论文部分内容阅读
中文信息处理作为计算语言学的一个分支,在人工智能、搜索引擎等互联网技术飞速发展的今天显得越来越重要。汉语的使用范围也随着中国在国际上的影响力逐渐扩大,而汉语复句作为汉语语言的重要组成部分,已经成为计算机解决的核心对象,也是目前中文信息处理的研究难点之一。目前,对复句的研究主要包括关系标记的自动标识、分句和非分句的判断、复句层次的自动划分和复句关系的识别。其中,关系标记的自动标识和分句划分已经有了较多的研究,而复句层次的自动划分和关系识别研究较少。鉴于关系标记的自动标识技术已经基本成熟,且关系标记本身具有标明复句层次结构和分句间逻辑语义的作用,因此,在对复句的层次结构进行分析时也要紧紧抓住关系标记这一重要形式标志。然而,由于汉语表达方式的多样性,分句内总会出现关系标记的缺省,即关系标记的隐现,这就导致仅仅依靠关系标记实现复句层次的识别困难重重。为此,本文采取“分而治之”的策略,将研究对象(三句式有标复句)分成充盈态和非充盈态两种类型;同时,为解决标记缺省的问题,构建了标记配位类型表和标记隐现规则,实现对复句内的标记隐现模式的自动提取;另外,在复句的依存句法分析基础上,提出了利用句法成分复现进行分句间关联度的计算。最终通过构建基于标记隐现规则和关联特征的复句层次结构识别模型,达到对复句的层次结构进行自动划分的目的。本文的工作从以下几个方面开展。首先,本文利用依存句法和标点符号对复句内的分句进行划分;其次,在剔除伪分句的基础上,对分句内的关系标记进行标注和提取,以期获得复句的关系标记序列;然后,构建标记配位类型表,并在此基础上提出了标记隐现模式确定算法,获得给定复句的标记隐现模式;同时,在依存句法分析的基础上,提出利用句法成分复现对分句间的关联度进行计算的方法;最后,构建基于标记隐现规则和关联特征进行复句层次结构判断的模型,通过标记隐现规则对充盈态三句式有标复句的层次进行识别和分析,对于非充盈态三句式有标复句则利用关联特征进行层次结构判断。通过实验,标记隐现模式获得的正确率达91.5%,复句层次结构分析的正确率达90.6%。该结果表明,本文提出的方法对复句层次结构的分析是行之有效的。