论文部分内容阅读
目前自然语言处理技术的瓶颈是语义的自动分析,尤其是句义分析。句子中词汇的语义角色标注是对句子进行语义分析的一个重要步骤,是句子命题义的形式化表示的一种实现方式。汉语框架语义角色的自动标注是基于汉语框架语义知识库(CFN)对中文句子实现句义的形式化表示的方法,其深入的研究,将为构建大规模语义语料库提供有效的工具,将有力推动中文信息检索、自动问答、信息抽取等自然语言处理技术的发展。考虑到目前汉语完全句法分析还不成熟,按照英语以句法成分作为标注单元的做法将难以实现。因此,本文将汉语框架语义角色自动标注看作是以词为标注单元和以基本块为标注单元的整个句子的序列标注任务,并分别使用条件随机场模型进行实验。本文的语义角色标注任务为:给定句子中的目标词及其所属框架,自动标出相应的框架语义角色。本文从目前CFN的200多个框架中选取例句数相对较多的25个框架的所有例句按5:5构成训练、测试集。对于基于词的标注模型,本文构造了词层面的特征(当前词、当前词的词性、当前词的位置及其组合),利用正交表来选择最优的特征模板。在测试集上,基于词的标注模型的F值达到了62.50%。进一步,本文使用清华大学的基本块分析器对所有例句进行自动分析,将基本块特征加入到baseline模型中,测试集上F值有1.15%的上升,达到63.65%。对结果的错误分析表明:词特征稀疏可能是导致性能不高的主要原因。对于基于基本块的标注模型,本文以自动的基本块标注信息中构造若干浅层句法特征,同样利用正交表优选特征模板。在测试集上,最优模板的F值达到62.11%。较baseline模型有约0.4%的下降,测试集的25个框架中多个框架的F值,较基于词的标注模型都有显著下降。主要的原因是基本块的标注性能较低。最后,本文从语义角色标注模型的角度和机器学习的角度对研究过程中所遇到的一些问题进行了分析和归纳,指明进一步的研究方向。