漢語框架語義角色的自動標注技術(shù)研究.pdf

1、為了給大規(guī)模的漢語框架語義資源的構(gòu)建提供一個自動標注工具，本文基于山西大學自主開發(fā)的漢語框架語義知識庫(CFN)，在給定句子中的一個目標詞及目標詞所屬框架情形下，將其語義角色（框架元素）的自動標注問題通過IOB策略轉(zhuǎn)化為整個句子上的詞序列標注問題，使用條件隨機場模型(CRF)，采用統(tǒng)計學中的正交表實驗方案，研究了漢語框架語義角色的自動標注模型。
　　本文的全部實驗語料使用的是現(xiàn)有的CFN中選出25個框架的6692個例句。將語料均勻

2、分為4份，分3組作2-fold交叉驗證，以3組交叉驗證的平均F1-值作為系統(tǒng)性能評價指標。本文給出了系統(tǒng)性能評價指標的方差估計，以及兩個標注系統(tǒng)性能差異的顯著性檢驗方法。
　　本文以詞為基本標注單元，將標注步驟分為1）邊界識別、2）角色分類、3）后處理三個步驟。分別采用了邊界識別與角色分類一起進行，以及先邊界識別，再角色分類兩種標注策略。在后處理步驟上，對輸出的標注序列要求在整個句子上滿足IOB序列合法性約束，并以所有合法序列中概

3、率最大的序列作為最后的標注輸出。
　　本文總共提取了26個特征，對每個特征設定若干可選的窗口，組合構(gòu)成CRF模型的各種特征模板。為了選出較好的特征模板，本文基于統(tǒng)計學中的正交表給出了一種模板選優(yōu)方法，并采用三種方案進行了實驗。方案一:基于11個詞層面特征，其特征包括詞、詞性、詞相對于目標詞的位置、目標詞等，實驗選用正交表L32(49×24);方案二:基于全部的26個特征，包括11個詞層面的特征和基本塊的句法標記、結(jié)構(gòu)標記等15個特

4、征，選用正交表L54(21×325)。其中基本塊特征提取使用的是清華大學周強的自動分析器;方案三:分批正交表實驗，即先用正交表L32(49×24)，在11個詞層面特征選出的最好模板基礎上，再加入15個基本塊特征，使用正交表L54(21×325)，通過適當選擇正交表的水平以確保性能不低于前一批實驗結(jié)果。對每種方案的實驗進行了詳細分析。
　　本文對正交表模板選優(yōu)方法與傳統(tǒng)的基于貪心算法的方法進行了比較。也比較了本文的基于詞序列標注方法

5、和采用完全句法分析樹的方法，也對選用不同標注模型，如支持向量機(SVM)模型和最大熵模型的實驗結(jié)果進行了比較。
　　實驗結(jié)果表明:
　　(1)在基于11個詞層面特征上（方案一），最好結(jié)果（平均F1-值）達到61.61％，比基于完全句法分析樹，將角色標注看做句法成分的分類問題的結(jié)果顯著高。與傳統(tǒng)的貪心算法特征選擇方法比較，本文的正交表模板選擇方法與其在標注性能上沒有顯著差異，但正交表方法的計算更簡單，且在通用模板的選擇上更適宜

6、。
　　(2)加入15個基本塊特征（方案二）可以顯著提高標注模型的性能。這類特征主要對角色分類有顯著作用，對角色的邊界識別作用不顯著。
　　(3)分批正交表實驗（方案三）比實驗方案二在性能上有顯著提高。
　　(4)每個框架訓練一個模型，邊界識別與角色分類一起進行，與先邊界識別，再角色分類兩個步驟在標注性能上沒有顯著差別，但由前者得到的標注性能有較小的方差。
　　(5)基于條件隨機場標注模型(CRF)與基于支持向量

7、機(SVM)模型的標注結(jié)果沒有顯著差異，但顯著好于基于最大熵(ME)模型的標注結(jié)果。
　　(6)在全部25個框架的所有實驗中，語義角色邊界識別最好的結(jié)果（平均F1-值）為71.68％;在給定語義角色邊界下，角色分類的最好結(jié)果（平均精確率）為84.08％;在給定句子中的目標詞以及目標詞所屬的框架情況下，最好結(jié)果（平均F1-值）達到63.26％.
　　本文的創(chuàng)新之處主要是首次系統(tǒng)地研究漢語框架語義角色的自動標注模型，給出了一種采