论文部分内容阅读
通用词间关系,也称一般词间关系,是不受领域范围限制的一系列词间关系的集合,该集合中的每一类关系均能在广泛的领域范围内成立。对通用关系进行识别和获取是基于自然语言的知识组织系统(如本体)构建过程中基本的任务之一。由于通用关系是多种词间关系的一个集合,其内涵和外延远比单一的词间关系(如层次关系、Is-a关系)复杂,难以对通用关系进行机器可读的形式化描述,导致通用关系的自动获取相对困难,现有的各种关系获取方法,如统计法和模式法均难以有效地获取通用关系。
关系三元组为通用词间关系的描述提供了一种手段。这一方法的基本假设是:动词能够描述两个名词概念间关系的语义。基于这一思想,本文在综合分析了现有的各种关系获取方法的基础上,设计了一种通过抽取关系三元组的方法来自动获取中文文本信息中通用关系的方案:首先,采用基于统计的方法提取具有匿名关系的名词对;其次,结合自然语言处理技术,通过句法分析从自然语言语料中提取两个名词之间的常用谓词作为通用关系的描述标签,构造形如(名词,谓词,名词)的谓词三元组;再次,对每一个关系词对的所有谓词,结合上下文信息进行分析,确定用于生成关系语义标签的谓词集合;最后,通过外部语义工具对谓词集合中的谓词进行分析,为匿名关系生成规范的语义标签,并将此标签作为对通用关系的描述。
相对于其他词间关系获取方法,这一方案是相对复杂的,其中使用了基于统计的互信息计算、模式匹配和上下文向量空间匹配等多种方法以实现不同步骤的设计目标。基于人民日报PFR语料的实验结果证明,该方案能够实现对通用关系的获取,即能够通过谓词提取生成三元组的语义标签。说明匿名关系——谓词提取——语义解释这一通用关系获取方法是可行的。
此外,在对实验结果进行分析的过程中,本文提出了结合准确率、有效率、漏标率和误标率四项指标进行评价的方法。