利用短語抽取系統(tǒng)建設(shè)基于語義理解的知識庫.pdf

1、漢語分析技術(shù)是中文信息處理的基礎(chǔ).目前,漢語詞法分析技術(shù)已比較成熟,但在詞法分析之上的短語分析及句法分析仍然很不成熟.究其原因,主要在于漢語是一種意合語言,語言表達(dá)上缺乏相應(yīng)的語義結(jié)構(gòu)信息,在句法層面上難以得到比較合適的規(guī)律,從而很難進(jìn)行深入的分析.但是,漢語的短語本位語法理論認(rèn)為:詞組和句子的構(gòu)造原則基本一致.詞組被包含在句子里時(shí)是詞組,獨(dú)立時(shí)就是句子.因此,在句法分析領(lǐng)域,采用分而制之的處理思路,比較而言,更加符合漢語語法語義的基本

2、結(jié)構(gòu)特征.進(jìn)而,針對漢語短語結(jié)構(gòu)的組塊分析技術(shù)得到了越來越廣泛的應(yīng)用.在漢語的范疇內(nèi),不加嚴(yán)格限制的說,組塊就是短語或者詞組.所謂組塊分析,其基本思想是將完整的句法分析分為兩個(gè)過程:首先是組塊的識別:從句子中識別出組塊;其次是組塊之間關(guān)系的判斷:將組塊結(jié)合成句子.該文介紹了一種基于層疊有限狀態(tài)自動(dòng)機(jī)的組塊分析方法,理論上可以按層次分析出句法結(jié)構(gòu)樹,或者句法結(jié)構(gòu)森林.在組塊的識別過程中,主要依靠對于漢語短語的主觀語言經(jīng)驗(yàn),定義分析規(guī)則,同

3、時(shí)利用分析預(yù)處理階段得到的統(tǒng)計(jì)信息計(jì)算出局部互信息,用以驗(yàn)證規(guī)則匹配后得到的結(jié)果.此外,這種組塊分析方法還把判斷組塊之間關(guān)系的工作融合在組塊的識別過程中,當(dāng)較高層次的組塊被抽取出來以后,其內(nèi)部較低層次組塊之間的關(guān)系就確定了.對于該分析系統(tǒng)而言,最重要的子系統(tǒng)是定義規(guī)則和確定規(guī)則運(yùn)行序列的語言知識加工模塊.該文設(shè)計(jì)了一些算法策略,用來考察和篩選運(yùn)行效果較好的規(guī)則,同時(shí)優(yōu)化規(guī)則運(yùn)行的序列.這對提高分析器的分析質(zhì)量有很大的幫助.該文另一個(gè)重要