汉语词语上下位关系识别是知识图谱技术的研究热点,对知识库与知识谱图构建具有重要的意义、本文重点研究汉语词语上下位关系分类问题。首先,本文设计了一套上下位关系数据标注规范,并构建了包含17,813对实例的汉语上下位关系数据集。进而,本文提出了一种基于词模式嵌入的上下位关系分类方法,以有效利用词语对的上下文信息。最后,基于上下位关系分类的最新研究成果,本文提出一种多特征融合的分类方法,以有效利用词语对的依存路径信息。本文的主要研究内容如下:(1)上下位关系标注规范与数据集构建基于前人工作,本文设计了一个简单、明确的上下位关系数据标注规范。综合考虑词语在汉语词典与语料情境的多种含义,该规范明确定义了汉语上下位关系。在规范的指导下,本文结合《同义词词林》(扩展版)与HowNet构建了具有上下位关系的正例,利用部分整体词、并列下位词等方法构建了负例。最终,本文构建了规模较大的汉语上下位关系数据集。(2)基于词模式嵌入的上下位关系分类为了能够获取词语对在句子中的上下文信息,本文使用基于模式的方法将上下文信息转化为稀疏向量。本文提出了词模式的概念,提高了模式匹配度,使稀疏的模式向量稠密化。词嵌入表达了词语的语义信息,与词模式表达的上下文信息互补,所以本文进一步尝试将词模式方法与词嵌入的方法融合。在基于最大熵模型的实验中,词模式的效果得到了充分地验证。在综合词嵌入与词模式的分类模型中,本文提出的词模式嵌入方法为实验结果带来了有效的提升。(3)多特征融合的上下位关系分类为了能够更好地利用词语对共现句子中的上下文信息,尤其是依存句法结构信息,我们使用LSTM对句法路径进行深入编码。同时,在构建汉语上下位数据集时,我们发现某些上下位词语对具有相似的词表面特征,因此将其作为特征融入模型。最终,我们提出了一种有效结合词嵌入、依存模式与词表面特征的多特征融合模型。实验结果表明,多特征融合模型在上下位关系分类的表现优于其他模型。综上所述,本文设计了汉语上下位关系数据标注规范,并构建了规模较大的汉语上下位关系数据集。在提出词模式的基础上,本文结合词嵌入表示来提高汉语上下位关系分类任务的准确率。最后,利用依存路径与词表面特征进一步提升关系分类的准确率。本论文的研究成果获得了初步的提升,我们希望这些研究成果能够为自然语言处理和知识图谱领域的其他任务起到促进作用。