中文句間關系識別及其應用研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展,底層信息抽取技術發(fā)展的日趨成熟,搜索引擎等互聯(lián)網(wǎng)應用也對文本分析提出了更高的要求,不僅僅希望理解一個句子,更希望理解篇章,篇章語義分析逐漸引起了大家的重視。句間關系對篇章語義的分析具有重要的作用,在自然語言處理和信息檢索的各個領域都有著重要的作用。句間關系中的因果關系對于問答系統(tǒng)的應用顯而易見。所謂句間關系就是指在一個篇章中兩個文本單元之間具有的語義關聯(lián)。
　　本文針對中文句間關系進行系統(tǒng)性的研究。首先我們構

2、建了由1096篇文本構成的句間關系語料,針對語料庫的標注內容進行了數(shù)據(jù)分析,用以挖掘中文句間關系的語言表述特點。分析句間關系各關系之間語義歧義性等問題。句間關系可以分為顯示句間關系和隱式句間關系兩大類,本文分別針對這兩類關系根據(jù)其語言特點進行了識別研究。
　　顯示句間關系是指具有明顯關聯(lián)詞詞連接的兩個文本單元之間的關系,通過對語料的分析發(fā)現(xiàn)關聯(lián)詞對于句間關系具有很強的代表性,因此利用關聯(lián)詞規(guī)則的方法對顯式句間關系識別進行了研究,研

3、究發(fā)現(xiàn)利用關聯(lián)詞規(guī)則的方法針對顯式關系的識別取得了較好的效果,更近一步利用機器學習與規(guī)則結合的方法取得了更為理想的效果,其中條件關系的F值達到了94.93％。
　　隱式句間關系相對于顯式關系則相對具有更大的難度和挑戰(zhàn)性,因為沒有明顯的關聯(lián)詞來關聯(lián)兩個文本單元。所以采用了基于機器學習的方法進行識別研究。分別利用最大熵模型和SVM模型進行建模,針對隱式關系抽取了相應的特征,實驗發(fā)現(xiàn)SVM模型取得了更好的實驗結果,最高擴展關系的F值達到

4、了72.36%。同時針對實驗所用特征進行了特征分析,其中關鍵詞特征的表現(xiàn)最為出色,對各個關系都起到了很大的表征作用。由于有指導的構建訓練語料對語料數(shù)量的限制,本文利用過濾后的顯式關聯(lián)詞針對因果關系抽取了大量的關系實例,去掉關聯(lián)詞后構成了隱式關系,加入到訓練語料中,實驗結果表明此種方法使得實驗結果的F值有了較為明顯的提高。
　　最后,本文考察了句間關系在事件關系識別問題上的應用,以事件因果關系為例,發(fā)現(xiàn)加入句間關系特征后事件因果關系