漢語介詞短語的自動識別.pdf

1、介詞短語是漢語中一種重要的短語類型。介詞短語識別可以縮小句子中心動詞的選擇范圍；可以簡化句子結(jié)構(gòu),降低后續(xù)句法分析的難度；在基于模板的翻譯中,它還能為模板匹配提供方便。
　　 由于自然語言的靈活性和復(fù)雜性,使得句法分析成為一項(xiàng)十分艱難的工作,因此,淺層句法分析成了當(dāng)前的研究熱點(diǎn)。淺層句法分析的優(yōu)點(diǎn)是可以識別出確定性高的部分分析結(jié)果,減少句法分析中的歧義,從而降低句法分析的難度。盡管目前的淺層句法分析以組塊識別為主,但是由于介詞短

2、語本身的復(fù)雜性和特殊性,所以依然有必要如前人單獨(dú)討論名詞短語識別一樣,分析和探討介詞短語的識別問題。
　　 語言學(xué)研究表明,介詞短語的內(nèi)部構(gòu)成比較復(fù)雜,但有著顯著的邊界特征和上下文特征。本文繼承了Church提出的把BaseNP識別看作詞性標(biāo)注同構(gòu)問題的思想,利用這些特征,構(gòu)造了一個(gè)有效的漢語介詞短語識別模型,嘗試在淺層句法分析這個(gè)層級識別介詞短語。即,在分詞和詞性標(biāo)注的基礎(chǔ)上,把介詞短語作為一個(gè)整體識別出來,而不對其內(nèi)部構(gòu)成作

3、分析。模型分為兩部分:(1)根據(jù)介詞和介詞短語右邊界經(jīng)常出現(xiàn)固定搭配的特點(diǎn),構(gòu)造了兩個(gè)搭配模板,從訓(xùn)練語料中自動提取可信搭配關(guān)系,并用這些搭配關(guān)系對介詞短語進(jìn)行初步識別。(2)考慮到介詞對介詞短語右邊界的影響,把介詞作為一元加入到Church提出的基于詞性的二元邊界統(tǒng)計(jì)模型中,構(gòu)成了三元模型。又根據(jù)介詞短語的上下文特征,加入了規(guī)則方法。用基于詞性的三元邊界統(tǒng)計(jì)模型和規(guī)則相結(jié)合的方法識別第一步無法處理的介詞短語。
　　 對含有73