中文口語的DA識(shí)別方法研究及在互聯(lián)網(wǎng)環(huán)境下的應(yīng)用.pdf

1、隨著信息技術(shù)的飛速發(fā)展,網(wǎng)絡(luò)上出現(xiàn)了海量的口語化信息(博客,微博,聊天記錄等),如何使用計(jì)算機(jī)自動(dòng)處理這些信息,分析其語義和意圖,是一個(gè)亟待解決的問題。傳統(tǒng)的自然語言處理技術(shù)雖然在詞法分析和語法分析上趨于成熟,但在語義及意圖分析上還鮮有研究,而言語的對(duì)話行為(Dialog Act,DA),包含了言語的語用學(xué)信息,對(duì)于理解言語的語義和意圖有重要意義。
　　對(duì)話行為反映了一句話在交談中的作用,它含有豐富的語用學(xué)信息,能夠幫助我們理解言

2、語的語義及意圖。本文首先介紹國(guó)外關(guān)于DA識(shí)別的研究現(xiàn)狀,然后面對(duì)中文口語的特點(diǎn),提出了三種DA識(shí)別方法:基于n-gram的DA識(shí)別方法,基于HMM和擴(kuò)展HMM的DA識(shí)別方法,基于KNN+n-gram的DA識(shí)別方法。并在中科院的CASIA-CASSIL語料庫(kù)上進(jìn)行了DA識(shí)別實(shí)驗(yàn)。實(shí)驗(yàn)表明,本文提出的方法能很好的解決特定領(lǐng)域中文口語的DA識(shí)別問題。
　　互聯(lián)網(wǎng)環(huán)境下的中文有其自身特點(diǎn),如語言結(jié)構(gòu)較為簡(jiǎn)單、松散,經(jīng)常出現(xiàn)語言錯(cuò)誤等。以上

3、提出的DA識(shí)別方法能否用于解決互聯(lián)網(wǎng)環(huán)境下的中文口語DA識(shí)別呢?為了探索該問題,我們首先需要構(gòu)造相應(yīng)的語料庫(kù)。本研究使用新浪微博的程序調(diào)用接口,下載微博及短對(duì)話,并對(duì)微博進(jìn)行分類、過濾、標(biāo)注和數(shù)據(jù)庫(kù)存儲(chǔ),初步構(gòu)造了一個(gè)互聯(lián)網(wǎng)環(huán)境下的中文口語語料庫(kù),用于后續(xù)研究。
　　最后在此語料庫(kù)上,使用以上提出的DA識(shí)別方法進(jìn)行了互聯(lián)網(wǎng)環(huán)境下中文口語的DA識(shí)別實(shí)驗(yàn)。實(shí)驗(yàn)表明本研究提出的DA識(shí)別方法是領(lǐng)域無關(guān)的,它能夠用于解決互聯(lián)網(wǎng)環(huán)境下的中文口