基于組合范疇文法的中文語義解析.pdf

1、語義解析(semantic parsing)指的是將自然語言句子轉(zhuǎn)換成其意義表示的過程。近年來，英文語義解析的研究成果豐碩，特別是基于組合范疇文法(combinatory categorialgrammar, CCG)的語義解析方法取得了不俗的結(jié)果。相比英文，中文語義解析研究的歷史還比較短。目前，中文語義解析器的構(gòu)建方法主要基于手寫規(guī)則和模板，使用機器學(xué)習(xí)方法的研究還很少。除此之外，中文語義解析的應(yīng)用也基本集中在地理信息系統(tǒng)(Geogr

2、aphic Information System，GIS)領(lǐng)域。中英文之間的差異使得許多優(yōu)異的英文語義解析方法無法直接應(yīng)用于中文。本文嘗試將基于組合范疇文法的語義解析方法應(yīng)用于中文，并針對中文的特點進行改進。主要工作如下:
　　(1)將英文語義解析數(shù)據(jù)集GeoQuery翻譯成中文，并手工分詞。GeoQuery數(shù)據(jù)集包含880個美國地理查詢實例。每個實例由自然語言句子和對應(yīng)的意義表示組成。
　　(2)將基于組合范疇文法的語義解

3、析方法應(yīng)用到中文上。本文采用因子化的概率組合范疇文法(probabilistic combinatory categorial grammar, PCCG)作為語義解析器的模型。該模型使用詞典歸納過程歸納CCG詞典，使用參數(shù)估計過程從數(shù)據(jù)集中學(xué)習(xí)參數(shù)。在中文GeoQuery數(shù)據(jù)集上進行實驗，語義解析器的F1值僅為60.08％，遠(yuǎn)低于該方法在英文上的結(jié)果。這表明需要針對中文特點對基于組合范疇文法的語義解析方法進行改進。
　　(3)針

4、對詞典歸納過程產(chǎn)生較多候選詞項的問題，提出逐層切分的詞項生成方法。原始方法采用了基于合一的詞項生成方法，該方法會產(chǎn)生大量的候選詞項。過多的候選詞項會導(dǎo)致解析器性能下降，訓(xùn)練時間變長。實驗表明，使用逐層切分的詞項生成方法后，語義解析器的F1值提升至76.56％。
　　(4)針對中文中長距離依賴現(xiàn)象普遍的問題，提出了詞組合并的方法。在使用逐層切分的詞項生成方法時，詞組合并對語義解析器的性能提升很大。實驗表明，使用詞組合并方法后，語義解