学位论文 > 优秀研究生学位论文题录展示

中文名词性谓词的语义角色标注研究

作　者: 朱译翔
导　师: 钱龙华
学　校: 苏州大学
专　业: 计算机应用技术
关键词: 自然语言处理语义角色标注名词性谓词语义角色标注支持向量机
分类号: TP391.1
类　型: 硕士论文
年　份: 2011年
下　载: 29次
引　用: 0次
阅　读: 论文下载

内容摘要

浅层语义分析的目的是分析出句子中谓词(可以是动词或名词等)的语义角色成分,包括施事者、受事者、时间、地点等。作为浅层语义分析的一种实现方式,语义角色标注(Semantic Role Labeling,简称SRL)已被广泛应用于自然语言处理相关任务,如信息抽取、问答系统和机器翻译等。语义角色标注可分为动词性谓词SRL和名词性谓词SRL。本文重点研究名词性谓词SRL,主要内容包括:1、实现了一个名词性谓词语义角色标注系统,通过分别为内部角色和外部角色制定不同的剪枝规则,过滤掉不大可能担当语义角色的组块,保留那些担当语义角色的标注单元,再通过基于特征向量的机器学习方法判断这些语义角色的类别。2、深入研究了中文名词性谓词SRL,特别是探索了中文动词性谓词SRL对中文名词性谓词SRL的影响。实验表明,基于基准特征、内部角色和外部角色得到的SRL的F1值为69.47,加入了中文动词性谓词之后得到SRL的F1值为70.88,说明中文动词性谓词对名词性谓词的SRL具有一定的促进作用。

全文目录

中文摘要  4-5
Abstract  5-8
第一章绪论  8-19
  1.1 研究背景和意义  8-10
  1.2 研究现状  10-14
    1.2.1 英文语义角色标注研究现状  11-13
    1.2.2 中文语义角色标注研究现状  13-14
  1.3 实验语料  14-18
  1.4 本文结构  18-19
第二章语义角色标注方法  19-39
  2.1 引言  19
  2.2 语义角色标注步骤  19-25
  2.3 分类器的构造与选择  25-28
    2.3.1 SVM 基本原理  25-27
    2.3.2 SVM 分类器构造  27-28
  2.4 动词性谓词的特征抽取  28-33
    2.4.1 基准特征  29-30
    2.4.2 其他特征  30-32
    2.4.3 特征选择  32-33
  2.5 名词性谓词特征抽取  33-36
    2.5.1 基准特征  34
    2.5.2 其他相关特征  34-36
    2.5.3 特征选择  36
  2.6 中文动词性谓词SRL 与中文名词性谓词SRL 的联系  36-38
  2.7 本章小结  38-39
第三章实验结果与分析  39-49
  3.1 评价指标  39
  3.2 实验设置  39-40
  3.3 语义角色标注系统  40-41
  3.4 特征选择效果分析  41-45
  3.5 系统结果与已有系统的结果比较分析  45-47
  3.6 性能曲线  47
  3.7 本章小结  47-49
第四章总结与展望  49-51
  4.1 工作总结  49
  4.2 工作展望  49-51
参考文献  51-54
攻读学位期间公开发表的论文  54-55
致谢  55-56

中文名词性谓词的语义角色标注研究

内容摘要

全文目录

相似论文