论文部分内容阅读
本课题来源于国家自然科学基金资助项目——“基于Ontology的文本中空间关系的三维可视化研究”(简称文景转换),属于该项目的自然语言处理模块。在文景转换系统中,要针对输入文本生成相应的三维场景和动画,就必须首先运用自然语言处理技术,全面地理解文章中的动词以其语义角色信息。为此,我们提出了面向“文景转换”的中文语义角色标注研究。语义角色标注是一种浅层语义分析的方法,是对深层语义分析的一种简化,它标注句子中与谓词有关的成份为语义角色,以信息抽取的方法来处理语义分析问题。本研究的目的正是在于从语义层面上,深刻地理解文本,以动词为线索全面掌握文章所表达的实体、动作和场景等信息。针对当前的研究状况,本文提出了基于chunk的中文自动语义角色标注研究。该研究以短语串为标注对象,把语义角色标注抽象为分类问题,利用SNoW(Sparse Network of Winnow)工具,通过有指导的学习,实现对“文景转换”领域中文文本的自动语义角色标注。同时,也涉及了语义角色语料库和动词语义框架库的资源建设等工作。本文的主要研究内容包括:1.结合现有资源,对语料中的动词进行统计,包括:词频统计,同语料库的比较,以及覆盖率统计。并分别基于Hownet和CPB的定义对动词进行分类,从不同侧面研究了动词的类别信息。2.使用CPB和Hownet2005的定义相结合,为语料中词频大于等于2的动词建立动词语义框架库。3.参照已建好的语义框架库,在chunk加工的基础上,对语料中的动词及其语义角色进行手工标注。4.自动语义角色标注的研究:使用SNoW工具,把语义角色标注转化为分类问题。结合语料构造了基于chunk的特征空间,并对各种特征的组合进行实验和分析。5.对自动识别效果较差的语义角色进行研究,制定后处理规则,以帮助提升系统的性能。6.建立语义角色标注系统,具体分为:预处理,自动标注,以及后处理三部分。并使用领域内语料和通用语料对系统进行了全面的评价。