面向三維場(chǎng)景生成的中文語義角色標(biāo)注方法研究.pdf

1、本課題來源于國家自然科學(xué)基金資助項(xiàng)目——“基于Ontology的文本中空間關(guān)系的三維可視化研究”（簡(jiǎn)稱文景轉(zhuǎn)換），該項(xiàng)目以基于Ontology的自然語言文本到相應(yīng)的三維動(dòng)態(tài)虛擬場(chǎng)景轉(zhuǎn)換與生成機(jī)制為主要研究內(nèi)容。由于動(dòng)態(tài)場(chǎng)景需要以動(dòng)作為線索，就必須首先應(yīng)用自然語言處理技術(shù)，要全面地理解和提取文章中的動(dòng)詞信息。因此提出了面向該領(lǐng)域的語義角色標(biāo)注的研究與實(shí)現(xiàn)。
　　語義角色標(biāo)注是語義分析的一種主要實(shí)現(xiàn)方式，采用“謂語-角色”的結(jié)構(gòu)形式，

2、標(biāo)記句子中的成分作為給定謂語的語義角色，包括施事、受事、時(shí)間、地點(diǎn)等。在本文的語義角色的識(shí)別和分類中，主要采用兩類學(xué)習(xí)方法：基于最大熵模型的統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法；基于Kernel的學(xué)習(xí)方法。
　　本文的主要研究內(nèi)容：
　　(1)介紹了目前用于本研究的《伊索寓言》語料庫的構(gòu)建，包括：動(dòng)詞在文章中出現(xiàn)頻率的統(tǒng)計(jì)；動(dòng)詞的聚類；選擇待標(biāo)注單元；確定要標(biāo)注的語義角色類型；確定待標(biāo)注的典型動(dòng)詞；仿照CPB的標(biāo)注形式完成標(biāo)注。
　　(2

3、)給出了完整的中文語義角色標(biāo)注系統(tǒng)的設(shè)計(jì)方案，主要包括5部分：預(yù)處理，自動(dòng)標(biāo)注，后處理，評(píng)價(jià)方法和對(duì)系統(tǒng)的改進(jìn)策略。
　　(3)詳細(xì)描述了該領(lǐng)域內(nèi)基于最大熵模型的語義角色標(biāo)注系統(tǒng)的實(shí)現(xiàn)：以句法成分作為待標(biāo)注單元；根據(jù)剪枝規(guī)則，刪除大部分不可能是語義角色的節(jié)點(diǎn)；利用最大熵模型，對(duì)候選節(jié)點(diǎn)進(jìn)行識(shí)別和分類。在基礎(chǔ)特征空間上整體F值達(dá)到60.185％；在上述系統(tǒng)中加入擴(kuò)展特征空間，整體F值達(dá)到61.027%。使用了后處理規(guī)則，整體F值提高

4、到63.862%。
　　(4)詳細(xì)描述了該領(lǐng)域內(nèi)基于Kernel的語義角色標(biāo)注系統(tǒng)的實(shí)現(xiàn)：給出了一種從特征構(gòu)造出來的核函數(shù)PAK，將PAK嵌入到libSVM中，在《伊索寓言》語料上對(duì)前述的六類論元進(jìn)行識(shí)別和分類，得到整體的精確率為65.321%。為了測(cè)試PAK對(duì)于角色識(shí)別系統(tǒng)的貢獻(xiàn)，增加了一組對(duì)比實(shí)驗(yàn)，利用SVM中的多項(xiàng)式核函數(shù)，在相同的語料上進(jìn)行實(shí)驗(yàn)，得到整體的精確率為69.028%。顯然，這兩組實(shí)驗(yàn)的整體效果要超過基于最大熵模