基于AMR的中文句子語(yǔ)義標(biāo)注及統(tǒng)計(jì)分析.pdf

1、一直以來，語(yǔ)義分析都是自然語(yǔ)言處理領(lǐng)域的一大難題。在如今的大數(shù)據(jù)時(shí)代，基于機(jī)器學(xué)習(xí)的詞性標(biāo)注、句法分析研究已經(jīng)日益完善，機(jī)器翻譯、人工智能等領(lǐng)域的發(fā)展越發(fā)依賴深入的句子語(yǔ)義分析。AMR(Abstract Meaning Representation)作為一種句子語(yǔ)義表示方法，其語(yǔ)義表示結(jié)果是一個(gè)單根有向無環(huán)圖;而且AMR表示的是句中的概念以及概念間的關(guān)系，在從詞語(yǔ)到概念以及關(guān)系的抽象過程中，可以根據(jù)句子的語(yǔ)義適當(dāng)新增概念或刪減句中的詞語(yǔ)

2、。因此，較之其他語(yǔ)義表示方法，AMR可以更完整地表示句子中豐富的語(yǔ)義信息。但是AMR目前主要是針對(duì)英文展開的研究，其體系并不適用于中文句子的語(yǔ)義表示?；谝陨显?，本文決定將中文句子的語(yǔ)義表示作為研究目標(biāo)，在詳細(xì)梳理了AMR的發(fā)展歷程、體系及AMR的自動(dòng)分析等內(nèi)容后，以AMR的體系為基礎(chǔ)，建立一套適用于中文句子的抽象語(yǔ)義表示方法(Chinese AMR，CAMR)。
　　本研究建立的CAMR標(biāo)注體系主要包括兩部分:對(duì)AMR的繼承與

3、發(fā)展以及CAMR標(biāo)注規(guī)范。該標(biāo)注規(guī)范不僅制定了一套詳細(xì)的標(biāo)記集，而且對(duì)中文中常見的和特殊的語(yǔ)言現(xiàn)象作了細(xì)致的定義。其中，標(biāo)記集分為概念和關(guān)系兩部分。概念部分不僅僅對(duì)表示回指、語(yǔ)氣、各種疑問代詞、數(shù)量類型、專有名詞等的處理做了規(guī)定，還增加了表復(fù)句的概念。關(guān)系部分共包括5種核心語(yǔ)義關(guān)系，42種非核心語(yǔ)義關(guān)系。規(guī)范中的每一條細(xì)則都給出了具體的中文示例。
　　在制定的標(biāo)注規(guī)范的基礎(chǔ)上，本文展開了第二項(xiàng)工作——語(yǔ)料標(biāo)注。整個(gè)語(yǔ)料標(biāo)注過程分為

4、兩個(gè)階段。第一階段選取了中文版《小王子》進(jìn)行標(biāo)注。在語(yǔ)料的標(biāo)注過程中，根據(jù)語(yǔ)料的實(shí)際分析需求，反復(fù)討論修改標(biāo)記集，不斷完善CAMR的標(biāo)注規(guī)范;第二階段在仔細(xì)比較了多種語(yǔ)料的基礎(chǔ)上，選取了中文賓州樹庫(kù)(CTB)語(yǔ)料作為標(biāo)注對(duì)象。最終共標(biāo)注得到《小王子》語(yǔ)料1562句，CTB語(yǔ)料5000句。
　　在語(yǔ)料標(biāo)注完成后，本文又針對(duì)CAMR的一系列特點(diǎn)進(jìn)行了相應(yīng)的統(tǒng)計(jì)分析。首先，針對(duì)CAMR的分析結(jié)果是單根有向無環(huán)圖的這個(gè)特點(diǎn)對(duì)語(yǔ)料進(jìn)行了統(tǒng)計(jì)

5、，發(fā)現(xiàn)語(yǔ)料中有39.96％的句子是圖結(jié)構(gòu)，這有力地證明了用圖結(jié)構(gòu)來表示中文句子的語(yǔ)義是必要的。接著，針對(duì)CAMR可以新增概念和刪減詞語(yǔ)的這一特點(diǎn)進(jìn)行了統(tǒng)計(jì)，發(fā)現(xiàn)語(yǔ)料中有95.2％的句子在用CAMR表示時(shí)，進(jìn)行了新增概念的操作，有96.94％的句子進(jìn)行了刪減詞語(yǔ)的操作。這說明了在表示句子語(yǔ)義時(shí)，新增概念和刪減詞語(yǔ)這種抽象是必要的，也進(jìn)一步證明了CAMR繼承AMR，使用抽象的方法來表示句子語(yǔ)義是合理且必要的。最后，鑒于謂詞一直都是句法語(yǔ)義研