بنك الأشجار

في علم اللغة ، تُعرف مجموعة بيانات الأشجار بأنها مجموعة نصوص مُحللة تُصنف بنية الجملة نحويًا أو دلاليًا . وقد أحدث بناء مجموعات النصوص المُحللة في أوائل التسعينيات ثورة في علم اللغة الحاسوبي ، الذي استفاد من البيانات التجريبية واسعة النطاق . ^{[ 1 ]}

صاغ اللغوي جيفري ليتش مصطلح "بنك الأشجار" في ثمانينيات القرن العشرين، قياسًا على مستودعات أخرى مثل بنك البذور أو بنك الدم . ^{[ 2 ]} وذلك لأن البنية النحوية والدلالية تُمثَّل عادةً تركيبيًا على شكل بنية شجرية . ويُستخدم مصطلح "المدونة المُحلَّلة" غالبًا كمرادف لمصطلح "بنك الأشجار" ، مع التركيز على أولوية الجمل بدلًا من الأشجار.

غالبًا ما تُنشأ قواعد بيانات الأشجار اللغوية بالاعتماد على مدونة لغوية مُعَلَّمة مسبقًا بعلامات أجزاء الكلام . وفي المقابل، تُحسَّن هذه القواعد أحيانًا بمعلومات دلالية أو لغوية أخرى. يمكن إنشاء قواعد بيانات الأشجار اللغوية يدويًا بالكامل، حيث يُعَلِّم اللغويون كل جملة ببنيتها النحوية، أو شبه آليًا، حيث يُعَلِّم محلل نحوي بنية نحوية معينة، ثم يتحقق منها اللغويون ويصححونها عند الضرورة. عمليًا، يُعد التحقق الكامل من مدونات اللغة الطبيعية وإتمام تحليلها مشروعًا شاقًا يتطلب جهدًا كبيرًا، وقد يستغرق فرقًا من اللغويين الخريجين عدة سنوات. ويُحدد مستوى تفصيل البيانات المُعَلَّمة واتساع نطاق العينة اللغوية مدى صعوبة المهمة والمدة الزمنية اللازمة لإنشاء قاعدة بيانات الأشجار اللغوية.

تتبع بعض قواعد بيانات الأشجار اللغوية نظرية لغوية محددة في ترميزها النحوي (مثل قاعدة بيانات BulTreeBank التي تتبع HPSG )، لكن معظمها يسعى إلى أن يكون أقل ارتباطًا بنظرية معينة. ومع ذلك، يمكن تمييز مجموعتين رئيسيتين: قواعد بيانات الأشجار اللغوية التي ترمز إلى بنية العبارة (على سبيل المثال قاعدة بيانات Penn Treebank ^{[ 3 ]} أو ICE-GB )، وتلك التي ترمز إلى بنية التبعية (على سبيل المثال قاعدة بيانات Prague Dependency Treebank أو قاعدة بيانات Quranic Arabic Dependency Treebank ).

من المهم توضيح الفرق بين التمثيل الرسمي وتنسيق الملف المستخدم لتخزين البيانات المشروحة. تُبنى قواعد بيانات الأشجار بالضرورة وفقًا لقواعد نحوية محددة. ويمكن تطبيق القواعد النحوية نفسها بتنسيقات ملفات مختلفة. على سبيل المثال، يمكن تمثيل التحليل النحوي لجملة " جون يحب ماري" ، الموضحة في الشكل على اليمين/أعلى، بأقواس بسيطة مُعنونة في ملف نصي، كما يلي (وفقًا لترميز Penn Treebank ):

(S (NP (NNP John)) (VP (VPZ يحب) (NP (NNP Mary))) (. .))

يحظى هذا النوع من التمثيل بشعبية واسعة نظرًا لاستهلاكه القليل للموارد، وسهولة قراءة هيكل الشجرة نسبيًا دون الحاجة إلى برامج متخصصة. مع ذلك، ومع ازدياد تعقيد مجموعات النصوص، قد تُفضّل صيغ ملفات أخرى. تشمل البدائل مخططات XML الخاصة ببنوك الأشجار ، والترقيم، وأنواعًا مختلفة من تدوين المسافة.

من منظور اللغويات الحاسوبية ^{[ 4 ]} ، استُخدمت قواعد بيانات الأشجار اللغوية لتصميم أنظمة معالجة اللغة الطبيعية المتطورة، مثل مُصنِّفات أجزاء الكلام ، والمُحلِّلات النحوية ، والمُحلِّلات الدلالية، وأنظمة الترجمة الآلية. ^{[ 5 ]} تستخدم معظم الأنظمة الحاسوبية بيانات قواعد بيانات الأشجار اللغوية المعيارية. مع ذلك، قد تكون مجموعة النصوص المُحلَّلة آليًا، والتي لم يُصحِّحها اللغويون، مفيدة. إذ يُمكنها توفير دليل على تكرار القواعد في المُحلِّل النحوي. يُمكن تحسين أداء المُحلِّل النحوي بتطبيقه على كميات كبيرة من النصوص وجمع تكرارات القواعد. مع ذلك، من البديهي أنه لا يُمكن تحديد القواعد الغائبة عن قاعدة معارف المُحلِّل النحوي إلا من خلال عملية تصحيح واستكمال مجموعة النصوص يدويًا. إضافةً إلى ذلك، من المُرجَّح أن تكون التكرارات أكثر دقة.

في علم اللغة الحاسوبي ، تُستخدم قواعد بيانات الأشجار لدراسة الظواهر النحوية (على سبيل المثال، يمكن استخدام المدونات التاريخية لدراسة مسار التغير النحوي عبر الزمن). بعد تحليلها، تحتوي المدونة على أدلة تكرارية تُظهر مدى شيوع استخدام التراكيب النحوية المختلفة. كما توفر قواعد بيانات الأشجار أدلة على التغطية وتدعم اكتشاف ظواهر نحوية جديدة غير متوقعة.

يُستخدم نظام قواعد البيانات الشجرية في اللغويات النظرية وعلم اللغة النفسي كأداةٍ لدراسة أدلة التفاعل. إذ يُمكن لقاعدة بيانات شجرية مكتملة أن تُساعد اللغويين على إجراء تجارب لفهم كيفية تأثير اختيار بنية نحوية معينة على اختيار بنى أخرى، ومحاولة فهم كيفية اتخاذ المتحدثين والكتاب قراراتهم عند تكوين الجمل. ويُصبح البحث التفاعلي أكثر فائدةً عند إضافة طبقات إضافية من البيانات، كالدلالية والتداولية، إلى المدونة اللغوية. عندها يُمكن تقييم تأثير الظواهر غير النحوية على الخيارات النحوية.

في أبحاث اللغويات، تم استخدام بيانات بنك الأشجار المشروحة في الأبحاث النحوية لاختبار النظريات اللغوية لبنية الجملة مقابل كميات كبيرة من الأمثلة التي تحدث بشكل طبيعي.

بنك الشجرة الدلالية هو مجموعة من جمل اللغة الطبيعية مُعَلَّمة بتمثيل دلالي. تستخدم هذه الموارد تمثيلاً رسميًا للبنية الدلالية لكل جملة . وتختلف بنوك الشجرة الدلالية في عمق تمثيلها الدلالي. ومن الأمثلة البارزة على التوصيف الدلالي العميق بنك غرونينغن للمعنى، الذي طُوِّر في جامعة غرونينغن ووُضِّح باستخدام نظرية تمثيل الخطاب . أما بنك بروب بانك، فهو مثال على بنك الشجرة الدلالية السطحي ، الذي يُوفِّر توصيفًا للقضايا اللفظية وحججها، دون محاولة تمثيل كل كلمة في المدونة بصيغة منطقية .

تم تطوير العديد من قواعد بيانات الأشجار النحوية لمجموعة واسعة من اللغات:

لتسهيل إجراء المزيد من الأبحاث حول المهام متعددة اللغات، ناقش بعض الباحثين نظام التوصيف الموحد للغات المتعددة. وبهذه الطريقة، يسعى الباحثون إلى الاستفادة من مزايا مجموعات بيانات الأشجار المختلفة أو دمجها. على سبيل المثال، نهج التوصيف الموحد لمجموعات بيانات الأشجار القائمة على التبعية؛ ^{[ 11 ]} ونهج التوصيف الموحد لمجموعات بيانات الأشجار القائمة على بنية العبارات. ^{[ 12 ]}

إحدى الطرق الرئيسية لاستخلاص الأدلة من قاعدة بيانات شجرية هي استخدام أدوات البحث. وتعتمد أدوات البحث الخاصة بالمجموعات اللغوية المُحللة عادةً على نظام الشرح المُطبق على المجموعة. وتتفاوت واجهات المستخدم في درجة تعقيدها، بدءًا من أنظمة الاستعلام القائمة على التعبيرات والموجهة لمبرمجي الحاسوب، وصولًا إلى بيئات الاستكشاف الكاملة الموجهة للغويين عمومًا. يناقش واليس (2008) مبادئ البحث في قواعد البيانات الشجرية بالتفصيل، ويستعرض أحدث التقنيات في ذلك الوقت. ^{[ 13 ]}

• مجموعة نصوص
• قواعد بنية العبارة
• قواعد التبعية
• التحليل
• تحديد أجزاء الكلام

• بنك أشجار الألبينو
• أربوريتوم: مدونة شجرية نحوية للغة الدنماركية
• مجموعة BLLIP WSJ
• المكون البريطاني من المدونة الدولية للغة الإنجليزية (ICE-GB)
• بنك بلتري
• Cat3LB
• بنك سي سي جي
• مجموعة بيانات CHILDES Brown Eve مع شرح التبعية
• بنك شجرة التبعية الصينية
• المبادئ العالمية الصينية
• بنك الأشجار العربية الكولومبي (CATiB)
• كريستين كوربوس
• بنك بيانات التبعية الكرواتية
• بنك شجرة التبعية في كوبنهاغن
• مشروع ديب بانك
• مدونة اللغة الإنجليزية المنطوقة المعاصرة (DCPSE)
• بنك العقارات الفنلندي
• المقترحات العالمية الفنلندية

• المقترحات العالمية الفرنسية
• الاستعلام الجغرافي
• المقترحات العالمية الألمانية
• بنك غرونينغن
• ICE-GB
• المقترحات العالمية الإيطالية
• مجموعة لانكستر المحللة
• لاسي صغير وكبير
• LinGO Redwoods
• لوسي كوربوس
• بنك الأشجار المتعددة

• بنك المعاني المتوازية
• بنك الاعتماد PARC 700
• بنك أشجار بن العربي
• بنك أشجار بن الصيني
• بنك أشجار بن
• بورتليكس البرتغالي
• المقترحات العالمية البرتغالية - بوسكي
• بنك شجرة التبعية العربية في براغ (PADT)
• بنك شجرة تبعية براغ
• بنك شجرة التبعية الإنجليزية في براغ
• بنك الأشجار برويل
• بروب بنك
• بنك شجرة التبعية للنصوص العربية القرآنية
• أوامر الروبوت لـ Treebank
• مجموعة روبوكوب
• بنك الأشجار الصيني
• سمولترون - باراليل تريبانك EN-DE-SV
• القضايا العالمية الإسبانية
• مجموعة النصوص الهولندية المنطوقة (CGN)
• سوزان كوربوس
• مجموعة بيانات تحليل دلالات Treebank
• بنك شجرة اللغة الإنجليزية / الكلام التلقائي في توبنغن (TüBa-E/S)
• بنك الدعاية التركي
• التبعيات العالمية
• ياهو استعلام شجرة البنك