基于CCG的語義解析算法改進(jìn)與組合方法研究.pdf

1、作為自然語言處理領(lǐng)域的一個(gè)重要研究問題，語義解析(Semantic Parsing)的任務(wù)是將自然語言句子轉(zhuǎn)換成一種完整的、形式化的、計(jì)算機(jī)可理解和執(zhí)行的意義表示形式。它在機(jī)器人交互、數(shù)據(jù)庫自然語言接口等領(lǐng)域有著廣泛的應(yīng)用前景。
　　由于組合范疇文法（Combinatory Categorial Grammar，CCG）提供了一種用于在自然語言句法表示和語義表示之間構(gòu)建對(duì)應(yīng)關(guān)系的良好結(jié)構(gòu)，在實(shí)現(xiàn)語義解析的多種方法中，基于CCG的語

2、義解析方法受到了廣泛關(guān)注。但在基于CCG的語義解析研究方法中，由于其解碼算法采用了非精確搜索策略，使得模型參數(shù)訓(xùn)練算法的收斂性在理論上不能得到有效的保證。
　　另一方面針對(duì)句法分析的組合方法研究近些年來受到了較多的關(guān)注，并獲得了較好的性能;然而在語義解析的研究領(lǐng)域中，目前尚未看到相關(guān)的文獻(xiàn)報(bào)道。為此，本文展開了基于CCG的語義解析算法改進(jìn)與組合方法研究。主要工作包含以下兩個(gè)方面:
　　(1)基于CCG的語義解析算法的改進(jìn)。本

3、文利用最大違背感知器算法實(shí)現(xiàn)基于高階合一的CCG語義解析方法UBL的改進(jìn)。最大違背感知器有效地解決了非精確解碼情況下結(jié)構(gòu)化感知器參數(shù)學(xué)習(xí)算法的收斂性與效率問題，并在理論上得到了嚴(yán)密的證明。在參數(shù)更新方面，我們定義了正確解析樹集與錯(cuò)誤解析樹集之間的最大違背對(duì)等子樹對(duì)，基于該子樹對(duì)進(jìn)行參數(shù)向量的更新。在獲取隱變量方面，我們提出基于意義表示子表達(dá)式匹配準(zhǔn)則進(jìn)行強(qiáng)制解碼，從而獲取與訓(xùn)練實(shí)例對(duì)應(yīng)的正確語義解析樹。在Geo880語義解析數(shù)據(jù)集上的實(shí)

4、驗(yàn)結(jié)果表明，本文提出的改進(jìn)方法提高了系統(tǒng)的準(zhǔn)確率和時(shí)間效率。
　　(2)語義解析器的組合方法研究。本文基于句法分析器的組合方法，結(jié)合語義解析自身的特點(diǎn)，設(shè)計(jì)了兩種語義解析器組合方法:基于相似度的方法和基于樸素貝葉斯模型的方法。首先訓(xùn)練幾個(gè)基礎(chǔ)解析器，然后將基礎(chǔ)解析器輸出結(jié)果即意義表示進(jìn)行合并或從中選擇一棵作為最終結(jié)果。實(shí)驗(yàn)結(jié)果表明，兩種方法得到的組合系統(tǒng)性能相比于最優(yōu)的基礎(chǔ)解析器有了顯著的提高，而且基于樸素貝葉斯模型的方法要明顯好