基于CCG的語義解析算法改進與組合方法研究.pdf

1、作為自然語言處理領(lǐng)域的一個重要研究問題，語義解析(Semantic Parsing)的任務(wù)是將自然語言句子轉(zhuǎn)換成一種完整的、形式化的、計算機可理解和執(zhí)行的意義表示形式。它在機器人交互、數(shù)據(jù)庫自然語言接口等領(lǐng)域有著廣泛的應(yīng)用前景。
　　由于組合范疇文法（Combinatory Categorial Grammar，CCG）提供了一種用于在自然語言句法表示和語義表示之間構(gòu)建對應(yīng)關(guān)系的良好結(jié)構(gòu)，在實現(xiàn)語義解析的多種方法中，基于CCG的語

2、義解析方法受到了廣泛關(guān)注。但在基于CCG的語義解析研究方法中，由于其解碼算法采用了非精確搜索策略，使得模型參數(shù)訓練算法的收斂性在理論上不能得到有效的保證。
　　另一方面針對句法分析的組合方法研究近些年來受到了較多的關(guān)注，并獲得了較好的性能;然而在語義解析的研究領(lǐng)域中，目前尚未看到相關(guān)的文獻報道。為此，本文展開了基于CCG的語義解析算法改進與組合方法研究。主要工作包含以下兩個方面:
　　(1)基于CCG的語義解析算法的改進。本

3、文利用最大違背感知器算法實現(xiàn)基于高階合一的CCG語義解析方法UBL的改進。最大違背感知器有效地解決了非精確解碼情況下結(jié)構(gòu)化感知器參數(shù)學習算法的收斂性與效率問題，并在理論上得到了嚴密的證明。在參數(shù)更新方面，我們定義了正確解析樹集與錯誤解析樹集之間的最大違背對等子樹對，基于該子樹對進行參數(shù)向量的更新。在獲取隱變量方面，我們提出基于意義表示子表達式匹配準則進行強制解碼，從而獲取與訓練實例對應(yīng)的正確語義解析樹。在Geo880語義解析數(shù)據(jù)集上的實

4、驗結(jié)果表明，本文提出的改進方法提高了系統(tǒng)的準確率和時間效率。
　　(2)語義解析器的組合方法研究。本文基于句法分析器的組合方法，結(jié)合語義解析自身的特點，設(shè)計了兩種語義解析器組合方法:基于相似度的方法和基于樸素貝葉斯模型的方法。首先訓練幾個基礎(chǔ)解析器，然后將基礎(chǔ)解析器輸出結(jié)果即意義表示進行合并或從中選擇一棵作為最終結(jié)果。實驗結(jié)果表明，兩種方法得到的組合系統(tǒng)性能相比于最優(yōu)的基礎(chǔ)解析器有了顯著的提高，而且基于樸素貝葉斯模型的方法要明顯好