基于詞元語義特征的漢語框架排歧技術(shù)研究.pdf

1、近年來，語義分析已經(jīng)引起了自然語言處理領(lǐng)域越來越多的關(guān)注。隨著SemEval2007任務(wù)Task19的提出，框架語義抽取任務(wù)受到了越來越多研究學(xué)者的關(guān)注?？蚣芘牌缛蝿?wù)是框架語義結(jié)構(gòu)抽取任務(wù)中的子任務(wù)，作為中間環(huán)節(jié)，占有基礎(chǔ)又重要的地位。目前常用的框架排歧方法是人工設(shè)定模型和特征模板，研究表明這種方法不能充分利用目標(biāo)詞所激起的框架的語義特征，因而，本文研究了基于語義特征的漢語框架排歧。框架排歧最重要的兩個(gè)步驟就是模型選擇和特征選擇。針對(duì)模

2、型選擇，本文將漢語框架排歧看作是一個(gè)單點(diǎn)分類問題，考察了SVM模型和最大熵模型對(duì)漢語框架排歧的影響。針對(duì)特征選擇，目前常用的方法是人工特征選擇方法，但是這種方法不能有效地利用每個(gè)目標(biāo)詞的語義特征，而且大量實(shí)驗(yàn)表明，不同的目標(biāo)詞取得最好的結(jié)果時(shí)所用的特征模板是不同的。為此，本文提出了自動(dòng)特征選擇算法，即為每個(gè)目標(biāo)詞自動(dòng)選擇一個(gè)特征模板。
　　 本文的主要研究內(nèi)容與貢獻(xiàn)包括:
　　 (1)基于詞元語義特征的漢語框架排歧模型。

3、分別闡述了SVM模型和最大熵模型，研究了這兩種模型在詞法層面和句法層面對(duì)漢語框架排歧性能的影響。實(shí)驗(yàn)結(jié)果表明，最大熵模型更適合漢語框架排歧。
　　 (2)基于詞元語義特征的漢語框架排歧特征選擇。使用最大熵模型，采用傳統(tǒng)的人工特征選擇方法和本文提出的自動(dòng)特征選擇方法進(jìn)行漢語框架排歧。實(shí)驗(yàn)結(jié)果顯示，自動(dòng)特征選擇方法在時(shí)間復(fù)雜度和空間度要明顯優(yōu)于人工特征選擇方法，而且簡化了特征模板。
　　 (3)使用most-frequent