存在“就是”句子的句間關(guān)系識別研究.pdf

1、隨著自然語言處理技術(shù)的迅速發(fā)展，機器翻譯、信息檢索、信息抽取、自動問答、文本連貫性評價等在內(nèi)的研究都有了較大的突破，但發(fā)展的同時也面臨著瓶頸。在語言的語義理解方面，計算機還無法處理傳統(tǒng)語言學中對于句群層面的一些抽象定義。自然語言處理技術(shù)要想有進一步的提升，還須在句群層面的語義分析、語義理解上提供相關(guān)的理論和技術(shù)支持。對于漢英機器翻譯，信息檢索，自動問答等的研究來說，理想的模型也應(yīng)該是建立在語篇或者句群層面上。因為句子本身所能承載的上下文

2、之間的信息過少，從單個句子到段落、篇章的語義過渡又太大。為了在順應(yīng)傳統(tǒng)語言學思想的基礎(chǔ)上，能夠更好地做到對段落、篇章進行處理，句間關(guān)系這一概念被引入計算語言學中。句間關(guān)系即為兩個文本單元（句與句）之間存在的關(guān)聯(lián)。加強對句間關(guān)系的研究也就成了自然語言處理的新發(fā)展對語法研究提出的新要求。
　　句間關(guān)系作為句群、語義理解的重要內(nèi)容，獲得了學術(shù)界越來越多的關(guān)注。查閱語言學相關(guān)資料我們發(fā)現(xiàn)存在“就是”的句子在句間關(guān)系的研究上具有很重要的研究

3、價值，句間會出現(xiàn)傳統(tǒng)語言學12種關(guān)系中的所有情況。于是本文在對存在“就是”句子的研究中，對存在“就是”的單句和與這個句子最靠近的單句間的關(guān)系進行了探討，實驗過程中我們使用了規(guī)則和機器學習相結(jié)合的方法。在語料的選取上，由統(tǒng)計一致性指標Kappa值確定出來的人員對從北京大學CCL語料庫隨機抽選出的句子進行標注，將標注的結(jié)果作為人工判斷的結(jié)果。在規(guī)則的提取中，我們首先查閱語言學相關(guān)方面，提取出能夠用來判別存在“就是”句子句間關(guān)系的一些特征，這

4、些特征分為存在“就是”句子所特有的特征，和普適的特征，然后將特征寫入特征向量。為了提高準確率，在特征的寫入中，我們加強了特有特征的識別，即增加一維向量用來存儲明顯關(guān)系特征（特有特征），之后使用分類工具進行建模（機器學習），再使用模型來預(yù)測。將預(yù)測的結(jié)果和人工判斷的結(jié)果進行比較，得出準確率、召回率、F1值，實驗結(jié)果表明，對特有特征進行加強后的實驗總體準確率較之加強前平均提高了兩個百分點。這里分類工具我們使用的是 SVM和邏輯回歸，基于這兩