基于多維頻繁子樹模式的中文問句中心詞識別研究.pdf

1、中文問句中，疑問詞與中心詞揭示了問句的大部分信息，因此，在中文問句處理中，識別疑問詞與中心詞變得尤為重要。由于中文的疑問詞相對固定，數(shù)量也不多，故疑問詞的識別準(zhǔn)確率很高。然而中文語言的意合性、無時(shí)態(tài)變化、語序靈活性等特點(diǎn)，以及中心詞在數(shù)量、位置、成份上的多樣性與復(fù)雜性，使得中文問句中心詞識別變得相對困難。
　　根據(jù)中文依存語法，問句可解析成依存關(guān)系樹，中文問句的常見自然語言結(jié)構(gòu)特征自然就會反映在依存關(guān)系樹中。因此，可以從中文問句的

2、依存關(guān)系樹庫中，挖掘中文問句的特征子結(jié)構(gòu)，以輔助進(jìn)行中文問句中心詞識別。本文即致力于研究中文問句依存關(guān)系樹庫的挖掘問題，并將挖掘結(jié)果應(yīng)用于中文問句中心詞識別。
　　本文主要研究工作如下:
　　(1)中文依存關(guān)系樹中，節(jié)點(diǎn)由詞組成，而詞的信息是多維的，從而形成樹的多維結(jié)構(gòu)，而現(xiàn)有樹挖掘領(lǐng)域研究的主要是僅含標(biāo)號的一維信息的單維樹。本文提出多維樹的概念，探討了多維樹的性質(zhì)特征;結(jié)合多維樹的特征設(shè)計(jì)了多維樹的候選樹生成策略以及相應(yīng)無

3、效樹剪枝策略，提出了多維頻繁子樹模式的挖掘算法，并設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證了算法的有效性。
　　(2)將多維頻繁子樹模式應(yīng)用到中文問句中心詞標(biāo)注中，通過挖掘問句依存關(guān)系樹所蘊(yùn)藏的中心詞各維度特征之間的統(tǒng)計(jì)概率關(guān)系，來正確標(biāo)注中心詞。該方法通過挖掘頻繁依存子樹模式以生成相應(yīng)統(tǒng)計(jì)規(guī)則模式，建立在嚴(yán)格的統(tǒng)計(jì)語料基礎(chǔ)上，標(biāo)注的穩(wěn)定性、適應(yīng)性及魯棒性較好。實(shí)驗(yàn)表明，本文方法較CRF方法效果有一定的提升。
　　(3)針對頻繁依存子樹模式生成的大量統(tǒng)