中文時間規(guī)范化方法研究.pdf

1、在自然語言中，特別是在新聞事件中，人們比較關心的是事件的內(nèi)容，而在一個事件中，時間是一個關鍵的因素，現(xiàn)在網(wǎng)絡上充斥著大量的新聞信息，當人們需要了解發(fā)生了什么事，什么時候發(fā)生，以及它們之間存在怎樣的聯(lián)系，才發(fā)現(xiàn)這要花費大把的時間。因此，時間和事件的推理引起了自然語言處理的新的興趣，在自然語言處理方面具有非常重要的意義，包括命名實體識別和自然語言理解等。時間信息在自然語言處理領域也有很廣泛的應用，包括文本理解，信息抽取、信息檢索、問答系統(tǒng)、

2、主題發(fā)現(xiàn)和跟蹤、文本摘要和數(shù)據(jù)挖掘到機器翻譯等。因此本文以時間信息處理領域中一個重要方面——時間規(guī)范化作為研究目標。
　　本文的研究重點是新聞文本中的時間規(guī)范化，其任務是將新聞中的時間信息定位到時間軸上，并用一種標準的格式表示出來。時間規(guī)范化任務，是識別事件-時間的映射關系，識別事件的時序關系的基礎。
　　本文的主要工作如下:
　　1.確定需要規(guī)范化的時間類型。本文參考ACE時間標注規(guī)范，對中文時間信息重新進行了定義和

3、分類，對需要規(guī)范化的時間進行了確定和總結。
　　2.提取時間識別模式。根據(jù)新聞語料中時間表達式的構成特點，我們總結了提取時間表達式的幾條模式:包括發(fā)表時間的模式，報道時間的模式以及句子中所有需要規(guī)范化的時間類型的模式。然后利用模式匹配的方法從語料中識別出需要規(guī)范化的時間。
　　3.基于語料模塊化的時間規(guī)范化。把文本分割為關系緊密的小的模塊，本文以一篇報道為處理模塊，結合參考時間和模塊內(nèi)時間的屬性，對識別到的時間求值，并轉換為