漢語復句關(guān)系自動判定研究.pdf

1、中文信息處理已經(jīng)完成了字處理，較好地解決了詞處理，正在向句處理階段邁進。漢語復句作為一種語法實體，上連分句，下連篇章，在分句和篇章之間起到了一個很好的銜接作用，同時兼有語法、語義和語用等多方面屬性。然而，由于復句本身所具有的復雜且特殊結(jié)構(gòu)，使得復句成為句處理中的一大亟待解決的難點。目前，對于復句的計算機處理研究不多見。 漢語句子從結(jié)構(gòu)上可以劃分為單句和復句兩大類。對于單句的研究主要側(cè)重于句子成分以及成分之間關(guān)系的分析；對于復句來

2、說則不僅僅是停留在成分分析這一層次上，還需要深入考察復句的直接構(gòu)成單位-“分句”之間的內(nèi)在聯(lián)系。因此，本文在充分研究了復句的定義、單復句的差異以及復句分類等知識點的基礎(chǔ)上，提出了“分而治之”的策略--首先實現(xiàn)復句的切分，然后在此基礎(chǔ)上進一步實現(xiàn)復句關(guān)系的自動判定。 本文的研究內(nèi)容主要包括兩個部分：第一部分是實現(xiàn)復句的切分。通過確定逗號的功能，來判定復句的切分點，將復句準確地劃分為分句的有序集合；第二部分是復句關(guān)系的自動判定。對于

3、分句間隱含的邏輯語義關(guān)系，我們通過充分挖掘句中所包含的詞匯、詞性的內(nèi)在聯(lián)系，最大化地利用句中存在的關(guān)聯(lián)詞語的指示作用，最終較好地實現(xiàn)了復句關(guān)系的自動判定。 根據(jù)上述每一部分研究內(nèi)容的特點，我們又分別選取了最佳的統(tǒng)計模型：支持向量機(SVM)和條件隨機場(CRF)。為了使模型獲得較好的分類精度，通過觀察、分析大量相關(guān)的語言現(xiàn)象，將語言學本體知識融入到統(tǒng)計模型中，從而實現(xiàn)了模型的最優(yōu)化。 實驗所使用的語料為TCT973樹庫(