提出 TAGbank 作为树接语法派生语料库

词汇化语法，特别是树接语法（TAG），的发展显著推动了我们对自然语言处理（NLP）中语法与语义的理解。尽管已有语法资源如 Penn Treebank 和 Universal Dependencies 为短语结构和依存语法解析提供了大量注释，但缺乏以词汇化语法形式为基础的大规模语料库。为填补这一空白，我们介绍 TAGbank，这是一个从现有语法树库中自动提取的 TAG 派生语料库。本文概述了将短语结构注释映射到 TAG 派生过程的方法，利用 TAG 的生成能力以支持解析、语法归纳和语义分析。我们的做法基于 CCGbank 的工作，扩展其以纳入 TAG 的独特结构特性，包括其透明的派生树和捕获长距离依赖的能力。我们还讨论了提取过程中的挑战，包括跨树库方案的一致性确保以及处理语言特定的语法怪异现象。最后，我们提出未来将 TAGbank 扩展至多语言语料库，重点关注 Penn 韩语和 Penn 中文树库，以探索 TAG 形式的跨语言应用。通过提供稳健的、基于派生的资源，TAGbank旨在支持广泛的计算任务并促进对 TAG 生成能力的理论理解。