中文復(fù)述模板及搭配抽取方法研究.pdf

1、復(fù)述是用不同方式表達(dá)同樣的語(yǔ)義，它不僅是人類自然語(yǔ)言中的一種普遍現(xiàn)象，同時(shí)對(duì)自然語(yǔ)言處理領(lǐng)域的許多研究都具有重要的意義。近年來(lái)，復(fù)述技術(shù)受到了越來(lái)越多的研究者的關(guān)注。
　　本文主要的研究對(duì)象是中文復(fù)述模板及搭配資源的抽取。抽取出來(lái)的這些復(fù)述資源不僅可以直接應(yīng)用于復(fù)述生成中，也可以用于信息檢索、機(jī)器翻譯、自動(dòng)問(wèn)答等自然語(yǔ)言處理相關(guān)研究中。
　　本文首先提出了一種字幕語(yǔ)料的復(fù)述模板抽取方法。該方法基于這樣一個(gè)事實(shí):對(duì)于同一種外文

2、的不同翻譯是天然的復(fù)述資源。本文首先利用對(duì)同一部外文電影的不同翻譯小組的翻譯字幕匹配候選的復(fù)述句對(duì)，并利用句長(zhǎng)、長(zhǎng)度比、詞重疊率、BLEU(Bilingual Evaluation Understudy)四條復(fù)述規(guī)則對(duì)這些候選的復(fù)述句對(duì)進(jìn)行過(guò)濾。在這些過(guò)濾得到的復(fù)述句的基礎(chǔ)上，該方法依據(jù)“子樹”和“部分子樹”抽取模板。為了對(duì)抽取得到的模板進(jìn)行匹配，該方法引入了HowNet進(jìn)行詞語(yǔ)語(yǔ)義相似度的計(jì)算，并利用模板中的詞語(yǔ)的相似度來(lái)衡量?jī)蓚€(gè)模板

3、之間的語(yǔ)義相似度。相比已有的方法，本方法提高了復(fù)述模板抽取的準(zhǔn)確率，并且可以抽取大量的復(fù)述模板。
　　模板相比普通的短語(yǔ)含有帶有變量的槽，因此擁有更多的靈活性，但是其針對(duì)的只是句子局部的復(fù)述，不能解決遠(yuǎn)距離搭配的問(wèn)題，因此，本文提出了一種基于概念擴(kuò)展的中文復(fù)述搭配的抽取方法。該方法在對(duì)語(yǔ)料進(jìn)行了語(yǔ)法分析之后，抽取出了具有＜V，OBJ，N＞形式的動(dòng)賓搭配和具有＜N，SUB，V＞形式的主謂搭配。之后對(duì)抽取出的搭配進(jìn)行過(guò)濾并利用了基于概