基于實(shí)例動(dòng)態(tài)泛化的共指消解及應(yīng)用.pdf

1、共指消解是自然語言處理中的核心任務(wù)，它對(duì)于信息抽取、信息檢索、篇章分析、自動(dòng)文摘、信息過濾和機(jī)器翻譯等都具有重要的意義。本文對(duì)基于實(shí)例動(dòng)態(tài)泛化的共指消解方法中存在的若干問題進(jìn)行了改進(jìn)；開發(fā)了多種共指鏈生成方案用于合并二元分類結(jié)果，從而提升共指消解的性能指標(biāo)；我們將基于實(shí)例動(dòng)態(tài)泛化的共指消解方法應(yīng)用在自然語言處理的其他任務(wù)上，幫助提升這些問題的處理效果。
　　本文重點(diǎn)研究了三部分內(nèi)容：基于實(shí)例動(dòng)態(tài)泛化的共指消解方法中的相關(guān)問題；二元

2、分類結(jié)果合并也即共指鏈生成方案的研究；以及基于實(shí)例動(dòng)態(tài)泛化方法在自然語言處理其他任務(wù)中的應(yīng)用。
　　基于實(shí)例動(dòng)態(tài)泛化的共指消解方法的相關(guān)工作主要集中在Mention識(shí)別和精確泛化點(diǎn)的構(gòu)建兩部分。我們開發(fā)了基于分類方法和基于序列標(biāo)注方法兩類Mention識(shí)別算法，改善識(shí)別效果解決層級(jí)錯(cuò)誤傳遞問題。此外，為了解決泛化點(diǎn)的質(zhì)量問題，我們引入了精確泛化點(diǎn)概念，通過抽取更為準(zhǔn)確的特征改進(jìn)消解算法，在多種語料上的實(shí)驗(yàn)證明了我們工作的有效性。<

3、br>　　在二元分類模塊之后，下一步需要解決共指鏈生成方案。本文討論了三種二元分類合并算法：基于詞匯信息的方法；基于分類置信度的方法；基于Ranking的方法。這三種方案原理不同，適用場(chǎng)合不同，取得的效果也有所差別。我們對(duì)這三種方案進(jìn)行了詳細(xì)的分析比較，證明了我們工作的有效性，但這種合并始終受限于二元分類過程的處理精度，很難取得根本性的突破。
　　在二元分類算法和共指鏈生成方法的基礎(chǔ)上，我們把基于實(shí)例動(dòng)態(tài)泛化的共指消解方法應(yīng)用在了