中文多詞表達抽取及其在依存句法分析中的應(yīng)用.pdf

1、多詞表達是一個相當普遍的語言現(xiàn)象，它是一種由兩個及以上詞語組成的意義相對完整的語義單元，但其語義與句法屬性并不是其構(gòu)成詞語的簡單組合。多詞表達是目前自然語言處理領(lǐng)域最棘手的問題之一，多詞表達處理不好將會影響自然語言處理各應(yīng)用領(lǐng)域的性能。本文以依存句法分析為例，探討了多詞表達對依存句法分析性能的影響，并通過構(gòu)建“名詞+動名詞（N+VN）”以及“動名詞+名詞（VN+N）”兩類多詞表達知識庫來提高依存句法分析的性能。研究的主要內(nèi)容有以下幾個方

2、面:
　　1、多詞表達候選的抽取。在中文多詞表達里，“N+VN”以及“VN+N”結(jié)構(gòu)的多詞表達極為常見，而且出錯率較高。因此，本文主要以中文“N+VN”以及“VN+N”結(jié)構(gòu)的多詞表達為研究對象。抽取了1998年上半年《人民日報》語料中的兩類多詞表達，并分別對前2000個實例進行實驗，“N+VN”結(jié)構(gòu)的多詞表達抽取正確率為71.85％，“VN+N”結(jié)構(gòu)的多詞表達抽取正確率為68.2％。
　　2、語料修正。研究發(fā)現(xiàn)，1998年上

3、半年《人民日報》語料雖然經(jīng)過人工校對，但仍然存在標注錯誤，影響抽取的正確率。根據(jù)多詞表達抽取結(jié)果的統(tǒng)計分析，找出原語料中存在的標注錯誤問題，進而對語料進行了修正。語料的修正主要體現(xiàn)在兩個方面:一是含單字詞的多詞表達的修正，二是多詞表達錯誤標注的修正。兩種修正方法共修正了語料中標注錯誤的多詞表達9979個，修正后，“N+VN”結(jié)構(gòu)的多詞表達抽取正確率達到81.05％，“VN+N”結(jié)構(gòu)的多詞表達抽取正確率達到77.2％。本文實現(xiàn)了利用多詞表

4、達對1998年上半年《人民日報》語料的修正，提高了語料的質(zhì)量，修正后的語料對今后自然語言處理領(lǐng)域的研究具有積極意義。
　　3、中文多詞表達知識庫的構(gòu)建。對修正后的語料進行多詞表達抽取及分析，并通過多詞表達分類實驗構(gòu)建了中文“N+VN以及“VN+N”結(jié)構(gòu)的多詞表達知識庫。
　　4、基于中文多詞表達知識庫的依存句法分析。利用構(gòu)建的中文多詞表達知識庫對依存句法分析結(jié)果進行多詞表達抽取，對抽取結(jié)果進行統(tǒng)計分析，找出依存句法分析中存在