文本信息人工標(biāo)注輔助系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近年來，在搜索、信息抽取、機(jī)器翻譯等技術(shù)和需求的推動(dòng)下，自然語言處理技術(shù)迅速發(fā)展成為一門獨(dú)立的學(xué)科，并倍受關(guān)注。語言資源建設(shè)是自然語言處理研究領(lǐng)域的基礎(chǔ)性研究?jī)?nèi)容，語篇標(biāo)注是文本信息處理和語言資源建設(shè)的一個(gè)重要方面。語篇標(biāo)注系統(tǒng)是完成語篇標(biāo)注的有力工具，開發(fā)語篇標(biāo)注系統(tǒng)是直接影響語篇標(biāo)注的效率和質(zhì)量的一個(gè)重要環(huán)節(jié)，是文本信息處理方向的一個(gè)重要研究和嘗試。本文在相應(yīng)語篇標(biāo)注理論的基礎(chǔ)上，設(shè)計(jì)并實(shí)現(xiàn)了面向文本內(nèi)容計(jì)算的語篇標(biāo)注系統(tǒng)，輔助建設(shè)

2、面向內(nèi)容計(jì)算的文本信息標(biāo)注語料庫(kù)。 對(duì)突發(fā)事件信息及時(shí)、有效的提取是應(yīng)對(duì)突發(fā)事件的一個(gè)重要方面，突發(fā)事件新聞文本格式相對(duì)嚴(yán)格，所以我們選取突發(fā)事件新聞文本作為標(biāo)注對(duì)象。本文以相關(guān)課題研究為背景，以國(guó)內(nèi)外關(guān)于語篇標(biāo)注的理論、語篇標(biāo)注工具為基礎(chǔ)，以突發(fā)事件新聞文本中的意義單元為標(biāo)注對(duì)象，分層分類的進(jìn)行標(biāo)注。 本文主要做了以下幾個(gè)方面的工作: 1.確定突發(fā)事件新聞文本分類分層標(biāo)注集，確定生成XML文件的元素和層次結(jié)構(gòu):

3、根據(jù)理論中確定的標(biāo)注內(nèi)容，為標(biāo)注內(nèi)容和相關(guān)屬性選取適當(dāng)?shù)年P(guān)鍵字，并把層次結(jié)構(gòu)和關(guān)鍵字值在生成XML文件中體現(xiàn)出來。 2.完成各類意義單元從線性文本到結(jié)構(gòu)化文本的轉(zhuǎn)化:標(biāo)注中實(shí)體、實(shí)體關(guān)系、事件、事件關(guān)系、時(shí)間等任何意義單元的標(biāo)注，都要從原始文本中提取出，并加上對(duì)應(yīng)標(biāo)注集中的關(guān)鍵字，轉(zhuǎn)化為XML格式的結(jié)構(gòu)化文本。 3.完成文本信息人工標(biāo)注輔助系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn):根據(jù)標(biāo)注需求設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)語篇標(biāo)注系統(tǒng)，并完成了一定數(shù)量文本的