基于依存樹核函數(shù)的語義角色標(biāo)注研究.pdf

1、一直以來，自動語義分析是自然語言理解的主要目標(biāo)之一，然而由于深層語義分析的復(fù)雜性，人們目前更關(guān)心淺層語義分析，一種簡化的語義分析形式，它只分析與句子中謂詞有關(guān)成分的語義角色，如施事、受事、地點(diǎn)和時間等。語義角色標(biāo)注(SemanticRoleLabeling，簡稱SRL)是對于給定句子中的每個謂詞，分析出謂詞的語義成分，是淺層語義分析的一種實(shí)現(xiàn)方式，具有定義清晰，便于評價的優(yōu)點(diǎn)。近年來受到越來越多的關(guān)注，并已被廣泛應(yīng)用于更高級的自然語言處

2、理相關(guān)任務(wù)，如機(jī)器翻譯、信息抽取和問答系統(tǒng)等。
　　 目前，主流的語義角色標(biāo)注研究有兩種方法：基于特征向量的方法和基于樹核函數(shù)的方法?；谔卣飨蛄康姆椒ǖ难芯恳呀?jīng)較為成熟而且取得了很好的性能，然而，隨著越來越多特征的加入，特征之間的影響越來越嚴(yán)重，使得系統(tǒng)性能增長逐漸趨緩，發(fā)展遇到了瓶頸。另一種研究趨勢是探索基于樹核函數(shù)的SRL。樹核函數(shù)方法能夠有效的利用結(jié)構(gòu)化信息而避免復(fù)雜的特征工程工作。樹核函數(shù)中使用的句法分析樹可分為短語結(jié)

3、構(gòu)句法樹和依存句法樹。目前常用的基于樹核函數(shù)的語義角色標(biāo)注研究主要集中在短語結(jié)構(gòu)句法分析樹上。
　　 本文在依存句法分析的基礎(chǔ)上，使用樹核函數(shù)方法進(jìn)行語義角色標(biāo)注，研究內(nèi)容主要包括三個方面：
　　 1．研究依存句法樹結(jié)構(gòu)化信息的表達(dá)形式。提出了一種新的依存樹表達(dá)形式，稱之為：依存關(guān)系驅(qū)動的成分句法樹(DependencyRelation-drivenConstituentParseTree，DR-CPT)，該結(jié)構(gòu)類似于短

4、語結(jié)構(gòu)句法樹，但同時包含了依存關(guān)系類型信息，相當(dāng)于在短語結(jié)構(gòu)句法樹上，將成分類型節(jié)點(diǎn)替換成依存關(guān)系類型。這樣，新的依存樹表達(dá)形式就同時具有兩者的優(yōu)點(diǎn)。
　　 2．研究基于依存樹核函數(shù)的名詞性謂詞語義角色標(biāo)注。結(jié)合名詞性謂詞語義角色標(biāo)注特點(diǎn)和提出的DR-CPT結(jié)構(gòu)，設(shè)計了三種不同的結(jié)構(gòu)化信息裁剪策略，并使用樹核函數(shù)方法分別在正確和自動句法樹上進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，在正確句法樹上，系統(tǒng)取得了目前已知的最好性能。
　　 3．