基于決策樹的漢語(yǔ)復(fù)句關(guān)系詞自動(dòng)識(shí)別中規(guī)則挖掘方法研究.pdf

1、對(duì)漢語(yǔ)復(fù)句中關(guān)系詞的自動(dòng)標(biāo)識(shí)是中文信息處理中的一個(gè)研究難題，本課題組前期已經(jīng)研究的“基于規(guī)則的復(fù)句關(guān)系詞自動(dòng)標(biāo)識(shí)系統(tǒng)”所使用的規(guī)則是通過(guò)人工的方式挖掘的。該系統(tǒng)是通過(guò)對(duì)大量語(yǔ)料的分析，得出一些關(guān)于復(fù)句中關(guān)系詞自動(dòng)標(biāo)識(shí)的結(jié)論，然后進(jìn)一步總結(jié)整理得到形式化的規(guī)則表示形式。通過(guò)這些規(guī)則能夠?qū)Σ糠謴?fù)句進(jìn)行關(guān)系詞的自動(dòng)標(biāo)識(shí)，但是由于規(guī)則的有限、復(fù)句的無(wú)限，以及復(fù)句種類繁多，所以使得該系統(tǒng)不能做到對(duì)任意復(fù)句中的關(guān)系詞進(jìn)行正確地自動(dòng)標(biāo)識(shí)。因此，利用計(jì)

2、算機(jī)自動(dòng)挖掘技術(shù)來(lái)進(jìn)行規(guī)則的自動(dòng)挖掘，以實(shí)現(xiàn)對(duì)任意復(fù)句關(guān)系詞的自動(dòng)標(biāo)識(shí)，是中文信息處理中關(guān)于漢語(yǔ)復(fù)句及其關(guān)系詞自動(dòng)識(shí)別研究的重要研究?jī)?nèi)容之一。
　　通過(guò)對(duì)現(xiàn)有規(guī)則庫(kù)中的規(guī)則進(jìn)行分析得出，一條完整的規(guī)則包含約束條件部分和標(biāo)識(shí)結(jié)果部分。想要根據(jù)某類句型挖掘出一條新規(guī)則，就必須對(duì)該句型中的所有準(zhǔn)關(guān)系詞進(jìn)行標(biāo)識(shí)，而標(biāo)識(shí)的結(jié)果就是判定出該準(zhǔn)關(guān)系詞是否為關(guān)系詞，也即基于規(guī)則對(duì)準(zhǔn)關(guān)系詞進(jìn)行分類。因此，本文在基于規(guī)則的基礎(chǔ)上，將決策樹分類算法融合

3、進(jìn)來(lái)，對(duì)基于決策樹的關(guān)系詞自動(dòng)識(shí)別中規(guī)則挖掘方法進(jìn)行了研究。
　　首先利用準(zhǔn)關(guān)系詞查詢規(guī)則庫(kù)，對(duì)查詢出的數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)造成數(shù)組形式，然后采用多種不同方式對(duì)里面的缺省值進(jìn)行補(bǔ)齊，利用處理之后的完整數(shù)組構(gòu)建決策樹，最后利用后剪枝的方式對(duì)決策樹進(jìn)行簡(jiǎn)化。根據(jù)構(gòu)建決策樹的數(shù)組里面的約束條件挖掘出標(biāo)識(shí)所需信息，并存儲(chǔ)準(zhǔn)關(guān)系詞在決策樹中標(biāo)識(shí)時(shí)所經(jīng)過(guò)的路徑，最后綜合整理標(biāo)識(shí)結(jié)果以及標(biāo)識(shí)過(guò)程，挖掘出新規(guī)則。
　　本文實(shí)驗(yàn)中所有的復(fù)句全部