漢語名詞復(fù)合短語識別與分類的方法研究.pdf

1、名詞復(fù)合短語（Noun Compounds,NC）作為語言中一種普遍的語法現(xiàn)象，近年來為自然語言處理領(lǐng)域的人們所關(guān)注。目前，對其研究范圍主要包括：邊界識別、語法分析、語義分析及其分類。本文的主要工作包括漢語名詞復(fù)合短語的問題域的確定、名詞復(fù)合短語的邊界識別、名詞復(fù)合短語的類別識別、名詞復(fù)合短語和命名實(shí)體的一體化分析，以及名詞復(fù)合短語的應(yīng)用。
　　本文首先對名詞復(fù)合短語邊界識別進(jìn)行了研究。使用三種方法對邊界進(jìn)行識別，并對開發(fā)集上的識

2、別結(jié)果進(jìn)行比較分析，獲得了邊界識別的最優(yōu)模型——基于候選集的最大熵模型。此外，根據(jù)名詞復(fù)合短語的內(nèi)外部知識（內(nèi)部知識指短語內(nèi)部詞串屬性，外部知識指短語所在上下文環(huán)境）提取了由26個特征值構(gòu)成的特征模板進(jìn)行模型訓(xùn)練，測試集上F值為89.2％。
　　對于名詞復(fù)合短語分類的研究，本文結(jié)合漢語中名詞復(fù)合短語的語義特點(diǎn)及其在語言分析中的應(yīng)用，構(gòu)建了一個漢語名詞復(fù)合短語分類體系。值得一提的是短語級命名實(shí)體符合名詞復(fù)合短語定義，完全可以視為名詞

3、復(fù)合短語，從而為后文提出的一體化分析系統(tǒng)提供理論依據(jù)。短語分類依賴于短語本身的識別，為此本文從兩個角度對其進(jìn)行研究：一是兩者共同識別；二是分類基于邊界識別。結(jié)果表明，共同識別使得短語本身識別準(zhǔn)確率下降，而基于短語識別保留了邊界識別的準(zhǔn)確率的同時使得類別識別效果得到提升。
　　最后，本文對名詞復(fù)合短語和命名實(shí)體的一體化分析進(jìn)行了研究。由于命名實(shí)體與名詞復(fù)合短語在組成結(jié)構(gòu)、語法語義特點(diǎn)和應(yīng)用領(lǐng)域上十分相似，短語級命名實(shí)體更是名詞復(fù)合短