基于半監(jiān)督學(xué)習(xí)的隱式篇章關(guān)系識別與研究.pdf

1、篇章關(guān)系自動識別是自然語言處理領(lǐng)域一項非常具有挑戰(zhàn)性的任務(wù)，該任務(wù)通過挖掘自然語言文本之間的結(jié)構(gòu)信息、語義信息和詞信息等來識別文本單元之間的邏輯關(guān)系，對自動問答系統(tǒng)、機(jī)器自動文摘、文本蘊(yùn)含等都具有十分重要的實踐和指導(dǎo)意義。
　　根據(jù)文本單元中是否存在連接詞可將篇章關(guān)系分為顯式篇章關(guān)系和隱式篇章關(guān)系兩種。顯式篇章關(guān)系僅僅根據(jù)連接詞就可以輕易分辨出文本之間的關(guān)系，而隱式篇章關(guān)系由于連接詞的缺失使得其自動識別成為一個難點。目前，隱式篇章

2、關(guān)系識別主要采用有監(jiān)督機(jī)器學(xué)習(xí)的方法，對候選關(guān)系實例的表示也處于探索階段。然而有監(jiān)督學(xué)習(xí)需要大量的人工標(biāo)注數(shù)據(jù)來增強(qiáng)模型的可靠性和健壯性，考慮到人工標(biāo)注數(shù)據(jù)難度大、代價高的困境，本文首次提出基于自訓(xùn)練和互訓(xùn)練的半監(jiān)督策略來識別隱式篇章關(guān)系，并對候選關(guān)系實例的表示進(jìn)行了進(jìn)一步探索。本文研究內(nèi)容主要包括三部分:
　　(1)用The Penn Discourse Treebank(PDTB)2.0作為研究載體，提取First-Last-

3、First3、Inquirer Tags、產(chǎn)生式規(guī)則、依賴式規(guī)則、詞的極性，動詞特征、情態(tài)動詞、實體特征、一元詞對特征共9種特征以及特征之間的組合來表示候選關(guān)系實例。
　　(2)用有監(jiān)督的方法對隱式篇章關(guān)系進(jìn)行分類，實驗結(jié)果表明，結(jié)構(gòu)信息和語義信息相結(jié)合能取得比單一特征更好的效果。我們的結(jié)果比baseline提高了一到兩個百分點。
　　(3)根據(jù)有監(jiān)督的實驗結(jié)果，選取效果最好的組合特征構(gòu)建基于自訓(xùn)練和互訓(xùn)練的半監(jiān)督模型，利用