SがOPを捕まえた。フレーム、フレーム要素とパターンの関係。要素を含むものは厳密には意味フレームではなく、意味フレームを実現するパターンです。
意味的役割/価値分類 y がシーン / から消えます。消滅する可能性もございます。キャッチャー (x) は、有用な動的オブジェクト (y) を使用するためにそれをキャプチャします。
悪意のある動的オブジェクト (y) をキャプチャして制御します。人間以外の捕手 (x) がタクシー (y) を捕まえます。 Catcher x は、z" x, y , z を使用してオブジェクト y をキャッチします。 名詞の意味タイプに基づく分類は非効率であるだけでなく、誤解を招く結果も生み出します。
「機会を捉える」や「善人を捉える」などの比喩に拡張される比喩の使用は、<捕捉者 x が動的オブジェクト y を捕捉して使用する> 場合のみです。名詞の場合、状況を構成する一連の意味的役割。MSFA の目標は辞書を構築することではありませんが、意味的タグ付けの補助的なものです。
の要点
単語の意味の階層関係やギャップを指定して、意味の多重性を説明します。
の要点
この文脈での「明確化」の文字通りの意味は「発表」になります。フレームを指定しても述語を一つに指定することはできません。ただし、述語を指定しない場合、要素#(定数)の値は指定されません。
述語と表面キャッシュパターンは 1 対 1 に対応 フレーム記述の汎用性 = カバレッジの低下 => 精度の向上 タグ付けの妥当性を文生成プログラム (+sgen) の出力を見て評価する。
定数や変数の実現値をフレームごとに自動連結した結果、自然な日本語文にならなければ、記述は妥当性を欠きます。フレーム要素への形式の正当性や#要素の値は確認できますが、フレーム要素名の正当性は確認できません。これが正しい場合、各 pi は非線形の単純な文を記述しているはずであり、pi の妥当性評価は MSFA の間接的な妥当性評価になります。
列は垂直方向に走査され、範囲が定数の場合はその値が取得され、変数の場合は最初の形態素シーケンスで実現された値が取得されます。 f.GOV の場合のみ、f.X=PRED はフレーム名または GOV の Predicate の値を参照します。 フレーム要素が認定される粒度は明白でも一定でもないため、管理が必要です。
構文解析による対応の品質は、この解析の粒度に大きく依存します。詳細が増えるほど、作業者に対する要求も大きくなります。日付は定めておりませんが、シート上に粒度指数を明記する予定です。
Berkeley FrameNet アノテーションは驚くほど L0 に似ています。
知見 1
知見 2
知見 3
知見 4
知見 5
知見 6
知見 7
リンク内の「状況」の定義はまだありません。それを定義したい場合は、オントロジーの専門家に相談してください。エンジニアリングでは、アプリケーションなしで（単なる理論として）設計について語ることは嫌われます。しかし、私は、言語リソースを「理論的裏付けなしで」開発しても、それが有用になるとは保証されない、と主張したいと思います（完全に教師なしでコンパイルできる方法を使用してコンパイルされない限り）。 ）。
