自然语言文本中存在大量否定性与不确定性语言现象,反映了人类在使用语言表达观点时的态度,亦或者语言信息本身的可信度。语言的否定性指,由否定运算符对命题本身或其某一方面的语义进行了反转;语言的不确定性指,包含了情态、言据性、或然性、主观性等任何一类语义,介于肯定和否定语义之间。识别并理解自然语言的否定性与不确定性,对更深层次的自然语言理解具有重要意义,并且随着自然语言处理领域相关应用的不断增长,该研究受到越来越多的关注,如信息抽取、情感分析、信息检索、机器翻译等研究。面向自然语言文本的否定性与不确定性识别研究主要包含三个子任务:1)触发词检测,即识别出文本中表达否定或不确定语义的关键词;2)覆盖域界定,即在句子内,判定否定或不确定语义的作用范围;3)聚焦点识别,指在覆盖域中识别被否定语义强调的内容。本文研究围绕以上三个任务展开。首先,本文提出了基于树核的覆盖域界定模型,有效并充分地利用结构化句法特征,提高了该任务的性能;其次,本文提出了基于“词-主题”双层结构图模型的聚焦点识别方法,该方法通过上下文信息判断聚焦点;为推动该研究在汉语上的进展,本文构建了首个汉语否定性与不确定性语料库;最后,本文针对汉语的语言特点提出了一套完整的面向汉语的否定性与不确定性识别方法。具体地,本研究的主要内容包括以下四个方面:1.基于树核的覆盖域界定模型。覆盖域是指触发词的语义作用范围,大量研究表明,句法特征是判定覆盖域的重要证据,然而,相关工作通常仅考虑平面化的句法特征,即用特征向量来表示句法结构,该表示方法很难恰当并全面地反映触发词与覆盖域在句法结构上的关系。因此,本文提出了两种类型的子树结构来提取触发词与覆盖域之间的关系特征,并利用卷积树核模型衡量这些结构特征之间的相似度,进而确定覆盖域。此外,本文还尝试采用复合核将平面化特征与结构化特征进行融合,提高了现有覆盖域界定方法的性能。2.基于“词-主题”双层结构图模型的聚焦点识别方法。不同于面向语音语料的相关研究能够利用重音和语调等特征,面向文本的聚焦点识别研究仅根据词法和句法特征识别聚焦点。通过对聚焦点实例的人工标注及统计,本文发现上下文语境中包含了大量判断聚焦点的线索。因此,本文提出了基于“词-主题”的双层结构图模型,利用上下文中的线索及特征来识别聚焦点。此外,作为无监督模型,该方法还减少了人工标注的开销。实验结果表明,本文的方法能够有效地利用上下文中的信息识别否定聚焦点,其性能优于目前已知最好的系统。3.构建汉语否定性与不确定性语料库。目前,面向汉语的否定性与不确定性识别研究进展缓慢,其中最主要的原因是缺乏一个具有一定规模的语料库。因此,本文构建了汉语否定性与不确定性语料库,该语料库是首个已发布的针对文本否定性与不确定性研究的汉语语料库。考虑到语料在领域和文体上应具备异构性,以便充分反映和体现语言现象和特点,汉语否定性与不确定性语料库包含了科技文献、财经文章、酒店评论三个类别,其规模达到16,841句,包含6,429个实例,与目前英文中使用最频繁的Bio Scope语料库规模相近。相关统计和实验结果表明,本文构建的语料库较全面地体现了汉语中否定性与不确定性语义的特点,为相关研究提供了语料资源支持。4.面向汉语的否定性与不确定性识别研究。由于汉语与英语在语法结构及语义表达等诸多方面均存在较大差别,直接将英语中的否定性与不确定性识别方法应用在汉语上时,系统性能大幅下降。因此,针对触发词检测,本文提出了一套适用于汉语的新特征,尤其是词素特征,同时还采用了跨语言触发词扩展策略,识别出现频率较低的触发词;针对覆盖域界定,本文提出了基于元决策树的方法,该方法有效融合了序列化特征和结构化特征。本文工作构建了首个面向汉语的否定性与不确定性识别系统,希望能够为相关研究提供基线系统,并促进该研究在汉语上的开展。总之,本文致力于面向自然语言文本的否定性与不确定性识别研究,一方面提出了有效方法来提高相关任务的性能,一方面尝试推动该研究在汉语上的进展。期待本文取得的初步成果能够对该领域的相关研究产生一定的参考价值,促进自然语言深层理解技术的发展。