漢語依存圖庫的構(gòu)建.pdf

1、計算機(jī)自然語言處理需要從線性的句子中獲取詞語之間的語義關(guān)系，樹形的句法結(jié)構(gòu)可以推導(dǎo)出句子成分之間主要的語義關(guān)系，在自然語言處理中起著重要作用，但隨著近年來語料庫建設(shè)規(guī)模的不斷擴(kuò)大，研究者發(fā)現(xiàn)用投影樹無法完整地描寫句法結(jié)構(gòu)，并且還發(fā)現(xiàn)有相當(dāng)數(shù)量的非投影樹結(jié)構(gòu)和圖結(jié)構(gòu)。同時由于漢語自身的特點，長期以來，漢語句法分析精度較低，現(xiàn)有的句法分析技術(shù)不適合處理漢語中的一些特殊句式（連動句、兼語句、動詞拷貝、長句等），亟需尋找新的技術(shù)手段解決這一難題

2、。
　　一些研究者提出了AMR這種基于圖的句子語義表示方法，用來分析英語。本文則嘗試借鑒這一方法來探究基于依存語法對漢語進(jìn)行句法語義一體化標(biāo)注（簡稱依存圖標(biāo)注），進(jìn)而構(gòu)建漢語依存圖庫。本文的主要內(nèi)容如下:
　　第一步，梳理并分析了句法理論和句法結(jié)構(gòu)表示方法的發(fā)展過程，在這個過程中發(fā)現(xiàn)在句法分析和論元分析的過程中經(jīng)常出現(xiàn)了超出樹結(jié)構(gòu)的現(xiàn)象，這是引進(jìn)圖結(jié)構(gòu)的一個重要原因，然后，進(jìn)一步統(tǒng)計分析了CoNLL2009評測的中文數(shù)據(jù)，結(jié)

3、果表明了根據(jù)樹結(jié)構(gòu)難以推導(dǎo)出所有的語義結(jié)構(gòu)，這就需要探索漢語句子的基于圖的句法語義一體化標(biāo)注新方案;
　　第二步，基于以上的理論準(zhǔn)備，通過實際標(biāo)注和反復(fù)的驗證修改，逐步構(gòu)建出基于依存圖標(biāo)注的標(biāo)記集體系和具體的標(biāo)注規(guī)范，這也是本研究的創(chuàng)新之處;
　　第三步是實際操作部分，使用第二步確定的標(biāo)記集和標(biāo)注規(guī)范對已有的CoNLL2009評測的中文數(shù)據(jù)中的一部分?jǐn)?shù)據(jù)進(jìn)行依存圖標(biāo)注，一共標(biāo)注了1230句，并記錄了標(biāo)注過程中遇到的一些問題;

4、
　　第四步則是對第三步的標(biāo)注結(jié)果進(jìn)行統(tǒng)計和分析，統(tǒng)計發(fā)現(xiàn)在標(biāo)注好的1230句的語料中形成圖結(jié)構(gòu)的句子有795句，占到語料的64.6％。這部分就主要分析了標(biāo)注中形成圖結(jié)構(gòu)的一些特殊的語言現(xiàn)象，例如，兼語句、連動句、二價名詞等，對這些特殊句子的處理正是依存圖相對于依存樹的優(yōu)勢所在，也是構(gòu)建依存圖庫的關(guān)鍵所在。
　　本文的創(chuàng)新之處在于，首先是提出用圖結(jié)構(gòu)來表示漢語句法語義分析結(jié)果;其次是提出一套新的漢語句法語義一體化標(biāo)注的標(biāo)記集