💬 NLP

Comonadic Morphophonology: A Compositional Framework for Context-Dependent Morphological Rules in Finnish

Dieser Artikel stellt ein neuartiges komonadisches Framework vor, das den Writer-Komonaden verwendet, um die finnische Morphophonologie als komponierbare lokale Funktionen zu modellieren, und erreicht im Vergleich zu traditionellen endlichen Zustandsansätzen eine 67-fache Reduktion der Regelkomplexität, während gleichzeitig eine effiziente bidirektionale Morphologie mit hoher Genauigkeit ermöglicht wird.

Ursprüngliche Autoren: Yongseok Jang

Veröffentlicht 2026-05-28

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Yongseok Jang

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Problem: Die „Zustands-Explosion"

Stellen Sie sich vor, Sie versuchen, einem Roboter beizubringen, Finnisch zu sprechen. Finnisch ist eine knifflige Sprache, bei der Wörter ihre Form ändern, je nachdem, was ihnen folgt.

Konsonantengradation: Wenn Sie ein Suffix an ein Wort wie kaappi (Schrank) anhängen, verwandelt sich das doppelte „p" in ein einzelnes „p" (kaapi).
Vokalharmonie: Wenn das Wort „hintere" Vokale enthält (wie a, o, u), muss die Endung ebenfalls hintere Vokale verwenden. Wenn es „vordere" Vokale hat (wie ä, ö, y), muss sich die Endung anpassen.

Der traditionelle Weg, einem Computer dies beizubringen, besteht darin, eine riesige Karte zu erstellen (einen endlichen Transduktor oder FST). Stellen Sie sich diese Karte als ein riesiges Labyrinth vor. Jedes Mal, wenn Sie eine neue Regel hinzufügen (wie „einen Buchstaben löschen" oder „einen Vokal ändern"), müssen Sie ein neues Labyrinth bauen, das das alte mit der neuen Regel kombiniert.

Die Analogie: Stellen Sie sich eine Stadtkarte vor. Sie möchten eine Regel hinzufügen: „Wenn Sie ein rotes Haus sehen, streichen Sie es blau." Dann möchten Sie eine weitere Regel hinzufügen: „Wenn Sie ein blaues Haus sehen, streichen Sie es grün."
Im alten System müssen Sie, um diese zu kombinieren, die gesamte Stadtkarte für jede mögliche Kombination von Regeln neu zeichnen. Wenn Sie 10 Regeln haben, wird die Karte so riesig und komplex, dass der Computer daran scheitert. Dies wird als „Zustands-Explosion" bezeichnet.

Die neue Lösung: Der „komonadische" Ansatz

Der Autor, Yongseok Jang, schlägt einen völlig anderen Weg vor, um über diese Regeln nachzudenken. Anstatt ein riesiges, vorgezeichnetes Labyrinth zu bauen, behandelt er jede Regel als lokalen Arbeiter, der nur auf seine unmittelbare Nachbarschaft schaut.

1. Der „Zipper" (Das bewegliche Fenster)

Stellen Sie sich ein Wort als einen Zug aus Waggons vor. Der Computer betrachtet nicht den ganzen Zug auf einmal. Stattdessen verwendet er einen Zipper (eine Datenstruktur).

Der Zipper fokussiert sich auf einen bestimmten Waggon (den aktuellen Buchstaben).
Er kann die Waggons direkt links und rechts sehen.
Die Regel besagt: „Schauen Sie auf den Waggon, auf dem Sie stehen, und auf den links von Ihnen. Entscheiden Sie basierend darauf, was Ihr Waggon werden soll."

Dies ist wie ein zellulärer Automat (denken Sie an das Spiel Conways Game of Life). Jede Zelle betrachtet nur ihre Nachbarn, um ihren nächsten Zustand zu bestimmen.

2. Der „Writer" (Das Löschproblem)

Hier wird es knifflig: Einige Regeln erfordern das Löschen eines Buchstabens.

Beispiel: In kukka (Blume) wird das doppelte „k" zu einem einzelnen „k" (kuka). Ein „k" muss verschwinden.
Das alte Problem: Wenn Sie einen Buchstaben in der Mitte eines Zuges löschen, müssen die Waggons dahinter nach vorne rücken. Wenn Sie dies schrittweise tun, bricht die „Karte" zusammen, und die Regeln funktionieren nicht mehr korrekt zusammen.
Die neue Lösung (Der Writer-Komonad): Der Autor erfindet ein neues Werkzeug namens Writer-Komonad.
- Anstatt den Buchstaben sofort zu löschen, klebt der Arbeiter ein „Lösche mich"-Etikett auf den Buchstaben.
- Der Arbeiter führt eine Liste aller gefundenen Etiketten.
- Der Zug bewegt sich weiter, und die Arbeiter betrachten weiterhin die ursprünglichen Buchstaben (ignorieren die Etiketten vorerst).
- Erst ganz am Ende des Prozesses nimmt der Computer den Zug, betrachtet die Liste der Etiketten und entfernt diese Buchstaben alle auf einmal.

Dies hält die Regeln einfach und verhindert, dass die „Karte" zusammenbricht. Es ist wie ein Bauunternehmen, das markiert, welche Ziegelsteine entfernt werden sollen, die gesamte Mauer fertigstellt und dann die Ziegelsteine entfernt, anstatt die Mauer jedes Mal neu zu bauen, wenn ein Ziegelstein entfernt wird.

Warum dies eine große Sache ist

Das Papier behauptet drei Hauptvorteile:

Einfachheit: Anstatt 874 verschiedene komplexe „Fortsetzungs-Klassen" (wie 874 verschiedene Labyrinthpfade) zu benötigen, um finnische Regeln zu handhaben, benötigt dieses neue System nur 13 einfache Funktionen (Arbeiter). Dies ist eine 67-zu-1-Reduktion der Komplexität.
Bidirektionale Magie: Da die Regeln nur einfache Funktionen sind, funktionieren sie in beide Richtungen. Sie können dieselbe Logik verwenden, um ein Wort zu zerlegen (Analyse) ODER um aus einem Grundwort ein neues zu bilden (Generierung). Es ist wie ein umkehrbarer Reißverschluss: Sie können mit demselben Mechanismus zu- oder aufmachen.
Geschwindigkeit und Genauigkeit: Das System wurde an finnischen Sätzen getestet.
- Es identifizierte korrekt die Wortart (Substantiv, Verb usw.) für 83,9 % der Wörter, indem es nur diese Regeln verwendete.
- Als sie einen kleinen Helfer hinzufügten (ein Suffix-Tagger), stieg dies auf 94,6 %.
- Es verarbeitet Wörter unglaublich schnell (Mikrosekunden), was beweist, dass diese komplexe Mathematik den Computer nicht verlangsamt.

Zusammenfassung

Das Papier stellt einen neuen mathematischen Rahmen (unter Verwendung von Komonaden) vor, um Sprachregeln zu handhaben.

Alter Weg: Baue eine riesige, starre Karte, die in der Größe explodiert, wenn Sie Regeln hinzufügen.
Neuer Weg: Verwende kleine, lokale Arbeiter (Zipper), die Notizen aneinander weitergeben (Writer-Komonad), um Löschungen und Änderungen zu handhaben. Sie arbeiten in einer Reihe zusammen, und das Endergebnis wird am Ende zusammengesetzt.

Dies macht das System kleiner, einfacher zu reparieren und fähig, die kniffligen „lösche einen Buchstaben"-Regeln zu handhaben, die Computermodelle normalerweise zum Scheitern bringen.

Technische Zusammenfassung: Komonadische Morphophonologie

Problemstellung
Aktuelle Ansätze zur finnischen Morphophonologie stehen vor einer Dichotomie zwischen formaler Strenge und kompositioneller Effizienz. Traditionelle Kaskaden von Endlichen Zustandstransduktoren (FST) (z. B. Voikko, Omorfi) kodieren kontextabhängige Regeln wie Konsonantengradation und Vokalharmonie als Zeichenketten-zu-Zeichenketten-Relationen. Obwohl sie effektiv sind, führt die Komposition dieser Regeln zu einer multiplikativen Zustandsexplosion; der Zustandsraum eines kombinierten Automaten wächst als Produkt seiner Komponenten, was die Repräsentation von Regeln komplex macht (z. B. benötigt Omorfi 874 Fortsetzungsklassen, um Verhaltensweisen zu kodieren, die kompakter ausgedrückt werden könnten). Umgekehrt erreichen neuronale Modelle hohe Genauigkeit, bieten jedoch keine formale, interpretierbare Darstellung der zugrunde liegenden morphophonologischen Regeln. Darüber hinaus kämpfen bestehende Frameworks damit, längenverändernde Operationen (wie Konsonantenlöschung) innerhalb einer streng kompositionellen kategorientheoretischen Struktur ohne intermediäre Materialisierung oder Verlust der Assoziativität zu handhaben.

Methodik
Der Artikel schlägt ein Framework vor, in dem morphophonologische Regeln als coKleisli-Pfeile eines Komonaden behandelt werden, anstatt als FSTs. Dieser Ansatz modelliert Regeln als Funktionen von einem fokussierten lokalen Kontext zu einem einzelnen Ausgabesegment, analog zu lokalen Regeln in zellulären Automaten.

Die Zipper-Komonade: Das Framework nutzt die ListZipper-Datenstruktur, um eine Sequenz mit einem ausgezeichneten Fokus und linkem/rechtem Kontext darzustellen. Eine Regel wird als Funktion $f: W a \to b$ definiert, wobei $W$ die Zipper-Komonade ist. Die extend-Operation hebt diese lokale Regel auf eine globale Transformation an und wendet sie auf jede Position in der Zeichenkette an, wobei die Kontextansicht für jede Position erhalten bleibt.
Die Writer-Komonade für Löschung: Eine zentrale Herausforderung besteht darin, längenverändernde Regeln zu handhaben (z. B. die Löschung von k in puku $\to$ $\to$ puu). Ein naiver Ansatz mit Nullzeichen bricht die strenge coKleisli-Assoziativität, da das Filtern die Materialisierung intermediärer Sequenzen erfordert. Die Autoren führen die Writer-Komonade ( $DeletionSet \times Zipper$ $D e l e t i o n S e t \times Z i pp er$ ) ein. In dieser Konstruktion:
- Geben Regeln ein Paar $(D, c)$ zurück, wobei $D$ eine Menge von Löschpositionen und $c$ das Ausgabesignal ist.
- Akkumulieren sich Löschungen als Monoid-Aktion (Mengenvereinigung) während der extend-Phase.
- Wendet ein einzelner materialize-Schritt am Ende der Pipeline alle akkumulierten Löschungen an.
- Dies bewahrt die strenge coKleisli-Assoziativität ( $extend \ g \circ extend \ f = extend \ (g \circ extend \ f)$ ) ohne intermediäre Re-Materialisierung.
Pipeline-Komposition: Morphophonologische Prozesse (Konsonantengradation, Vokalharmonie, Vokal-Kopieren possessiver Suffixe) werden sequentiell unter Verwendung des coKleisli-Kompositionsoperators ( $>=>$ ) komponiert. Die Pipeline ist definiert als:
$pipe = grad >=> harmony >=> poss$
Diese Struktur stellt sicher, dass Regeln unabhängig, testbar und ordnungsexplizit sind.
Bidirektionale Morphologie: Dieselben coKleisli-Pfeile, die für die Analyse (Decodierung) verwendet werden, werden über einen MorphGenerator für die Generierung (Enkodierung) wiederverwendet, wodurch die Logik für beide Richtungen vereinheitlicht wird.
Mehrstufige Abstraktion: Das Framework geht über Zeichenketten-Regeln hinaus und umfasst Morphem-Harmonie und Satz-Disambiguierung (Constraint Grammar-lite). Durch Ändern des Elementtyps des Zipper (von char zu ReadingSet) gilt dieselbe algebraische Struktur für alle Ebenen.

Hauptbeiträge

Die Writer-Komonade: Der Artikel präsentiert die erste Anwendung einer Writer-Komonade (speziell $DeletionSet \times Zipper$ ) in der computergestützten Morphologie, um längenverändernde Regeln kompositionell zu handhaben. Dies löst das algebraische Problem der Löschung in coKleisli-Pipelines.
Reduktion der Regelrepräsentation: Das Framework drückt dieselben morphophonologischen Verhaltensweisen aus, die von Omorfi's 874 Fortsetzungsklassen kodiert werden, unter Verwendung von nur 13 coKleisli-Pfeilen (11 Gradationsmuster + Harmonie + Possessiv), was eine Reduktion von 67:1 auf der Ebene der Regelrepräsentation erreicht.
Formale Vereinheitlichung: Es etabliert das erste Framework, das morphophonologische Regeln als erstklassige kompositionelle Objekte mit formalen Kombinationsgesetzen behandelt und die Lücke zwischen der Theorie zellulärer Automaten (Capobianco und Uustalu, 2010) und der Verarbeitung natürlicher Sprache schließt.
Implementierung (MCE): Eine Rust-Bibliothek (Morphological Computation Engine), die dieses Framework implementiert, mit WebAssembly als Zielplattform, mit verifizierten Komonaden-Gesetzen und Monoid-Eigenschaften.

Ergebnisse
Das System wurde am UD Finnish-TDT-Entwicklungssatz (1.364 Sätze, ~25.000 Tokens) evaluiert:

Genauigkeit: Das System erreichte 83,92 % UPOS-Genauigkeit unter Verwendung nur regelbasierter Disambiguierung (62 aktive CG-Regeln). Bei Ergänzung durch einen leichten externen Suffix-Tagger stieg die Genauigkeit auf 94,66 %, wodurch die Lücke zur neuronalen Baseline (TNPP) von 12,99 Prozentpunkten auf 2,25 verringert wurde.
Leistung: Die Pipeline verarbeitet ungefähr 84.973 Tokens pro Sekunde auf einer Apple M-Serie-CPU. Die gesamte morphophonologische Pipeline benötigt durchschnittlich 2,66 µs pro Wort, was zeigt, dass coKleisli-Komposition im Vergleich zu monolithischen FST-Implementierungen vernachlässigbaren Overhead einführt.
Korrektheit: Alle 11 Konsonantengradationsmuster wurden korrekt formalisiert. Sieben Muster zeigten eine vollständige bidirektionale Rundwegkorrektheit; die vier Fälle ohne Rundwegkorrektheit betrafen Löschungen, was die Löschung als einzige Quelle der Irreversibilität im aktuellen Modell bestätigt.
Entwickler-Ergonomie: Das Hinzufügen einer neuen Regel erfordert die Definition eines einzigen coKleisli-Pfeils (~5 Zeilen Rust), wohingegen FST-Systeme oft die Modifikation von Hunderten von LEXICON-Einträgen erfordern, um Interaktionskombinationen zu berücksichtigen.

Bedeutung und Behauptungen
Der Artikel behauptet, eine Kompositionsalgebra für morphophonologische Regeln bereitzustellen, die FST-Kaskaden nur durch Multiplikation des Zustandsraums handhaben. Durch die Nutzung der Writer-Komonade stellt das Framework die strenge coKleisli-Kompositionalität für längenverändernde Regeln wieder her, ein Problem, das zuvor ohne multiplikative Zustandsexplosion ungelöst blieb.

Die Autoren positionieren diese Arbeit nicht als Ersatz für lexikalische Ressourcen (das System verlässt sich weiterhin auf einen von Voikko abgeleiteten FST für lexikalische Nachschlage), sondern als eine modulare, orthogonale Schicht für die Regelanwendung. Sie argumentieren, dass dieser Ansatz im Vergleich zur FST-Schnittbildung überlegene Modularität, Debuggbarkeit (Regel-für-Regel-Tests) und formale Garantien bietet. Der Artikel vermerkt bescheiden, dass er zwar agglutinierende Phänomene wie Gradation und Harmonie handhabt, aber noch keine templatische Morphologie (Wurzel-und-Muster) oder Reduplikation abdeckt, die Segment-Einfügung oder -Kopie über den aktuellen Rahmen hinaus erfordern. Das Framework wird als praktischer morphologischer Motor präsentiert, der die Nützlichkeit komonadischer Strukturen in der NLP validiert.