面向事件的知識處理研究.pdf

1、以“事件”作為知識表示的基本單元和信息組織的重要手段，已經受到越來越多的重視。研究面向事件的知識，可以為自動文摘和問題回答系統(tǒng)等信息處理技術提供服務。本文主要從面向事件的中文語料庫構建、事件識別、事件要素識別以及事件因果關系抽取等四個方面進行了深入的研究，并針對以往研究中存在的不足，提出了一些切實可行的解決辦法，具體包括：
　　 1．語料庫建設是自然語言處理技術中的基礎性的研究工作，由于研究的目的和研究的對象不相同，現(xiàn)有面向事件

2、的語料庫分別采用了不同的標注體系。這些標注體系主要關注某些特定類型的事件或事件要素，但是卻忽略了一般意義上的事件以及人們對于事件的理解和認知。本文以調查問卷為基礎，了解和分析了人們對于通常意義上的文本中的“事件”概念的理解，研究了中文事件的可標注性，提出了一種中文事件語料庫的制作方法。該方法并不局限于標注某幾類事件，而是針對文本中所有提及的事件。而且，該方法是建立在中文句法分析和語義分析基礎之上的，符合中文的特點。評測實驗表明，采用該方

3、法標注得到的語料可以取得較高的一致性。我們還開發(fā)了一個標注輔助工具，收集了200篇突發(fā)事件領域的新聞報道作為生語料并對其進行了標注，制作了一個中文事件語料庫(Chinese Event Corpus, CEC)。整個語料庫的加工制作過程歷時10個月，先后有近十人參與。與ACE和TimeBank語料庫相比，CEC語料庫的規(guī)模雖然偏小，但是對事件和事件要素的標注卻最為全面。
　　 2．事件識別是事件抽取任務的基礎，目前的事件識別大多

4、采用了機器學習的方法，這種方法需要發(fā)掘有效的特征以提高識別效果。本文提出了一種基于多種特征融合的事件識別方法，在構造特征向量時，加入了上下文特征、詞性特征、句法特征以及語義特征等等。在兩種不同的分類器上對這些特征的區(qū)分能力分別進行了實驗和分析，實驗表明，隨著有效特征的加入，事件識別的效果明顯提高，而將多種特征融合在一起時，事件識別的效果最好。與基于tf×idf的事件識別方法相比，本文方法可以取得更好的識別效果。
　　 3．采用監(jiān)

5、督（分類）學習的方法識別事件要素，需要大規(guī)模人工標注的熟語料庫作為訓練集以獲取事件要素的相關知識，對語料庫的依賴性比較強，常常會因為語料稀疏的問題導致效果不理想。本文提出了一種基于半監(jiān)督聚類和特征加權的事件要素識別方法，以減少對于語料的依賴。該方法利用少量的標記數(shù)據作為Seed集指導聚類，并且在聚類分析中根據不同特征的貢獻分別賦予相應的權值。此外，本文還對傳統(tǒng)的半監(jiān)督聚類算法(Constrained-KMeans)和特征加權算法(Rel

6、iefF)進行了改進，使之適用于事件要素識別任務。實驗表明，該方法在帶標記語料較少的情況下具有一定的優(yōu)勢，可以取得相對較好的識別效果。
　　 4．事件因果關系是非常重要的一類語義關系，從文本中抽取事件因果關系具有廣闊的應用前景。傳統(tǒng)的事件因果關系抽取方法只能抽取顯式帶標記的、句內的一因一果關系。實際上，文本中除了包含上述因果關系之外，還包含了大量的無標記因果關系、跨句/跨段因果關系以及一因多果、多因一果和多因多果等。針對這種不足

7、，本文提出了一種基于層疊條件隨機場的事件因果關系抽取方法，該方法將事件因果關系的抽取問題轉化為對事件序列的標注問題，采用層疊（兩層）條件隨機場標注出事件之間的因果關系。第一層條件隨機場模型用于標注事件在因果關系中的語義角色，標注結果傳遞給第二層條件隨機場模型用于識別因果關系的邊界。語料分析和實驗表明，本文方法不僅可以有效覆蓋文本中的各種因果關系（包括：帶標記/無標記因果關系、句內/跨句/跨段因果關系以及一因一果、一因多果、多因一果和多因