基于馬爾可夫邏輯網(wǎng)絡(luò)的語(yǔ)義角色標(biāo)注.pdf

1、近年來(lái)，隨著統(tǒng)計(jì)機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展，對(duì)句子進(jìn)行語(yǔ)義分析逐漸受到重視起來(lái)。語(yǔ)義角色標(biāo)注（Semantic Role Labeling, SRL）是淺層語(yǔ)義分析的一種可行方案，并具有廣闊的應(yīng)用前景，如問(wèn)答、信息抽取。
　　本文的出發(fā)點(diǎn)是將詞義信息與語(yǔ)義角色標(biāo)注任務(wù)相融合。在CoNLL2009國(guó)際評(píng)測(cè)中，曾將謂詞詞義消歧作為語(yǔ)義角色標(biāo)注的一個(gè)子任務(wù)。當(dāng)時(shí)，我們的方法是將最好的詞義消歧預(yù)測(cè)結(jié)果作為語(yǔ)義角色標(biāo)注的輸入，再進(jìn)行語(yǔ)義角色標(biāo)注

2、處理。這種級(jí)聯(lián)方式的處理無(wú)法得出全局最優(yōu)解。我們的想法是通過(guò)馬爾可夫邏輯網(wǎng)絡(luò)（Markov Logic Networks, MLNs）這種融合模型將詞義消歧與語(yǔ)義角色標(biāo)注融合起來(lái)，使兩個(gè)任務(wù)在預(yù)測(cè)過(guò)程中相互幫助，得出全局最優(yōu)解。
　　本文將分為兩個(gè)階段。第一階段是驗(yàn)證全詞詞義信息對(duì)語(yǔ)義角色標(biāo)注的影響。謂詞詞義信息對(duì)語(yǔ)義角色標(biāo)注是有幫助的，但全詞詞義信息對(duì)語(yǔ)義角色標(biāo)注是否有幫助一直沒(méi)有定論。第二階段是如果全詞詞義信息對(duì)語(yǔ)義角色標(biāo)注有