基于詞元語義特征的漢語框架排歧技術(shù)研究.pdf

1、近年來，語義分析已經(jīng)引起了自然語言處理領(lǐng)域越來越多的關(guān)注。隨著SemEval2007任務(wù)Task19的提出，框架語義抽取任務(wù)受到了越來越多研究學(xué)者的關(guān)注?？蚣芘牌缛蝿?wù)是框架語義結(jié)構(gòu)抽取任務(wù)中的子任務(wù)，作為中間環(huán)節(jié)，占有基礎(chǔ)又重要的地位。目前常用的框架排歧方法是人工設(shè)定模型和特征模板，研究表明這種方法不能充分利用目標詞所激起的框架的語義特征，因而，本文研究了基于語義特征的漢語框架排歧?？蚣芘牌缱钪匾膬蓚€步驟就是模型選擇和特征選擇。針對模

2、型選擇，本文將漢語框架排歧看作是一個單點分類問題，考察了SVM模型和最大熵模型對漢語框架排歧的影響。針對特征選擇，目前常用的方法是人工特征選擇方法，但是這種方法不能有效地利用每個目標詞的語義特征，而且大量實驗表明，不同的目標詞取得最好的結(jié)果時所用的特征模板是不同的。為此，本文提出了自動特征選擇算法，即為每個目標詞自動選擇一個特征模板。
　　 本文的主要研究內(nèi)容與貢獻包括:
　　 (1)基于詞元語義特征的漢語框架排歧模型。

3、分別闡述了SVM模型和最大熵模型，研究了這兩種模型在詞法層面和句法層面對漢語框架排歧性能的影響。實驗結(jié)果表明，最大熵模型更適合漢語框架排歧。
　　 (2)基于詞元語義特征的漢語框架排歧特征選擇。使用最大熵模型，采用傳統(tǒng)的人工特征選擇方法和本文提出的自動特征選擇方法進行漢語框架排歧。實驗結(jié)果顯示，自動特征選擇方法在時間復(fù)雜度和空間度要明顯優(yōu)于人工特征選擇方法，而且簡化了特征模板。
　　 (3)使用most-frequent