论文部分内容阅读
复句在现代汉语中占有重要地位,汉语句子中近2/3是复句。复句是由两个及其以上的分句组成,分句之间存在逻辑语义关系。而复句关系类别的识别是分析复句逻辑语义关系的关键,并且对研究汉语句法理论、语义分析及机器翻译有重要的推动作用。然而,复句关系类别的自动标识需要充分考虑分句间的语义、语境、句法特征等信息,这些是研究复句逻辑语义关系的重点和难点。在复句中,二句式和三句式复句占绝大多数,而三句式复句又可以拆分为二句式复句,所以多句式复句的研究归结起来就是二句式复句的研究。由于非充盈态有标复句中未含明显的关系标记,关系类别不能借助显式关系词搭配进行识别。非充盈态有标复句关系类别自动识别的关键是隐含逻辑语义关系。复句中隐含逻辑语义关系问题的解决,不仅使充盈态有标复句关系类别的标识更加准确,而且能够为无标复句关系类别的识别提供理论依据。本文以二句式非充盈态有标复句为研究对象,结合汉语复句的句法理论、关系标记搭配理论,以汉语复句语料库以及搜索引擎获取的复句为语料,提出基于汉语复句语义相关度的计算方法,对二句式非充盈态有标复句关系类别进行自动标识。研究内容主要有以下两个方面:(1)利用充盈态和非充盈态有标复句的表现形式以及复句关系类别的相关理论。以《人民日报》、《长江日报》作为语料来源,由于人工构建的语料库大小受限,所以我们借助搜索引擎来扩充语料资源,进行二句式非充盈态有标复句语料库的构建,并对二句式非充盈态有标复句在语料库中出现的形式进行统计分析。利用现有的汉语复句关系标记及搭配理论的研究成果,结合基于搜索引擎的语义计算方法,提出一种基于汉语复句的语义相关度计算方法。实验结果表明,与传统的语义相关度计算方法相比该方法的准确率有了较大的提高。同时,该方法不仅综合考虑了复句分句间核心词的跨度、词频以及关系词的搭配距离,而且考虑了分句间的语义信息,有利于更加准确的识别复句的关系类别。(2)在复句关系类别的识别过程中,我们使用哈希算法进行准关系词的提取。同时,利用关系词识别规则库对准关系词进行过滤,并结合基于汉语复句的语义相关度计算方法进行二句式非充盈态有标复句关系类别的自动标识。实验结果表明,本文使用基于汉语复句的语义相关度计算方法对二句式非充盈态有标复句关系类别进行自动识别有较好的优越性和有效性。本文在汉语复句相关理论基础上,利用语义相关度对二句式非充盈态有标复句关系类别进行标识,不仅解决了关系词隐现造成的逻辑语义问题,而且为复句层次体系的研究做铺垫。