漢語句子的組塊識別研究.pdf

1、組塊識別是自然語言淺層句法分析的重要任務(wù)之一。它通過采用“分而治之”的策略把句子解析成較小的單元來簡化句子結(jié)構(gòu)，并為進一步揭示這些單元間的句法關(guān)系提供基礎(chǔ)。組塊識別作為一種確定性很高的部分分析結(jié)果，有利于解決機器翻譯中的歧義問題。組塊識別還在信息檢索、信息抽取、文本分類及語音識別等領(lǐng)域具有重要的應(yīng)用價值。本文的目的是在詞法分析的基礎(chǔ)上，完成漢語句子的組塊識別，為完全句法分析和其他自然語言處理任務(wù)提供基礎(chǔ)。本文利用條件隨機域(CRFs)方

2、法進行漢語句子的組塊識別研究，提出了基于CRFs的分布式策略與錯誤驅(qū)動技術(shù)相結(jié)合的組塊識別方法。 本文給出了一種分布式策略方法，它將11種類型的漢語組塊進行分組，對不同組的組塊類型選取適合該組類型識別的敏感特征，結(jié)合CRFs構(gòu)建不同組的組塊識別模型；為進一步提高組塊識別結(jié)果，本文利用基于CRFS的錯誤驅(qū)動技術(shù)對組塊進行自動糾錯，將第一階段CRFs的組塊識別結(jié)果作為一般特征加入到第二階段CRFs識別的特征模板中，通過CRFs統(tǒng)計學