学位论文 > 优秀研究生学位论文题录展示

基于联合方法的中文语义角色标注研究

作　者: 王文学
导　师: 李芳
学　校: 上海交通大学
专　业: 计算机技术
关键词: 语义角色标注深层句法分析浅层句法分析 SVM
分类号: TP391.1
类　型: 硕士论文
年　份: 2012年
下　载: 41次
引　用: 0次
阅　读: 论文下载

内容摘要

语义角色标注(Semantic Role Labeling,SRL)是浅层语义分析的一种实现方式,该任务不对整个句子进行详细的语义分析,而只识别谓词的论元,并给它们附上有意义的角色标签。典型的语义角色包括施事,受事,来源,目的等。这些角色表示的语义信息对问答系统、信息抽取、机器翻译等自然语言处理领域起到非常重要的作用。目前基于机器学习的中文语义角色标注方法大致可以分为两类:基于深层句法分析的方法和基于浅层句法分析的方法。本文首先在基于深层句法分析的SRL的特征集上做了进一步探索,然后对基于这两种方法的SRL系统在性能上做了对比,最后采用联合的方法联合这两种不同方法的SRL系统的输出,通过一些全局特征,如多少系统输出了同样的角色等,训练出联合模型,对候选角色进行过滤,然后解决不满足句子论元结构限制的冲突角色得到最终标注结果,来提高标注的性能。在Chinese PropBank 1.0语料集上,联合模型的F值达到了78.41%,在基于深层句法分析的SRL的F值67.34%和基于浅层句法分析的SRL的F值71.67%基础了有了显著的提高,从而证明我们的联合方法是非常有效的。

全文目录

摘要  3-4
ABSTRACT  4-8
第一章绪论  8-15
  1.1 研究背景及意义  8-9
  1.2 研究现状  9-12
    1.2.1 相关研究  9-11
    1.2.2 评价方法  11-12
    1.2.3 国际评测  12
  1.3 语义角色标注面临的挑战和研究趋势  12-14
    1.3.1 面临的挑战  12-13
    1.3.2 研究趋势  13-14
  1.4 研究内容  14
  1.5 论文结构  14-15
第二章相关介绍  15-24
  2.1 语料库  15-17
  2.2 语义角色标注采用的监督方法介绍  17-22
    2.2.1 监督方法的一般框架  17-18
    2.2.2 监督方法的一般标注策略  18-19
    2.2.3 支持向量机模型  19-21
    2.2.4 条件随机场模型  21-22
  2.3 深层句法分析  22-23
  2.4 浅层句法分析  23
  2.5 本章小结  23-24
第三章基于深层句法分析的中文语义角色标注系统  24-35
  3.1 系统概述  24-25
  3.2 剪枝算法  25-26
  3.3 基本系统使用的特征  26-28
  3.4 扩展系统使用的特征  28-30
  3.5 实验结果及分析  30-33
    3.5.1 实验设置  30
    3.5.2 实验结果及分析  30-33
  3.6 本章小结  33-35
第四章基于浅层句法分析的中文语义角色标注系统  35-46
  4.1 浅层句法分析器中文chunker 实现  35-38
    4.1.1 中文chunk 的定义  35-36
    4.1.2 中文chunking  36-38
  4.2 基于chunking 的SRL  38-40
    4.2.1 方法概述  38-39
    4.2.2 特征  39-40
  4.3 实验结果和讨论  40-45
    4.3.1 实验设置  40-43
    4.3.2 基于浅层句法分析的SRL 系统的性能  43-44
    4.3.3 讨论  44-45
  4.4 本章小结  45-46
第五章基于联合方法的中文语义角色标注  46-55
  5.1 联合方法概述  46-48
  5.2 候选生成阶段  48
  5.3 候选打分阶段  48-49
  5.4 冲突解决阶段  49-50
  5.5 实验结果与分析  50-53
    5.5.1 实验设置  50-51
    5.5.2 独立系统的实验结果  51
    5.5.3 联合模型的实验结果  51-53
    5.5.4 讨论  53
  5.6 本章小结  53-55
第六章总结与展望  55-57
  6.1 全文总结  55
  6.2 研究展望  55-57
参考文献  57-61
致谢  61-62
攻读学位期间发表的学术论文目录  62-64

基于联合方法的中文语义角色标注研究

内容摘要

全文目录

相似论文