漢語框架網(wǎng)中未登錄詞元的識別技術(shù)研究.pdf

1、目前詞匯語義資源在自然語言處理領(lǐng)域的許多應(yīng)用中都發(fā)揮著重要的作用，但是所有的語義資源都面臨一個(gè)共同的限制——低覆蓋率，漢語框架網(wǎng)也不例外。目前漢語框架網(wǎng)的覆蓋率較低，對于開放的文本必定會存在許多詞元庫中未登錄的詞，嚴(yán)重制約著漢語框架語義分析任務(wù)。針對未登錄詞元的識別問題，本文借助《同義詞詞林》的詞義信息，分別進(jìn)行了未登錄詞元的目標(biāo)詞識別與框架選擇的研究。
　　 本文的主要研究內(nèi)容及貢獻(xiàn)分以下兩方面介紹:
　　 針對未登錄

2、詞元目標(biāo)詞識別任務(wù)的研究，提出兩種方法。
　　 (1)基于詞元庫擴(kuò)充的方法，利用《同義詞詞林》詞義信息到CFN詞元庫的映射來獲得擴(kuò)充的CFN詞元庫，并利用詞義信息來進(jìn)行目標(biāo)詞的識別，實(shí)驗(yàn)結(jié)果顯示利用擴(kuò)充后的詞元庫的識別結(jié)果比利用原有詞元庫的召回率得到了明顯提高，而詞義信息的加入則使準(zhǔn)確率得到了提高。
　　 (2)基于最大熵模型的方法，實(shí)驗(yàn)選取了詞、詞性、詞義作為特征，對于未登錄詞元的目標(biāo)詞識別最好達(dá)到了90.95％的F值

3、。此方法是一種動態(tài)的方法比第一種靜態(tài)的方法獲得了更好的結(jié)果，同時(shí)，可以識別出詞典中的未登錄詞元。
　　 針對未登錄詞元框架選擇任務(wù)的研究，提出兩種方法。
　　 (1)基于平均語義相似度計(jì)算的方法，算法思想是同一框架下的詞元具有高度相似性，最終實(shí)驗(yàn)結(jié)果(TOP-4)達(dá)到了78.61％準(zhǔn)確率。
　　 (2)基于最大熵模型的方法，特征選擇的方法采用靜態(tài)特征與動態(tài)特征相結(jié)合的方法。在第一種方法相同的語料(Test1)上實(shí)

4、驗(yàn)結(jié)果可達(dá)到87.29％的未登錄詞元框架選擇準(zhǔn)確率，針對新聞?wù)Z料(Test2)中完全未登錄詞元獲得75％的準(zhǔn)確率，結(jié)果顯示詞義信息是最優(yōu)靜態(tài)特征而依存句法特征為最優(yōu)動態(tài)特征。
　　 以上方法為漢語的框架語義分析任務(wù)中未登錄詞元的識別任務(wù)提供了有效的解決方法，同時(shí)也提供了詞元庫自動擴(kuò)充的有效途徑。本文的貢獻(xiàn)主要集中在首次研究漢語框架網(wǎng)中未登錄詞元的目標(biāo)詞識別與框架選擇問題，并借助《同義詞詞林》語義資源中的詞義信息，提出利用語義層面