基于CVG模型的中文短語結構句法分析研究.pdf

1、句法分析的基本任務是確定句子的句法結構，由于語言的復雜性，句法結構往往有歧義的存在，需要引入大量信息來減少歧義，提高句法分析結果。句法分析一般分為短語結構句法分析和依存句法分析，本文主要研究的是短語結構句法分析。CVG(Compositional Vector Grammars)模型能夠很好的捕捉句法分析所需信息，本文將對CVG模型進行深入研究，并對基于CVG模型的句法分析器進行改進，使其能在中文句法分析上有更好的性能表現(xiàn)。CVG模型將

2、 PCFG（Probabilistic Context Free Grammars）和SU-RNN（Syntactically Untied Recursive Neural Networks）相結合，利用PCFG模型預測結構，生成候選樹，利用SU-RNN捕獲短語和詞匯的細粒度語法和組合語義的信息，并利用這些信息對生成的句法樹進行重新計算得分，進行重新排序。
　　本研究主要內(nèi)容包括：⑴利用CVG對中文進行句法分析，首先對CVG模型

3、進及其關鍵技術進行了介紹，并使用Stanford Parser在CTB8.0( Chinese Treebank8.0)上訓練出一個PCFG模型作為基準模型，在此基礎上，又訓練出一個CVG模型，給出其在中文句法分析上的性能表現(xiàn)，及和PCFG模型的性能對比。⑵CVG模型中存在著一些問題，針對這些問題本文給出了改進措施：對于一詞多義，通過融入詞性信息，將<詞，詞性>作為一個整體進行訓練，來解決多義詞問題對于未登陸詞問題，將其分成兩類，針對每

4、類提出了不同的解決辦法，第一類是語料中不存在的詞，對于這種未登陸詞可以用結構向量進行替代，第二類是語料中存在這個詞，不過不存在其對應的詞性，則先用結構向量替代，并對詞性的父結點所在的子樹的得分進行懲罰，如果還沒有找到對應向量，則用零向量替代對于因為樹的二叉化所引起的新生結點和原結點難以區(qū)分所導致的父結點向量表示不確切的問題，提出了對新生結點類型臨時增加標記位的解決辦法對于CVG模型中結點得分計算存在冗余的問題，提出將得分函數(shù)中的參數(shù)依賴