基于CVG模型的中文短語結(jié)構(gòu)句法分析研究.pdf

1、句法分析的基本任務(wù)是確定句子的句法結(jié)構(gòu)，由于語言的復(fù)雜性，句法結(jié)構(gòu)往往有歧義的存在，需要引入大量信息來減少歧義，提高句法分析結(jié)果。句法分析一般分為短語結(jié)構(gòu)句法分析和依存句法分析，本文主要研究的是短語結(jié)構(gòu)句法分析。CVG(Compositional Vector Grammars)模型能夠很好的捕捉句法分析所需信息，本文將對CVG模型進行深入研究，并對基于CVG模型的句法分析器進行改進，使其能在中文句法分析上有更好的性能表現(xiàn)。CVG模型將

2、 PCFG（Probabilistic Context Free Grammars）和SU-RNN（Syntactically Untied Recursive Neural Networks）相結(jié)合，利用PCFG模型預(yù)測結(jié)構(gòu)，生成候選樹，利用SU-RNN捕獲短語和詞匯的細粒度語法和組合語義的信息，并利用這些信息對生成的句法樹進行重新計算得分，進行重新排序。
　　本研究主要內(nèi)容包括：⑴利用CVG對中文進行句法分析，首先對CVG模型

3、進及其關(guān)鍵技術(shù)進行了介紹，并使用Stanford Parser在CTB8.0( Chinese Treebank8.0)上訓(xùn)練出一個PCFG模型作為基準(zhǔn)模型，在此基礎(chǔ)上，又訓(xùn)練出一個CVG模型，給出其在中文句法分析上的性能表現(xiàn)，及和PCFG模型的性能對比。⑵CVG模型中存在著一些問題，針對這些問題本文給出了改進措施：對于一詞多義，通過融入詞性信息，將<詞，詞性>作為一個整體進行訓(xùn)練，來解決多義詞問題對于未登陸詞問題，將其分成兩類，針對每

4、類提出了不同的解決辦法，第一類是語料中不存在的詞，對于這種未登陸詞可以用結(jié)構(gòu)向量進行替代，第二類是語料中存在這個詞，不過不存在其對應(yīng)的詞性，則先用結(jié)構(gòu)向量替代，并對詞性的父結(jié)點所在的子樹的得分進行懲罰，如果還沒有找到對應(yīng)向量，則用零向量替代對于因為樹的二叉化所引起的新生結(jié)點和原結(jié)點難以區(qū)分所導(dǎo)致的父結(jié)點向量表示不確切的問題，提出了對新生結(jié)點類型臨時增加標(biāo)記位的解決辦法對于CVG模型中結(jié)點得分計算存在冗余的問題，提出將得分函數(shù)中的參數(shù)依賴