Multi-way Tensor Factorization for Unsupervised Lexical Acquisition

This paper introduces a novel method for joint unsupervised aquisition of verb subcategorization frame (SCF) and selectional preference (SP) information. Treating SCF and SP induction as a multi-way co-occurrence problem, we use multi-way tensor factorization to cluster frequent verbs from a large corpus according to their syntactic and semantic behaviour. The method extends previous tensor factorization approaches by predicting whether a syntactic argument is likely to occur with a verb lemma (SCF) as well as which lexical items are likely to occur in the argument slot (SP), and integrates a variety of lexical and syntactic features, including co-occurrence information on grammatical relations not explicitly represented in the SCFs. The SCF lexicon that emerges from the clusters achieves an F-score of 68.7 against a gold standard, while the SP model achieves an accuracy of 77.8 in a novel evaluation that considers all of a verb’s arguments simultaneously. TITLE AND ABSTRACT IN FRENCH Factorisation de tenseurs à plusieurs dimensions pour l’acquisition lexicale non supervisée Cet article présente une méthode originale pour l’acquisition simultanée de cadres de souscatégorisation (subcategorization frames) et de restrictions de sélection (selectional preferences) appliquée au lexique verbal. L’induction simultanée de ces deux types d’information est vue comme un problème de cooccurrence à plusieurs dimensions. On introduit donc une méthode de factorisation de tenseurs, afin de classer les verbes fréquents d’un grand corpus suivant leur comportement syntaxique. L’approche est fondée sur un ensemble de traits de nature syntaxique et lexicale, y compris des informations de cooccurrence au sein des relations grammaticales qui ne sont pas explicitement représentées dans les schémas de sous-catégorisation. Le dictionnaire de sous-catégorisation produit par la méthode de classification obtient une F-mesure de 68,7 lors de l’évaluation face à un dictionnaire de référence tandis que les restrictions de sélection ont une exactitude (accuracy) de 77,8 en tenant compte de tous les arguments simultanément.