英文篇章結(jié)構(gòu)分析關(guān)鍵問題研究.pdf

1、近三年來,篇章結(jié)構(gòu)分析(Discourse Structure Analysis,簡(jiǎn)稱DSA)受到了計(jì)算語言學(xué)界的廣泛關(guān)注(據(jù)統(tǒng)計(jì),每屆ACL、COLING和EMNLP會(huì)議上均發(fā)表8篇以上篇章結(jié)構(gòu)分析方面的論文,而這方向的投稿文章則達(dá)30篇以上)。篇章結(jié)構(gòu)分析研究成為了繼傳統(tǒng)信息抽取/信息檢索、機(jī)器翻譯和句法/語義分析領(lǐng)域之后的又一個(gè)研究熱點(diǎn)。
　　DSA旨在研究自然語言文本的內(nèi)在結(jié)構(gòu),通過對(duì)文本單元(可以是詞、短語、從句、句子或

2、段落)的上下文進(jìn)行全局分析來理解文本單元間的語義關(guān)系。因此,篇章結(jié)構(gòu)分析能夠抽取出文本內(nèi)部豐富的結(jié)構(gòu)化信息,對(duì)自然語言理解和自然語言生成均起著至關(guān)重要的作用。目前主流的DSA研究比較注重篇章中的詞匯層面信息,例如:篇章中單詞、單詞形態(tài)學(xué)變化和單詞對(duì)等;然而,篇章中句子的態(tài)度和句子的銜接方式等方面的信息卻少有研究,導(dǎo)致目前的篇章結(jié)構(gòu)分析性能不高。
　　鑒于此,本文圍繞學(xué)界廣泛關(guān)注問題,在以下三個(gè)方面展開研究。具體而言:
　　1

3、.隱式篇章關(guān)系識(shí)別(Implicit Discourse Relation Recognition,簡(jiǎn)稱IDRR)研究。本文在研究了基于單詞對(duì)、語言模型和樹核函數(shù)的隱式篇章關(guān)系識(shí)別模型的基礎(chǔ)上,提出了一個(gè)基于態(tài)度韻律理論的隱式篇章關(guān)系識(shí)別模型。該模型通過計(jì)算句子的態(tài)度/情感來識(shí)別隱式篇章關(guān)系,并采用復(fù)合核方法集成了一種依存詞對(duì)樹核結(jié)構(gòu)。上述方法在國際基準(zhǔn)語料Penn Discourse Treebank(PDTB)2.0上進(jìn)行試驗(yàn),實(shí)驗(yàn)

4、表明采用基于態(tài)度韻律理論的隱式篇章關(guān)系識(shí)別模型后,IDRR的準(zhǔn)確率與目前基于單詞對(duì)、語言模型和樹核函數(shù)的方法相比得到顯著提升。
　　2.篇章論元識(shí)別(Discourse Argument Identification,簡(jiǎn)稱DAI)研究。本文從句內(nèi)(連接詞與論元處于同一句)和句外(連接詞與論元不處于同一句)兩種情形分別處理DAI。針對(duì)句內(nèi)情況,在研究基于組塊、基于分類和基于句法樹裁減方法的篇章論元識(shí)別模型的基礎(chǔ)上,提出了一個(gè)基于淺層

5、語義分析框架的篇章論元識(shí)別模型。該模型將篇章連接詞看作謂詞,并將謂詞的論元映射成句法樹中的一些組塊,將傳統(tǒng)方法的組塊層次研究提升為具有豐富句法信息的句法樹層次,同時(shí)將組塊而不是單詞作為篇章論元的識(shí)別單元。針對(duì)句外情況,本文提出了一種輕量級(jí)的規(guī)則解決方案,將連接詞到當(dāng)前句尾的單詞序列和連接詞的前一句分別作為連接詞對(duì)應(yīng)的兩個(gè)論元。上述方法在國際基準(zhǔn)語料PDTB上進(jìn)行試驗(yàn),實(shí)驗(yàn)表明采用基于淺層語義分析框架的篇章論元元識(shí)別模型后,DAI的F1值

6、與目前基于組塊的方法相比得到顯著提升。
　　3.篇章連貫性建模(Discourse Coherence Modeling,簡(jiǎn)稱DCM)研究。本文在研究了基于實(shí)體和基于篇章關(guān)系的篇章連貫性模型的基礎(chǔ)上,提出了一個(gè)基于主位-述位結(jié)構(gòu)銜接性理論的篇章連貫性模型。該模型通過計(jì)算句子中主位和述位的相似度來描述篇章連貫性,并采用規(guī)則方法集成了基于主位結(jié)構(gòu)和指代消解的兩種篇章連貫性過濾機(jī)制。上述模型在五種不同文體的國際基準(zhǔn)語料上進(jìn)行試驗(yàn),實(shí)驗(yàn)表

7、明采用基于銜接性理論的篇章連貫性模型后,DCM的準(zhǔn)確率與目前基于實(shí)體和篇章關(guān)系的有監(jiān)督學(xué)習(xí)方法相比得到顯著提升。
　　在此基礎(chǔ)上,本文設(shè)計(jì)了基于樹核的英文篇章結(jié)構(gòu)分析平臺(tái),并將上述三個(gè)關(guān)鍵問題的研究算法一并加以集成。為了驗(yàn)證上述方法對(duì)自然語言處理相關(guān)應(yīng)用的實(shí)際作用,本文引入了學(xué)生作文的可讀性評(píng)估作為測(cè)試實(shí)例,通過線性擬合等方法,將篇章關(guān)系值和篇章連貫性值作為可讀性評(píng)估值。上述研究在開放語料上建立模型,并在實(shí)際語料上進(jìn)行試驗(yàn),結(jié)果表

8、明了本文構(gòu)建的英文篇章結(jié)構(gòu)分析平臺(tái)對(duì)于學(xué)生作文可讀性評(píng)估十分有效,與目前基于實(shí)體和基于篇章關(guān)系的有監(jiān)督學(xué)習(xí)方法相比,在算法精度和減少對(duì)大規(guī)模語料庫的依賴性等方面具有優(yōu)勢(shì)。
　　本文的創(chuàng)新點(diǎn)主要表現(xiàn)在:(1)針對(duì)隱式篇章關(guān)系識(shí)別研究,提出了基于態(tài)度韻律理論的隱式篇章關(guān)系識(shí)別模型。該模型通過計(jì)算句子的態(tài)度/情感來識(shí)別隱式篇章關(guān)系,并采用復(fù)合核方法集成了一種依存詞對(duì)樹核結(jié)構(gòu)。與同類方法相比,在國際基準(zhǔn)PDTB語料上將隱式篇章關(guān)系識(shí)別性能

9、提升了大約6％;(2)針對(duì)篇章論元識(shí)別研究,提出了基于淺層語義分析框架的篇章論元識(shí)別模型,將傳統(tǒng)方法的組塊層次提升為具有豐富句法信息的句法樹層次,同時(shí)將組塊而不是單詞作為篇章論元的識(shí)別單元。與同類方法相比,在國際基準(zhǔn)PDTB語料上將標(biāo)準(zhǔn)句法樹和自動(dòng)句法樹上的篇章論元識(shí)別性能分別提升了大約2%和6%;(3)針對(duì)篇章連貫性建模研究,提出了基于主位-述位結(jié)構(gòu)銜接性理論的篇章連貫性模型,通過計(jì)算句子中主位和述位的相似度來描述篇章連貫性,并采用規(guī)

10、則方法集成了基于主位結(jié)構(gòu)和指代消解的兩種篇章連貫性過濾機(jī)制。與同類方法相比,在國際基準(zhǔn)Accident、Earthquake、Wall street journal、Britannical elementary語料上將篇章連貫性檢測(cè)性能分別提升了3%-6%。
　　本文的主要貢獻(xiàn):對(duì)篇章結(jié)構(gòu)分析中的關(guān)鍵技術(shù)進(jìn)行了深入的研究,提出了相關(guān)問題的一些解決方法,并設(shè)計(jì)了相應(yīng)的算法和實(shí)驗(yàn)。實(shí)驗(yàn)表明,本文提出的這些方法有助于提高篇章結(jié)構(gòu)分析的性