Pengantar Kecerdasan Buatan (AK045218)Bahasa Alami 2Analisis SemantikDiscource PragmaticKombinasi Sintaks dan SemantikAplikasiReferensiLuger & Stubblefield : bab-10Rich & Knight : bab-15Bahasa Alami 2 1/25Pengantar Kecerdasan Buatan (AK045218)Analisis Semantik Tujuan utama dari analisis semantik [2] adalah pembuatan representasi bahasatarget dari arti suatu kalimat. Bahasa target merupakan bahasarepresentasi arti kalimat yang terakhir, termasuk didalamnya framework representasi dan vocabulary arti yang spesifik. Dua jenis bahasa target :1. sebagai pendukung pemrosesan bahasa, apabila tujuan bahasa target untuk membacateks dan menjawab pertanyaan.2. sebagai input legal pada program lain, apabilatujuan bahasa target untuk digunakan sebagaibahasa interface pada bahasa lain. Bahasa Alami 2 2/25Pengantar Kecerdasan Buatan (AK045218)Pemrosesan Lexikal Pemrosesan lexikal merupakan langkahawal pada pemrosesan semantik untukmelihat kata2 secara individu padakamus (lexikon) dan mengekstrak artinya. Suatu kata dapat mempunyai beberapaarti. Proses penentuan arti yang benardari suatu kata disebut word sense disambiguation atau lexical disambiguation. Hal ini dilakukan denganmengasosiasikan suatu kata dengansetiap kata pada lexikon, dan padainformasi tentang konteks kata tersebutyang mungkin muncul.Bahasa Alami 2 3/25Pengantar Kecerdasan Buatan (AK045218)Pemrosesan Level Kalimat Beberapa pendekatan untuk representasisemantik untuk suatu kalimat :1. Semantic grammar, yang mengkombinasikanpengetahuan sintaktik, semantik danpragmatik menjadi sekumpulan aturan yang membentuk grammar2. Case grammar, dimana struktur yang dibangun dari hasil parser(analisis) terdiri atasinformasi semantik.3. Conceptual parsing, dimana pengetahuansintaktik dan semantik dikombinasikan padasuatu sistem interpretasi tunggal.4. Compositional semantic interpretation, dimanapemrosesan semantik diaplikasikan pada hasilanalisis sintaktik.Bahasa Alami 2 4/25Pengantar Kecerdasan Buatan (AK045218)Semantic Grammar Semantic grammar merupakan grammar dengan konteks bebas dimana pilihanaturan produksi dan nonterminal diaturoleh semantik seperti halnya fungsisintaktik. Ini dapat digunakan oleh sistemparsing (analisis). Contoh semantic grammar diberikanpada gambar 1, sedangkan aplikasinyapada gambar 2. Grammar ini mendefinisikan bagian padainterface sistem operasi. Aturan yang adapada tanda kurung merupakan aksisemantik yang diambil apabila aturandiaplikasikan.Bahasa Alami 2 5/25Pengantar Kecerdasan Buatan (AK045218)Gambar 1. Semantic GrammarS what is FILE-PROPERTY of FILE ?{query FILE.FILE-PROPERTY}S I want to ACTION{command ACTION}FILE-PROPERTY the FILE-PROP{FILE-PROP}FILE-PROP extention | protection | creation date | owner{value}FILE FILE-NAME | FILE1{value}FILE1 USERs FILE2{FILE2.owner: USER}FILE1 FILE2{FILE2}FILE2 EXT file{instance: file-struct extention: EXT}EXT .init | .txt | .lsp | .for | .ps | .mssvalueACTION print FILE{instance: printing object : FILE}ACTION print FILE on PRINTER{instance: printing object : FILE printer : PRINTER}USER Bill | Susan{value}Bahasa Alami 2 6/25Pengantar Kecerdasan Buatan (AK045218)Gambar 2. Aplikasi Semantic GrammarBahasa Alami 2 7/25Pengantar Kecerdasan Buatan (AK045218)Keuntungan Semantic Grammar Apabila parse (analisis kalimat) selesai, hasilnya dapat segera digunakan tanpatahap pemrosesan tambahan jikainterpretasi semantik belum selesaiterbentuk pada tahap analisis. Kerangkapan arti yang timbul padaanalisis sintaktik dapat dihindaridikarenakan interpretasi2 lain tidakberarti secara semantik dan tidak dapatdihasilkan oleh semantic grammar. Isu sintaktik yang tidak mempengaruhisemantik dapat dihindari.Bahasa Alami 2 8/25Pengantar Kecerdasan Buatan (AK045218)Case Grammar Case grammar menyediakan pendekatanuntuk mengkombinasikan interpretasisintaktik dan semantik. Aturan grammar ditulis untuk meng-gambarkan aturan sintaktik dibandingkansemantik. Tetapi struktur dari aturanberhubungan dengan relasi semantik. Contoh pada gambar 3. Peranansemantik dari Susan dan the file adalahsama, tetapi peranan sintaktikberlawanan. Dengan case grammar, interpretasi keduanya menjadi(printed (agent Susan)(object File))Bahasa Alami 2 9/25Pengantar Kecerdasan Buatan (AK045218)Gambar 3. Analisis SintaktikUntuk Kalimat Aktif & PasifBahasa Alami 2 10/25Pengantar Kecerdasan Buatan (AK045218)Case Grammar (lanjutan) Pada gambar 4, struktur sintaktik keduakalimat adalah sama. Tetapi relationship keduanya berbeda. Dari analisis Case Grammar terlihat perbedaannya :- (baked (agent Mother) (timeperiod 3-hours))- (baked (object Pie) (timeperiod 3-hours))Untuk case yang mendalam terdapat:(A) Agent pendorong aksi(I) Instrument akibat atau objek yg digunakansebagai penyebab suatu keadaan(D) Dative entitas yg dipengaruhi aksi(F) Factitive objek atau yang dihasilkan darisuatu keadaan(L) Locative- tempat dari keadaan(S) Source tempat dari mana sesuatu bergerakBahasa Alami 2 11/25Pengantar Kecerdasan Buatan (AK045218)Case Grammar (lanjutan)(G) Goal tempat ke mana sesuatu bergerak(B) Beneficiary kepada siapa keadaan ditujukan(T) Time waktu dimana keadaan terjadi(O) Object entitas dimana dituju atau diubahProses parsing ke representasi case ditujukan pada masukan lexikal ygdiasosiasikan dengan setiap verb.Contoh gambar 5.Parsing menggunakan case grammar disebut expectation-driven.Aturannya:If A is present, it is the subject. Otherwise, if I is present, it is the subject. Else the subject is O.Bahasa Alami 2 12/25Pengantar Kecerdasan Buatan (AK045218)Gambar 4. Analisis SintaktikUntuk Kalimat yang SamaBahasa Alami 2 13/25Pengantar Kecerdasan Buatan (AK045218)Gambar 5. Frame UntukVerb Caseopen [--O(I)(A) ]The door opened.John opened the door.The wind opened the door. John opened the door with a chisel.die [--D]John died.kill [--D (I) A]Bill killed John.Bill killed John with a knife.run [--A]John ran.want [--A O]John wanted some ice cream.John wanted Mary to go to the store.Bahasa Alami 2 14/25Pengantar Kecerdasan Buatan (AK045218)Conceptual Parsing Conceptual parsing, merupakan strategiuntuk menemukan struktur dan arti darisuatu kalimat dalam satu tahap. Inidigerakkan oleh kamus yg menggambarkan arti kata2 sebagai struktur conceptual dependency (CD). Langkah mapping suatu kalimat kerepresentasi CD melibatkan Prosesor sintaktik yg mengekstrak noun dan verb yg utama Prosesor conceptual yg menggunakan kamus verb-CD, berisikan setiap masukan untuk setiaplingkungan dimana kemungkinan verb munculContoh pada gambar 6, masukanuntuk verb want. Bahasa Alami 2 15/25Pengantar Kecerdasan Buatan (AK045218)Gambar 6. Kamus Verb-ACTBahasa Alami 2 16/25Pengantar Kecerdasan Buatan (AK045218)Compositional Semantic Interpretation Jika analisis sintaktik suatu kalimat telahdihasilkan, maka dapat dilanjutkandengan interpretasi semantik sbb: Lihat setiap kata pada lexicon, yg terdiri satuatau lebih definisi kata. Definisi ini harusmenggambarkan ide yg berhubungan dengankata yg direpresentasikan, dan menggambarkan pula bagaimana ide direpresentasikankata ini dapat dikombinasikan dengan ide ygdirepresentasikan kata lain. Gunakan informasi struktur terdapat padaoutput parser untuk menyediakan konstraintambahanBahasa Alami 2 17/25Pengantar Kecerdasan Buatan (AK045218)Compositional Semantic Interpretation (lanjutan) Compositional semantics, adalah dimanasetiap tahap pada proses analisissintaktik, terdapat tahap2 yg berhubungan dengan interpretasi semantik. Setiapkali bagian2 sintaktik dikombinasikanmembentuk unit semantik yg lebih besar. Pendekatannya adalah Montague semantics. Contoh kalimat:I want to print Bills .init file Aturan interpretasi semantiknya dapatdilihat pada gambar 7.Bahasa Alami 2 18/25Pengantar Kecerdasan Buatan (AK045218)Gambar 7. Aturan InterpretasiSemantik unitwantsubject : RMi instance : Wantingobject : RMj agent : RMiobject : RMjprint unitsubject: RMi instance : Printingobject : RMj agent : RMiobject : RMj unit for NP1 plus.initmodifying NP1 extention : .initpossessive marker unit for NP2 plusNP1s NP2 owner : NP1file unit instance : File-StructBill unit instance : Personfirst-name : BillBahasa Alami 2 19/25Pengantar Kecerdasan Buatan (AK045218)Discourse & Pragmatic Processing Untuk memahami suatu kalimat, sudahseharusnya memahami pembicaraan dankonteks pragmatik dimana kalimatdiucapkan. Ada sejumlah relationship diantaraphrase dan bagian dari kontekspembicaraan : Entitas yang identikCth: - Bill had a red ballon.- John wanted it.It bereferensi dengan red ballon. Bagian dari entitasCth: - Sue opened the book she just brought.- The title page was torn.The title diketahui sebagai bagian dari book.Bahasa Alami 2 20/25Pengantar Kecerdasan Buatan (AK045218)Discourse & Pragmatic Processing (lanjutan) Bagian dari aksiCth: - John went on a business trip to New York.- He left on an early morning flight.Taking a flight merupakan bagian dari trip Entitas yang terlibat dalam aksiCth: - My house was broken into last week.- They took the TV and the stereo.They dimaksudkan pencuri who broke into the house. Elemen dari suatu setCth: - The decals we have in stock are stars, the moon,item and a flag.- Ill take two moons.moon dipahami sebagai salah satu moon pertama. Nama individuCth: - Dave went to the movies.Dave adalah seseorang yang bernama Dave. Rantai kausalCth: - There was a big snow storm yesterday.- The schools were closed todaySnow sebagai alasan school were closedBahasa Alami 2 21/25Pengantar Kecerdasan Buatan (AK045218)Discourse & Pragmatic Processing (lanjutan) Urutan perencanaanCth: - Sally wanted a new car.- She decided to get a job..Sally interest in a job dipahami sebagai keinginan ygtimbul for a new car. Kekuatan illocutionaryCth: - It sure is cold in here.Kalimat ini dipahami sebagai having. Presupposition implisitCth: - Did Joe fail CS101?CS101 merupakan valid. Pengetahuan untuk mengenali relationship antara kalimat. Fokus saat itu dalam dialog Model untuk setiap kepercayaan partisipan Karakter goal-driven dari dialog Aturan percakapan yg dibagi pada semuapartisipan.Bahasa Alami 2 22/25Pengantar Kecerdasan Buatan (AK045218)Penggunaan Fokus DalamPemahaman 2 bagian penting pada proses penggunaan pengetahuan untuk memudahkanpemahaman : Fokus pada bagian relevan dari dasarpengetahuan yg tersedia Penggunaan pengetahuan utk menyelesaikankerangkapan arti dan utk menghubungkandiantaranya dari yg diucapkan.Bahasa Alami 2 23/25Pengantar Kecerdasan Buatan (AK045218)Pemodelan Kepercayaan Ada dua pemodelan kepercayaan:1. Shared beliefsMerupakan representasi dari kepercayaan bersama2 sebagai fakta, dapat diakses kapan saja pengetahuan mengenai kepercayaan dari seseorang dibutuhkan.2. Individual beliefsBahasa Alami 2 24/25Pengantar Kecerdasan Buatan (AK045218)Aplikasi Suatu program yg dapat membaca ceritaatau teks bahasa natural dan menjawabpertanyaan, maka program tersebutharus dapat menggambarkan join jaringan antara interpretasi semantik dariinput dengan struktur graf konseptualpada basis pengetahuan, lebih spesifikdengan menggunakan skrip. Program yg dapat membangunrepresentasi yg lebih luas dari teks, dapatmenjawab pertanyaan2 yg telah dibacasecara cerdas. Contoh dapat dilihat pada [1].Bahasa Alami 2 25/25