基于組合范疇文法的中文語(yǔ)義解析.pdf

1、語(yǔ)義解析(semantic parsing)指的是將自然語(yǔ)言句子轉(zhuǎn)換成其意義表示的過(guò)程。近年來(lái)，英文語(yǔ)義解析的研究成果豐碩，特別是基于組合范疇文法(combinatory categorialgrammar, CCG)的語(yǔ)義解析方法取得了不俗的結(jié)果。相比英文，中文語(yǔ)義解析研究的歷史還比較短。目前，中文語(yǔ)義解析器的構(gòu)建方法主要基于手寫規(guī)則和模板，使用機(jī)器學(xué)習(xí)方法的研究還很少。除此之外，中文語(yǔ)義解析的應(yīng)用也基本集中在地理信息系統(tǒng)(Geogr

2、aphic Information System，GIS)領(lǐng)域。中英文之間的差異使得許多優(yōu)異的英文語(yǔ)義解析方法無(wú)法直接應(yīng)用于中文。本文嘗試將基于組合范疇文法的語(yǔ)義解析方法應(yīng)用于中文，并針對(duì)中文的特點(diǎn)進(jìn)行改進(jìn)。主要工作如下:
　　(1)將英文語(yǔ)義解析數(shù)據(jù)集GeoQuery翻譯成中文，并手工分詞。GeoQuery數(shù)據(jù)集包含880個(gè)美國(guó)地理查詢實(shí)例。每個(gè)實(shí)例由自然語(yǔ)言句子和對(duì)應(yīng)的意義表示組成。
　　(2)將基于組合范疇文法的語(yǔ)義解

3、析方法應(yīng)用到中文上。本文采用因子化的概率組合范疇文法(probabilistic combinatory categorial grammar, PCCG)作為語(yǔ)義解析器的模型。該模型使用詞典歸納過(guò)程歸納CCG詞典，使用參數(shù)估計(jì)過(guò)程從數(shù)據(jù)集中學(xué)習(xí)參數(shù)。在中文GeoQuery數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，語(yǔ)義解析器的F1值僅為60.08％，遠(yuǎn)低于該方法在英文上的結(jié)果。這表明需要針對(duì)中文特點(diǎn)對(duì)基于組合范疇文法的語(yǔ)義解析方法進(jìn)行改進(jìn)。
　　(3)針

4、對(duì)詞典歸納過(guò)程產(chǎn)生較多候選詞項(xiàng)的問(wèn)題，提出逐層切分的詞項(xiàng)生成方法。原始方法采用了基于合一的詞項(xiàng)生成方法，該方法會(huì)產(chǎn)生大量的候選詞項(xiàng)。過(guò)多的候選詞項(xiàng)會(huì)導(dǎo)致解析器性能下降，訓(xùn)練時(shí)間變長(zhǎng)。實(shí)驗(yàn)表明，使用逐層切分的詞項(xiàng)生成方法后，語(yǔ)義解析器的F1值提升至76.56％。
　　(4)針對(duì)中文中長(zhǎng)距離依賴現(xiàn)象普遍的問(wèn)題，提出了詞組合并的方法。在使用逐層切分的詞項(xiàng)生成方法時(shí)，詞組合并對(duì)語(yǔ)義解析器的性能提升很大。實(shí)驗(yàn)表明，使用詞組合并方法后，語(yǔ)義解