这一方法也适用于定指性名词短语。例如，考虑下面的篇章：

5a. Jack poisoned Sam. (Jack 对Sam下了毒。)

5b. The villain was arrested within a week. (这个坏人在一周内就被逮捕了。)

虽然事先无法知道“Jack was a villain”(Jack是坏人），相同的技术也有效。句子5b可以解释为：

ARREST(E9) & Theme(E9) = V1 & Villain (V1)

给定这样的知识：villain(坏人）是指一种类型的人，并且Jack是一个人，在V1=Jack1的假设下，这个解释将与期望3匹配。因此，我们就可以得到结果，Jack是一个坏人。

为此，期望匹配算法可以是解决指代问题的有力工具，但是它不能代替前面介绍的指代消解的其他技术。举例来说，即使只使用语义信息就能确定明确的指代对象时，局部上下文的约束可能也是重要的。回忆一下以前的例子：

6. Jack walked over to the table and drank the wine. It was brown and round.

（Jack走到桌边，喝了葡萄酒。它是棕色的，圆的。）

即使桌子（“table”)是惟一一个可以是棕色的并且是圆形的对象，这个句子也是很别扭并且有缺陷的。给定期望后仍有歧义的情况下，来自于局部上下文的优先关系也是很重要的，例如：

7a. Jack poisoned the man from whom George stole the jewels.

（Jack对那个曾经被George偷过宝石的人下了毒。）

7b. He was arrested within a week. (在一周内，他就被逮捕了。)

在这种情况下，被逮捕的对象（即期望）可能是Jack和George，因为他们两人都涉嫌非法活动。基于期望匹配算法，H3=Jack1和H3=George1的可能性是相同的；而基于中心理论，则更倾向于前一个对象(即H3=Jack1)。通过分析句子7a的解释，可以看到来自于结构优先的更多证据，这种证据跟期望没有什么关系，这些证据改变了倾向的解释：

8a. George stole the jewels from the man that Jack poisoned.

（George 从 Jack曾经下过毒的那个人处偷了宝石。）

8b. He was arrested within a week. (在一周内，他就被逮捕了。)

在这种情况下，被逮捕的是指George，这与中心约束是一致的。

要把约束与期望匹配过程结合起来，我们只需要简单地增加下面的条件：如果有多个解释与期望匹配，那么将选择与来自于局部上下文的优先关系最一致的那个解释。

期望匹配是一种非常有效的方法，但是这种方法的有效程度完全取决于生成期望的过程。

责任编辑：admin