搭配抽取及中國(guó)英語(yǔ)的動(dòng)詞搭配特征.pdf

1、搭配現(xiàn)象存在于所有自然語(yǔ)言。搭配是語(yǔ)言學(xué)中的重要概念，在語(yǔ)料庫(kù)語(yǔ)言學(xué)、自然語(yǔ)言處理、英語(yǔ)教學(xué)、詞典學(xué)等領(lǐng)域均有關(guān)于搭配的研究。本文結(jié)合語(yǔ)料庫(kù)語(yǔ)言學(xué)理論和自然語(yǔ)言處理技術(shù)，研究搭配的自動(dòng)抽取，并以中國(guó)英語(yǔ)新聞?wù)Z料為例探討了中國(guó)英語(yǔ)的動(dòng)詞搭配特征。
　　本文基于Manning和Schütze的搭配概念提出了搭配的5個(gè)定義特征，即統(tǒng)計(jì)頻繁性、組合非修飾性、聚合非替換性、語(yǔ)義非合成性、互譯非直譯性。并在此基礎(chǔ)上提出了一個(gè)包含“統(tǒng)計(jì)-組合-

2、聚合-語(yǔ)義-互譯”的5個(gè)層次的概念框架。
　　本文依據(jù)搭配的概念框架構(gòu)建“統(tǒng)計(jì)-聚合-組合”搭配抽取模型，實(shí)現(xiàn)了搭配抽取工具。首先對(duì)語(yǔ)料進(jìn)行自然語(yǔ)言方面的預(yù)處理;然后從搭配候選中依次抽取邊緣搭配、半邊緣搭配、核心搭配。邊緣搭配是所有頻率大于等于閾值的依存三元組;半邊緣搭配是使用本文提出的LMP關(guān)聯(lián)度方法對(duì)邊緣搭配排序后大于閾值的搭配;核心搭配是使用本文建立的相似詞庫(kù)進(jìn)行對(duì)半邊緣過(guò)濾后不能被相似詞替換的搭配。實(shí)驗(yàn)的訓(xùn)練集是從中國(guó)政府

3、英文網(wǎng)、新華網(wǎng)等爬取的中國(guó)英語(yǔ)新聞?wù)Z料，大小為126M;測(cè)試集為從《牛津搭配詞典》選取的813條搭配，評(píng)價(jià)指標(biāo)為準(zhǔn)確率(P)、召回率(R)和F值(F)。結(jié)果表明，本文中的LMP關(guān)聯(lián)度方法優(yōu)于其他關(guān)聯(lián)度方法;組合限制可以有效過(guò)濾掉大部分噪音;聚合限制可以有效提取非常核心的搭配;在評(píng)價(jià)抽取方法時(shí)關(guān)鍵度可以作為測(cè)試集采樣的考慮因素之一。
　　最后，本文利用自動(dòng)抽取的搭配對(duì)中國(guó)英語(yǔ)的動(dòng)詞搭配特征進(jìn)行了研究。通過(guò)分析從中國(guó)英語(yǔ)新聞?wù)Z料中自動(dòng)