漢語框架語義角色的自動標注技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩85頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論