基于多維頻繁子樹模式的中文問句中心詞識別研究.pdf

1、中文問句中，疑問詞與中心詞揭示了問句的大部分信息，因此，在中文問句處理中，識別疑問詞與中心詞變得尤為重要。由于中文的疑問詞相對固定，數(shù)量也不多，故疑問詞的識別準確率很高。然而中文語言的意合性、無時態(tài)變化、語序靈活性等特點，以及中心詞在數(shù)量、位置、成份上的多樣性與復雜性，使得中文問句中心詞識別變得相對困難。
　　根據中文依存語法，問句可解析成依存關系樹，中文問句的常見自然語言結構特征自然就會反映在依存關系樹中。因此，可以從中文問句的

2、依存關系樹庫中，挖掘中文問句的特征子結構，以輔助進行中文問句中心詞識別。本文即致力于研究中文問句依存關系樹庫的挖掘問題，并將挖掘結果應用于中文問句中心詞識別。
　　本文主要研究工作如下:
　　(1)中文依存關系樹中，節(jié)點由詞組成，而詞的信息是多維的，從而形成樹的多維結構，而現(xiàn)有樹挖掘領域研究的主要是僅含標號的一維信息的單維樹。本文提出多維樹的概念，探討了多維樹的性質特征;結合多維樹的特征設計了多維樹的候選樹生成策略以及相應無

3、效樹剪枝策略，提出了多維頻繁子樹模式的挖掘算法，并設計實驗驗證了算法的有效性。
　　(2)將多維頻繁子樹模式應用到中文問句中心詞標注中，通過挖掘問句依存關系樹所蘊藏的中心詞各維度特征之間的統(tǒng)計概率關系，來正確標注中心詞。該方法通過挖掘頻繁依存子樹模式以生成相應統(tǒng)計規(guī)則模式，建立在嚴格的統(tǒng)計語料基礎上，標注的穩(wěn)定性、適應性及魯棒性較好。實驗表明，本文方法較CRF方法效果有一定的提升。
　　(3)針對頻繁依存子樹模式生成的大量統(tǒng)