基于最大生成樹的三階中文依存句法分析.pdf

1、自然語言處理屬于人工智能的一個領(lǐng)域分支,主要研究人類如何有效地運用人類語言與計算機進行通信,是一門融合了語言學(xué)、計算機科學(xué)與數(shù)學(xué)于一體的科技。自然語言處理包括淺層分析與深層分析。淺層分析主要分析句子的局部信息,其中包括分詞、詞性標(biāo)注、命名體識別等。深層分析主要在全局上對句子進行分析,其中包括句法分析和語義分析。句法分析在自然語言處理中處于十分關(guān)鍵的位置。
　　目前廣泛用于句法分析的語法體系有短語結(jié)構(gòu)語法與依存結(jié)構(gòu)語法。其中依存語法

2、直接劃分句中的詞間關(guān)系,易于理解與標(biāo)注、形式簡潔,逐漸受到自然語言處理研究人員的重視,已廣泛應(yīng)用到機器翻譯、自動問答系統(tǒng)、信息檢索等領(lǐng)域。
　　但目前句法分析的準(zhǔn)確度仍不能達到實用的程度。本文在最大生成樹模型(MstParser)的基礎(chǔ)上，提出了Sibling-Child三階依存解析模型,并對原有的最大生成樹依存分析系統(tǒng)進行了改進,降低了系統(tǒng)運行時間,并提高了中文依存分析的準(zhǔn)確率。本文的研究工作主要包括如下幾個方面:
　　(

3、1)本文系統(tǒng)總結(jié)了近年來基于最大生成樹的判別式投影(projective)依存句法的幾種解析模型:一階模型、Sibling二階模型、Grand-Child二階模型、Higher-Order模型、三階Grand-Sibling模型、三階Tri-Sibling模型等。
　　(2)本文提出了新的三階依存(Sibling-Child)句法解析模型,并對原有的最大生成樹依存分析系統(tǒng)進行了改進,有效地降低了系統(tǒng)運行時間和提高了中文依存分析的準(zhǔn)