漢語句法樹庫不一致發(fā)現(xiàn)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、漢語句法樹庫是自然語言處理中的一項(xiàng)很重要的數(shù)據(jù)資源,也是進(jìn)行自然語言處理的基礎(chǔ)。而賓州句法樹庫是目前短語結(jié)構(gòu)樹庫的典型代表之一,主要是短語結(jié)構(gòu)標(biāo)記和短語功能標(biāo)記。由于語料庫都是經(jīng)過人工標(biāo)注,不同的標(biāo)注者對于標(biāo)注大綱或者相似的語言現(xiàn)象有著不同的理解。因此,就會導(dǎo)致語料庫中出現(xiàn)大量的短語標(biāo)注的不一致問題。樹庫中出現(xiàn)短語標(biāo)注的不一致問題,將會直接影響到自然語言處理的后續(xù)的科學(xué)研究,
　　為了查找句法樹庫和樹庫大綱之間、類似短語之間的不一

2、致,本文對此展開了分析、總結(jié)與軟件的設(shè)計(jì)實(shí)現(xiàn)。本文主要包括兩大部分:不一致查找方法的研究和展示系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)。在不一致查找方法的研究中主要從兩個(gè)方面進(jìn)行:(1)從類似短語內(nèi)部構(gòu)成并結(jié)合可疑度來查找;(2)從樹庫標(biāo)注大綱入手,檢測詞性、短語等各類標(biāo)記符號與大綱定義不符合的情況。實(shí)驗(yàn)結(jié)果表明,該方法可以查找到語料庫大多數(shù)的不一致現(xiàn)象。
　　系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)是基于人機(jī)交互方式,用于不一致的修改和保存,具體包括六個(gè)模塊:展示查找到的不一致短語