学位论文 > 优秀研究生学位论文题录展示

汉语功能块的自动识别研究

作　者: 刘海霞
导　师: 黄德根
学　校: 大连理工大学
专　业: 计算机应用技术
关键词: 汉语功能块条件随机域模型语义信息歧义结构
分类号: TP391.1
类　型: 硕士论文
年　份: 2011年
下　载: 25次
引　用: 0次
阅　读: 论文下载

内容摘要

汉语的功能块是定义在句子层面上的功能性成分,一般占据句子中的主语、谓语、宾语、状语、定语、中心语等功能位置,体现了汉语句子的基本骨架。功能块识别的目的正确标注出句子的功能块标记信息,覆盖自顶向下进行事件句式拆分而形成的各个基本信息单元,以显示句子在小句层面上的基本结构及骨架,为进一步的事件骨架树分析提供最小的功能块描述序列。本文将汉语功能块的自动识别问题转化为序列标注问题,使用的序列标注器是条件随机域(CRFs, Conditional Random Fields)。CRFs是一个基于无向图的条件概率模型,可以任意添加有效的特征向量,具有表达长距离依赖性和交叠性特征的能力,能够较好地解决标注偏置等问题。因此本文选择CRFs建立功能块的序列标注模型。为了构建较好的功能块自动识别系统,本文首先通过特征模板优化策略进行汉语功能块的识别,得到功能块识别的精确率、召回率和F1-measure值分别为85.84%、85.07%和85.45%,其中主语块、述语块、宾语块和状语块四个典型功能块的F1-measure值分别达到了85.16%、88.22%、81.75%和91.98%。在此基础上,本文首次将语义信息引入汉语功能块的识别系统,将通过词义聚合关系组织词语的《同义词词林》作为语义资源,把其中的语义信息作为特征加入到功能块的识别过程,缓解了数据稀疏以及歧义问题对识别结果造成的影响,使得上述三个性能指标分别提高到86.21%、85.31%和85.76%,与单独使用条件随机域模型的方法相比有了较大程度的提高。

全文目录

摘要  4-5
Abstract  5-8
1 绪论  8-13
  1.1 研究背景  8-9
  1.2 研究意义  9-10
  1.3 国内外研究现状  10-12
  1.4 本文的主要工作  12-13
2 理论背景及数据资源  13-28
  2.1 条件随机域模型  13-20
    2.1.1 无向图模型  13-14
    2.1.2 条件随机域的图结构  14-16
    2.1.3 条件随机域的势函数表示  16-18
    2.1.4 条件随机域的参数估计  18-19
    2.1.5 动态规划方法  19-20
  2.2 语义资源简介  20-25
  2.3 功能块标注集  25-28
3 基于条件随机域的汉语功能块识别  28-43
  3.1 特征抽取  28-32
  3.2 模型构建  32-37
  3.3 实验  37-43
    3.3.1 实验数据说明  37-38
    3.3.2 性能评价指标  38-39
    3.3.3 实验结果  39-43
4 CRFs结合语义信息识别汉语功能块  43-49
  4.1 结合语义信息的方法  43-45
  4.2 实验结果及分析  45-49
结论  49-50
参考文献  50-53
附录A 中文信息学会句法分析评测词类标记集  53-56
攻读硕士学位期间发表学术论文情况  56-57
致谢  57-58

汉语功能块的自动识别研究

内容摘要

全文目录

相似论文