漢語(yǔ)句群自動(dòng)劃分方法研究及應(yīng)用.pdf

1、傳統(tǒng)語(yǔ)法學(xué)定義的最大語(yǔ)法單位是句子。想要通過(guò)計(jì)算機(jī)分析孤立的詞義或句義進(jìn)而理解整個(gè)篇章內(nèi)容是不可行的，因?yàn)樗鼈冎g存在著明顯的語(yǔ)義跨度。而句群作為句子和篇章之間的重要過(guò)渡近年來(lái)是語(yǔ)言界學(xué)者研究的熱點(diǎn)，句群劃分作為獲得句群的有效手段更是計(jì)算語(yǔ)言學(xué)研究的重要方向。另一方面，由于互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)絡(luò)文本信息的不斷增加，怎樣快速、方便、準(zhǔn)確地從這些海量信息中提取出人們想要的內(nèi)容是當(dāng)今時(shí)代的一個(gè)需求熱點(diǎn)，因而提高文摘生成的質(zhì)量也是計(jì)算語(yǔ)言學(xué)研究

2、的重點(diǎn)。
　　針對(duì)以上所提的兩個(gè)研究方向，以下為本文所包含的主要研究?jī)?nèi)容：
　　首先，本文介紹了句群劃分工作的相關(guān)研究概況，同時(shí)對(duì)自動(dòng)文摘的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了概述。接著介紹了句群理論的基礎(chǔ)知識(shí)，并且從句群的性質(zhì)、特點(diǎn)和組合方式及手段分析總結(jié)了句群劃分的依據(jù)。還介紹了具有代表性的基于概念層次網(wǎng)絡(luò)、層次聚類和判別式分析的句群劃分方法，并且指出了它們的不足之處。
　　其次，本文鑒于話語(yǔ)分析理論缺少對(duì)本土漢語(yǔ)句群的研究，以及

3、當(dāng)前的句群劃分工作受限于一定的語(yǔ)言規(guī)則或是沒(méi)有充分考慮篇章銜接詞在句中的處理情況，提出了一種基于K-means-GA的句群劃分方法。該方法用LDA主題模型來(lái)得到句子的特征向量表示，利用余弦相似度和最大連續(xù)子序列設(shè)計(jì)實(shí)現(xiàn)了句群內(nèi)部的文本相似性度量方法，其中引入篇章銜接詞作為獎(jiǎng)罰因子用來(lái)修正句群間不合理的劃分情況。實(shí)驗(yàn)表明該方法比原先的K-means-GA方法能獲得更好的句群劃分結(jié)果。
　　最后，將本文的句群劃分方法得到的句群片段應(yīng)用