英文篇章結(jié)構(gòu)分析關(guān)鍵問題研究.pdf

1、近三年來,篇章結(jié)構(gòu)分析(Discourse Structure Analysis,簡稱DSA)受到了計算語言學(xué)界的廣泛關(guān)注(據(jù)統(tǒng)計,每屆ACL、COLING和EMNLP會議上均發(fā)表8篇以上篇章結(jié)構(gòu)分析方面的論文,而這方向的投稿文章則達(dá)30篇以上)。篇章結(jié)構(gòu)分析研究成為了繼傳統(tǒng)信息抽取/信息檢索、機(jī)器翻譯和句法/語義分析領(lǐng)域之后的又一個研究熱點。
　　DSA旨在研究自然語言文本的內(nèi)在結(jié)構(gòu),通過對文本單元(可以是詞、短語、從句、句子或

2、段落)的上下文進(jìn)行全局分析來理解文本單元間的語義關(guān)系。因此,篇章結(jié)構(gòu)分析能夠抽取出文本內(nèi)部豐富的結(jié)構(gòu)化信息,對自然語言理解和自然語言生成均起著至關(guān)重要的作用。目前主流的DSA研究比較注重篇章中的詞匯層面信息,例如:篇章中單詞、單詞形態(tài)學(xué)變化和單詞對等;然而,篇章中句子的態(tài)度和句子的銜接方式等方面的信息卻少有研究,導(dǎo)致目前的篇章結(jié)構(gòu)分析性能不高。
　　鑒于此,本文圍繞學(xué)界廣泛關(guān)注問題,在以下三個方面展開研究。具體而言:
　　1

3、.隱式篇章關(guān)系識別(Implicit Discourse Relation Recognition,簡稱IDRR)研究。本文在研究了基于單詞對、語言模型和樹核函數(shù)的隱式篇章關(guān)系識別模型的基礎(chǔ)上,提出了一個基于態(tài)度韻律理論的隱式篇章關(guān)系識別模型。該模型通過計算句子的態(tài)度/情感來識別隱式篇章關(guān)系,并采用復(fù)合核方法集成了一種依存詞對樹核結(jié)構(gòu)。上述方法在國際基準(zhǔn)語料Penn Discourse Treebank(PDTB)2.0上進(jìn)行試驗,實驗

4、表明采用基于態(tài)度韻律理論的隱式篇章關(guān)系識別模型后,IDRR的準(zhǔn)確率與目前基于單詞對、語言模型和樹核函數(shù)的方法相比得到顯著提升。
　　2.篇章論元識別(Discourse Argument Identification,簡稱DAI)研究。本文從句內(nèi)(連接詞與論元處于同一句)和句外(連接詞與論元不處于同一句)兩種情形分別處理DAI。針對句內(nèi)情況,在研究基于組塊、基于分類和基于句法樹裁減方法的篇章論元識別模型的基礎(chǔ)上,提出了一個基于淺層

5、語義分析框架的篇章論元識別模型。該模型將篇章連接詞看作謂詞,并將謂詞的論元映射成句法樹中的一些組塊,將傳統(tǒng)方法的組塊層次研究提升為具有豐富句法信息的句法樹層次,同時將組塊而不是單詞作為篇章論元的識別單元。針對句外情況,本文提出了一種輕量級的規(guī)則解決方案,將連接詞到當(dāng)前句尾的單詞序列和連接詞的前一句分別作為連接詞對應(yīng)的兩個論元。上述方法在國際基準(zhǔn)語料PDTB上進(jìn)行試驗,實驗表明采用基于淺層語義分析框架的篇章論元元識別模型后,DAI的F1值

6、與目前基于組塊的方法相比得到顯著提升。
　　3.篇章連貫性建模(Discourse Coherence Modeling,簡稱DCM)研究。本文在研究了基于實體和基于篇章關(guān)系的篇章連貫性模型的基礎(chǔ)上,提出了一個基于主位-述位結(jié)構(gòu)銜接性理論的篇章連貫性模型。該模型通過計算句子中主位和述位的相似度來描述篇章連貫性,并采用規(guī)則方法集成了基于主位結(jié)構(gòu)和指代消解的兩種篇章連貫性過濾機(jī)制。上述模型在五種不同文體的國際基準(zhǔn)語料上進(jìn)行試驗,實驗表

7、明采用基于銜接性理論的篇章連貫性模型后,DCM的準(zhǔn)確率與目前基于實體和篇章關(guān)系的有監(jiān)督學(xué)習(xí)方法相比得到顯著提升。
　　在此基礎(chǔ)上,本文設(shè)計了基于樹核的英文篇章結(jié)構(gòu)分析平臺,并將上述三個關(guān)鍵問題的研究算法一并加以集成。為了驗證上述方法對自然語言處理相關(guān)應(yīng)用的實際作用,本文引入了學(xué)生作文的可讀性評估作為測試實例,通過線性擬合等方法,將篇章關(guān)系值和篇章連貫性值作為可讀性評估值。上述研究在開放語料上建立模型,并在實際語料上進(jìn)行試驗,結(jié)果表

8、明了本文構(gòu)建的英文篇章結(jié)構(gòu)分析平臺對于學(xué)生作文可讀性評估十分有效,與目前基于實體和基于篇章關(guān)系的有監(jiān)督學(xué)習(xí)方法相比,在算法精度和減少對大規(guī)模語料庫的依賴性等方面具有優(yōu)勢。
　　本文的創(chuàng)新點主要表現(xiàn)在:(1)針對隱式篇章關(guān)系識別研究,提出了基于態(tài)度韻律理論的隱式篇章關(guān)系識別模型。該模型通過計算句子的態(tài)度/情感來識別隱式篇章關(guān)系,并采用復(fù)合核方法集成了一種依存詞對樹核結(jié)構(gòu)。與同類方法相比,在國際基準(zhǔn)PDTB語料上將隱式篇章關(guān)系識別性能

9、提升了大約6％;(2)針對篇章論元識別研究,提出了基于淺層語義分析框架的篇章論元識別模型,將傳統(tǒng)方法的組塊層次提升為具有豐富句法信息的句法樹層次,同時將組塊而不是單詞作為篇章論元的識別單元。與同類方法相比,在國際基準(zhǔn)PDTB語料上將標(biāo)準(zhǔn)句法樹和自動句法樹上的篇章論元識別性能分別提升了大約2%和6%;(3)針對篇章連貫性建模研究,提出了基于主位-述位結(jié)構(gòu)銜接性理論的篇章連貫性模型,通過計算句子中主位和述位的相似度來描述篇章連貫性,并采用規(guī)

10、則方法集成了基于主位結(jié)構(gòu)和指代消解的兩種篇章連貫性過濾機(jī)制。與同類方法相比,在國際基準(zhǔn)Accident、Earthquake、Wall street journal、Britannical elementary語料上將篇章連貫性檢測性能分別提升了3%-6%。
　　本文的主要貢獻(xiàn):對篇章結(jié)構(gòu)分析中的關(guān)鍵技術(shù)進(jìn)行了深入的研究,提出了相關(guān)問題的一些解決方法,并設(shè)計了相應(yīng)的算法和實驗。實驗表明,本文提出的這些方法有助于提高篇章結(jié)構(gòu)分析的性