現代漢語動賓搭配多角度考察及其自動識別.pdf

1、詞語搭配是一種具有一定語法結構關系的、可重復出現的詞語的組合。一般指具體詞語之間的組合關系，在自動句法分析、機器翻譯等領域，能發(fā)揮不可替代的作用。而動賓搭配更以其使用的高頻性、復雜性、靈活性受到學者的廣泛關注，其也更是構建詞語搭配庫的核心問題之一。單純依靠人工篩選建庫是不可取的，自然語言處理就是要對詞語搭配進行深入地研究，找到適合計算機大規(guī)模處理的方法。 在廣義搭配觀下，基于精確標注的清華漢語樹庫語料，針對動賓搭配主要做了兩部分

2、工作，其一，對動賓搭配的多角度考察；其二，對動賓搭配的自動獲取與識別。 第一部分從定性和定量相結合的角度考察了樹庫中抽取到的50611對(tokens)動賓搭配實例。定性考察主要在搭配的詞序、詞性、動詞的語法屬性、搭配中的詞匯語義作用等方面，圍繞詞語搭配所涉及到的語法、詞匯、語義(事理邏輯)等層面，作出相關分析，為后續(xù)識別階段提供理論參考；定量考察主要介紹了搭配自動獲取與識別的常用統(tǒng)計量，并對樹庫中的動賓搭配在搭配頻次、互信息、

3、距離的平均值與方著等方面作了統(tǒng)計與分析，甄別哪部分統(tǒng)計數據后續(xù)識別階段較為有用。 第二部分分別基于傳統(tǒng)統(tǒng)計方法和統(tǒng)計機器自動學習方法對動賓搭配進行了自動獲取與識別。傳統(tǒng)的統(tǒng)計方法，處理模型比較簡單，多是單一的統(tǒng)計量，如共現頻率、互信息等，識別結果F值在50％左右，效果不甚理想。于是，轉向基于機器自動學習的復雜統(tǒng)計模型條件隨機場CRFs進行動賓搭配的自動識別。詳細實驗了分詞與詞性標記集不同對實驗結果的影響，詞性組合序列類型的限定不