckt und die Uni besucht hatte. Die Wohnungen waren eigentlich alle recht nett und zentral gelegen, was mir nach (dann) einem Jahr 10km vom Stadtzentrum entferntem Leben sehr zupass kommt. Ich warte momentan noch auf eine Rückmeldung, habe ich aber zu 95% schon für eine andere Wohnung entschieden und dort auch schon zugesagt. Solange würfele ich noch ein wenig. Aber die Küche in der schon zugesagten Wohnung ist fein, und mit zwei Frauen zusammenzuwohnen kann auch nicht schaden.

An der Uni war ich auch kurz. Naja, der Charme des Zusammengewürfelten. Der Kern wahr mal eine Kaserne (die Uni wurde noch unter französischer Ägide schon 1947 gegründet, damals noch in Homburg), in den 60ern und 70ern kam einiges an feinen Bauten dazu, allerdings ohne die ganze Sache so wunderbar aussehen zu lassen wie Bochum oder die Morgenstelle in Tübingen. Das INM und das DFKI haben dagegen wieder sehr feine Bauten, sind ja auch aus den 90ern. Die Mensa war annehmbar und die Dame an der Kasse wollte bei mir unbedingt den Studentenpreis kassieren, auch als ich auf meinem Gaststatus bestand. War ingesamt also ein billiger Aufenthalt.

Am besten aber finde ich, dass es so unendlich viele Hiwi-Jobs für Programmierer, Informatiker, Computerlinguisten etc. zu geben scheint, darunter auch interessante. Am schwarzen Brett in der Uni hingen ein paar, und ein paar Informatikern bei denen ich mir ein Zimmer angesehen habe meinten das auch. Endlich mal am oberen Ende der Nahrungskette! Trotzdem hoffe ich, dass ich das erste Semester ohne einen Job auskomme, um mich erstmal wieder an das schäbige Studentendasein zu gewöhnen.

Nachtrag:

Das mit Paris ist natürlich eine feine Sache, aber wie bei allen Sachen die eigentlich toll sind weiß ich jetzt schon wie oft ich sie machen werde: genau keinmal. Außerdem bräuchte ich einen des Französischen mächtigen Reisebegleiter; oder ich müsste die Frankreich-Affinität dazu nutzen, selber mal etwas mehr Französisch zu lernen… Hm, freiwillige Reisebegleiter? Kostet auch nur 29€ von Saarbrücken Hbf!