漢語簡單名詞短語的識別及應(yīng)用.pdf

1、名詞短語在句子中常常擔(dān)任主語、賓語或定語等重要句法成分，其識別是自然語言處理領(lǐng)域的基礎(chǔ)任務(wù)。漢語簡單名詞短語作為一種特殊類型的名詞短語，兼具結(jié)構(gòu)簡單性和語義準(zhǔn)確性，可以在完整保留句子結(jié)構(gòu)信息的同時兼顧后續(xù)句法分析的需要。本文將漢語簡單名詞短語的識別作為主要任務(wù)，并將其應(yīng)用于一項具體的深層句法分析任務(wù)。
　　本文主要工作有:
　　(1)分析簡單名詞短語與其他類型名詞短語的異同，進一步明確其定義及識別任務(wù)。選擇中文賓州樹庫作為原

2、始語料，對其進行解析，得到用于簡單名詞短語自動識別實驗的數(shù)據(jù)集。
　　(2)利用詞、詞性和語義資源信息，分別使用三種主流的統(tǒng)計機器學(xué)習(xí)方法，即最大熵、條什隨機場和支持向量機模型對簡單名詞短語進行識別。在單一模型識別基礎(chǔ)上，進一步使用疊加方法構(gòu)建組合分類器提高識別結(jié)果，最終達到了90.91％的F值。
　　(3)在統(tǒng)計方法識別的基礎(chǔ)上，針對內(nèi)含并列結(jié)構(gòu)型簡單名詞短語的特殊性，利用漢語并列成分的結(jié)構(gòu)平行和語義相似特點構(gòu)建識別算法。

3、實驗證明，使用該算法作為簡單名詞短語識別的后處理規(guī)則，可在提高識別效果的同時分析簡單名詞短語內(nèi)部的并列成分，在一定程度上解決了目前多名詞并列結(jié)構(gòu)難以識別的問題。
　　(4)分析漢語最長名詞短語自動識別精度過低的原因，應(yīng)用簡單名詞短語作為底層信息，將最長名詞短語的識別過程分解為兩階段。在當(dāng)前最長名詞短語識別效果最好的單一模型上進行實驗，底層使用自動識別的簡單名詞短語時，F(xiàn)值提高了1個百分點;當(dāng)簡單名詞短語被完全正確識別時，F(xiàn)值可提高