漢語動(dòng)詞次范疇化自動(dòng)獲取技術(shù)的研究.pdf

1、動(dòng)詞次范疇化信息反映了動(dòng)詞作謂詞時(shí)所表現(xiàn)出來的不同句法特征的分布，是自然語言處理進(jìn)一步發(fā)展所不可或缺的知識(shí)。世界上很多語種在次范疇化信息自動(dòng)獲取的理論和實(shí)踐等方面都取得了很大的進(jìn)展，而針對(duì)漢語的相關(guān)研究還很薄弱。探索基于漢語自身語言特色的動(dòng)詞次范疇化自動(dòng)獲取方法對(duì)于中文信息處理來說具有重要的理論研究意義和廣闊的應(yīng)用前景。
　　對(duì)次范疇化信息的自動(dòng)獲取技術(shù)來說，最關(guān)鍵的兩個(gè)問題是假設(shè)生成和假設(shè)檢驗(yàn)。前者解決如何利用已有自然語言處理工

2、具和語言學(xué)規(guī)范從輸入語料中為相關(guān)動(dòng)詞獲取可能的次范疇化信息；后者解決如何設(shè)計(jì)一種符合相關(guān)語言特點(diǎn)的統(tǒng)計(jì)檢驗(yàn)方法，最大限度地過濾掉第一步輸出結(jié)果中的噪音。本文在國內(nèi)外已有相關(guān)成果的基礎(chǔ)上，充分考慮漢語的自身特點(diǎn)，對(duì)這兩個(gè)主要問題進(jìn)行了深入研究。具體地講，本文研究從如下幾個(gè)方面展開：
　　1．借鑒相關(guān)研究，分析了漢語動(dòng)詞次范疇化的語言現(xiàn)象，給出了以句法模式為主的漢語次范疇化信息的形式化描寫規(guī)范，在內(nèi)容和形式上基本保持了次范疇化規(guī)范與現(xiàn)

3、有主要漢語處理工具，以及國際同類研究之間的一致性，為漢語動(dòng)詞次范疇化信息的自動(dòng)獲取打下了理論基礎(chǔ)。
　　2．基于最大似然估計(jì)提出了一種動(dòng)態(tài)估計(jì)最優(yōu)經(jīng)驗(yàn)閾值的漢語動(dòng)詞次范疇化基礎(chǔ)類型假設(shè)檢驗(yàn)方法。該方法以假設(shè)類型出現(xiàn)頻率的數(shù)學(xué)期望為觀察量來動(dòng)態(tài)估計(jì)用于最大似然假設(shè)檢驗(yàn)的最優(yōu)閾值。并通過自動(dòng)獲取方法，以少量手工分析工作為補(bǔ)充，構(gòu)建起了漢語動(dòng)詞次范疇化基礎(chǔ)類型集合和以次范疇化類型描述的句式轉(zhuǎn)換集合，為大規(guī)模真實(shí)文本的漢語動(dòng)詞次范疇化自動(dòng)

4、獲取打下了物質(zhì)基礎(chǔ)。
　　3.設(shè)計(jì)并完成了從大規(guī)模真實(shí)文本中自動(dòng)獲取漢語動(dòng)詞次范疇化信息的實(shí)驗(yàn)過程，實(shí)現(xiàn)了一個(gè)自動(dòng)構(gòu)建漢語動(dòng)詞次范疇化詞匯知識(shí)庫的系統(tǒng)原型。性能評(píng)價(jià)表明，該系統(tǒng)已經(jīng)達(dá)到了國際上同類研究相應(yīng)階段的水平；基于任務(wù)的評(píng)價(jià)體現(xiàn)了次范疇化信息在中文信息處理領(lǐng)域有著可觀的潛在價(jià)值。
　　4.研究了以動(dòng)詞分類知識(shí)和句式轉(zhuǎn)換知識(shí)為回退啟發(fā)信息的獲取性能改進(jìn)技術(shù)。動(dòng)詞分類知識(shí)的回退實(shí)驗(yàn)揭示了漢語動(dòng)詞次范疇化的形式化描寫規(guī)范同已

5、有手工資源中動(dòng)詞概念描述方式之間的潛在關(guān)系，在一定程度上改善了次范疇化自動(dòng)獲取的整體性能；在句式轉(zhuǎn)換知識(shí)的回退實(shí)驗(yàn)中提出了雙重過濾的假設(shè)檢驗(yàn)方法，該方法通過同一謂語動(dòng)詞的高頻和低頻次范疇化假設(shè)類型之間可能存在的句式轉(zhuǎn)換關(guān)系，比簡單的最大似然估計(jì)方法更加充分地利用了輸入語料上的可觀察信息，較為徹底地?cái)[脫了其它檢驗(yàn)方法中次范疇化類型與動(dòng)詞之間的獨(dú)立性假設(shè)和次范疇化類型之間的獨(dú)立性假設(shè)所帶來的負(fù)面影響，使得漢語動(dòng)詞次范疇化自動(dòng)獲取研究取得了當(dāng)