中文復(fù)述模板及搭配抽取方法研究.pdf

1、復(fù)述是用不同方式表達(dá)同樣的語義，它不僅是人類自然語言中的一種普遍現(xiàn)象，同時對自然語言處理領(lǐng)域的許多研究都具有重要的意義。近年來，復(fù)述技術(shù)受到了越來越多的研究者的關(guān)注。
　　本文主要的研究對象是中文復(fù)述模板及搭配資源的抽取。抽取出來的這些復(fù)述資源不僅可以直接應(yīng)用于復(fù)述生成中，也可以用于信息檢索、機(jī)器翻譯、自動問答等自然語言處理相關(guān)研究中。
　　本文首先提出了一種字幕語料的復(fù)述模板抽取方法。該方法基于這樣一個事實:對于同一種外文

2、的不同翻譯是天然的復(fù)述資源。本文首先利用對同一部外文電影的不同翻譯小組的翻譯字幕匹配候選的復(fù)述句對，并利用句長、長度比、詞重疊率、BLEU(Bilingual Evaluation Understudy)四條復(fù)述規(guī)則對這些候選的復(fù)述句對進(jìn)行過濾。在這些過濾得到的復(fù)述句的基礎(chǔ)上，該方法依據(jù)“子樹”和“部分子樹”抽取模板。為了對抽取得到的模板進(jìn)行匹配，該方法引入了HowNet進(jìn)行詞語語義相似度的計算，并利用模板中的詞語的相似度來衡量兩個模板

3、之間的語義相似度。相比已有的方法，本方法提高了復(fù)述模板抽取的準(zhǔn)確率，并且可以抽取大量的復(fù)述模板。
　　模板相比普通的短語含有帶有變量的槽，因此擁有更多的靈活性，但是其針對的只是句子局部的復(fù)述，不能解決遠(yuǎn)距離搭配的問題，因此，本文提出了一種基于概念擴(kuò)展的中文復(fù)述搭配的抽取方法。該方法在對語料進(jìn)行了語法分析之后，抽取出了具有＜V，OBJ，N＞形式的動賓搭配和具有＜N，SUB，V＞形式的主謂搭配。之后對抽取出的搭配進(jìn)行過濾并利用了基于概