中文多詞表達(dá)抽取及其在依存句法分析中的應(yīng)用.pdf

1、多詞表達(dá)是一個(gè)相當(dāng)普遍的語言現(xiàn)象，它是一種由兩個(gè)及以上詞語組成的意義相對完整的語義單元，但其語義與句法屬性并不是其構(gòu)成詞語的簡單組合。多詞表達(dá)是目前自然語言處理領(lǐng)域最棘手的問題之一，多詞表達(dá)處理不好將會影響自然語言處理各應(yīng)用領(lǐng)域的性能。本文以依存句法分析為例，探討了多詞表達(dá)對依存句法分析性能的影響，并通過構(gòu)建“名詞+動名詞（N+VN）”以及“動名詞+名詞（VN+N）”兩類多詞表達(dá)知識庫來提高依存句法分析的性能。研究的主要內(nèi)容有以下幾個(gè)方

2、面:
　　1、多詞表達(dá)候選的抽取。在中文多詞表達(dá)里，“N+VN”以及“VN+N”結(jié)構(gòu)的多詞表達(dá)極為常見，而且出錯(cuò)率較高。因此，本文主要以中文“N+VN”以及“VN+N”結(jié)構(gòu)的多詞表達(dá)為研究對象。抽取了1998年上半年《人民日報(bào)》語料中的兩類多詞表達(dá)，并分別對前2000個(gè)實(shí)例進(jìn)行實(shí)驗(yàn)，“N+VN”結(jié)構(gòu)的多詞表達(dá)抽取正確率為71.85％，“VN+N”結(jié)構(gòu)的多詞表達(dá)抽取正確率為68.2％。
　　2、語料修正。研究發(fā)現(xiàn)，1998年上

3、半年《人民日報(bào)》語料雖然經(jīng)過人工校對，但仍然存在標(biāo)注錯(cuò)誤，影響抽取的正確率。根據(jù)多詞表達(dá)抽取結(jié)果的統(tǒng)計(jì)分析，找出原語料中存在的標(biāo)注錯(cuò)誤問題，進(jìn)而對語料進(jìn)行了修正。語料的修正主要體現(xiàn)在兩個(gè)方面:一是含單字詞的多詞表達(dá)的修正，二是多詞表達(dá)錯(cuò)誤標(biāo)注的修正。兩種修正方法共修正了語料中標(biāo)注錯(cuò)誤的多詞表達(dá)9979個(gè)，修正后，“N+VN”結(jié)構(gòu)的多詞表達(dá)抽取正確率達(dá)到81.05％，“VN+N”結(jié)構(gòu)的多詞表達(dá)抽取正確率達(dá)到77.2％。本文實(shí)現(xiàn)了利用多詞表

4、達(dá)對1998年上半年《人民日報(bào)》語料的修正，提高了語料的質(zhì)量，修正后的語料對今后自然語言處理領(lǐng)域的研究具有積極意義。
　　3、中文多詞表達(dá)知識庫的構(gòu)建。對修正后的語料進(jìn)行多詞表達(dá)抽取及分析，并通過多詞表達(dá)分類實(shí)驗(yàn)構(gòu)建了中文“N+VN以及“VN+N”結(jié)構(gòu)的多詞表達(dá)知識庫。
　　4、基于中文多詞表達(dá)知識庫的依存句法分析。利用構(gòu)建的中文多詞表達(dá)知識庫對依存句法分析結(jié)果進(jìn)行多詞表達(dá)抽取，對抽取結(jié)果進(jìn)行統(tǒng)計(jì)分析，找出依存句法分析中存在