基于半監(jiān)督學(xué)習(xí)的中文依存句法分析.pdf

1、依存關(guān)系指的是句子中詞與詞之間支配與被支配的關(guān)系,將這種關(guān)系以計(jì)算機(jī)可接受的方式表示出來(lái)就是一個(gè)有向的依存結(jié)構(gòu)圖。依存關(guān)系因其直觀、容易理解和簡(jiǎn)潔的結(jié)構(gòu),使得依存句法分析成為目前句法分析領(lǐng)域中的重要的研究方向之一。傳統(tǒng)的句法分析的首要任務(wù)是確定句子所包含的結(jié)構(gòu),其次是確定各部分之間的內(nèi)在聯(lián)系,而依存句法分析的主要目的就是通過(guò)分析句子中各詞之間的依存關(guān)系來(lái)識(shí)別句子的句法結(jié)構(gòu)。
　　隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展,大規(guī)模收集語(yǔ)料成為可能,一

2、些主流的語(yǔ)言如英文已經(jīng)建立起了規(guī)模很大的語(yǔ)料庫(kù),并用統(tǒng)計(jì)的方法讓計(jì)算機(jī)來(lái)處理成為可能。但是就目前來(lái)說(shuō),收集完之后的語(yǔ)料庫(kù)需要人工的對(duì)其詞性和依存關(guān)系進(jìn)行標(biāo)注,這將耗費(fèi)大量的人力、物力和財(cái)力。對(duì)于中文的依存語(yǔ)料庫(kù)來(lái)說(shuō),目前已建成的漢語(yǔ)依存樹庫(kù)規(guī)模很小,而且由于沒(méi)有統(tǒng)一的標(biāo)注規(guī)范,使得各研究組織機(jī)構(gòu)的語(yǔ)料庫(kù)之間存在著很大的差異。
　　課題考慮到中文依存語(yǔ)料庫(kù)規(guī)模較小的不足之處,利用大量的未標(biāo)記語(yǔ)料,設(shè)計(jì)并實(shí)現(xiàn)了一種基于改進(jìn)的Tri-t

3、raining算法的半監(jiān)督學(xué)習(xí)方法,并取得了較好的性能。
　　實(shí)驗(yàn)采用的語(yǔ)料全部來(lái)自于 CoNLL-2009的中文評(píng)測(cè)數(shù)據(jù),其中共有22276個(gè)語(yǔ)句,利用基于兩種不同方法的句法分析器 MSTParser和 MaltParser訓(xùn)練得到三種類型的分類器模型來(lái)實(shí)現(xiàn)改進(jìn)的Tri-training算法。最初的Tri-training算法的過(guò)程過(guò)于繁瑣,且其迭代的過(guò)程十分耗時(shí)。本文改進(jìn)了 Tri-training算法的時(shí)間復(fù)雜度,并且使用三