漢語(yǔ)框架語(yǔ)義角色的自動(dòng)標(biāo)注技術(shù)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩85頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、為了給大規(guī)模的漢語(yǔ)框架語(yǔ)義資源的構(gòu)建提供一個(gè)自動(dòng)標(biāo)注工具,本文基于山西大學(xué)自主開發(fā)的漢語(yǔ)框架語(yǔ)義知識(shí)庫(kù)(CFN),在給定句子中的一個(gè)目標(biāo)詞及目標(biāo)詞所屬框架情形下,將其語(yǔ)義角色(框架元素)的自動(dòng)標(biāo)注問題通過(guò)IOB策略轉(zhuǎn)化為整個(gè)句子上的詞序列標(biāo)注問題,使用條件隨機(jī)場(chǎng)模型(CRF),采用統(tǒng)計(jì)學(xué)中的正交表實(shí)驗(yàn)方案,研究了漢語(yǔ)框架語(yǔ)義角色的自動(dòng)標(biāo)注模型。
  本文的全部實(shí)驗(yàn)語(yǔ)料使用的是現(xiàn)有的CFN中選出25個(gè)框架的6692個(gè)例句。將語(yǔ)料均勻

2、分為4份,分3組作2-fold交叉驗(yàn)證,以3組交叉驗(yàn)證的平均F1-值作為系統(tǒng)性能評(píng)價(jià)指標(biāo)。本文給出了系統(tǒng)性能評(píng)價(jià)指標(biāo)的方差估計(jì),以及兩個(gè)標(biāo)注系統(tǒng)性能差異的顯著性檢驗(yàn)方法。
  本文以詞為基本標(biāo)注單元,將標(biāo)注步驟分為1)邊界識(shí)別、2)角色分類、3)后處理三個(gè)步驟。分別采用了邊界識(shí)別與角色分類一起進(jìn)行,以及先邊界識(shí)別,再角色分類兩種標(biāo)注策略。在后處理步驟上,對(duì)輸出的標(biāo)注序列要求在整個(gè)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(biāo)注輸出。
  本文總共提取了26個(gè)特征,對(duì)每個(gè)特征設(shè)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(jì)學(xué)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(jìn)行了實(shí)驗(yàn)。方案一:基于11個(gè)詞層面特征,其特征包括詞、詞性、詞相對(duì)于目標(biāo)詞的位置、目標(biāo)詞等,實(shí)驗(yàn)選用正交表L32(49×24);方案二:基于全部的26個(gè)特征,包括11個(gè)詞層面的特征和基本塊的句法標(biāo)記、結(jié)構(gòu)標(biāo)記等15個(gè)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(xué)周強(qiáng)的自動(dòng)分析器;方案三:分批正交表實(shí)驗(yàn),即先用正交表L32(49×24),在11個(gè)詞層面特征選出的最好模板基礎(chǔ)上,再加入15個(gè)基本塊特征,使用正交表L54(21×325),通過(guò)適當(dāng)選擇正交表的水平以確保性能不低于前一批實(shí)驗(yàn)結(jié)果。對(duì)每種方案的實(shí)驗(yàn)進(jìn)行了詳細(xì)分析。
  本文對(duì)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(jìn)行了比較。也比較了本文的基于詞序列標(biāo)注方法

5、和采用完全句法分析樹的方法,也對(duì)選用不同標(biāo)注模型,如支持向量機(jī)(SVM)模型和最大熵模型的實(shí)驗(yàn)結(jié)果進(jìn)行了比較。
  實(shí)驗(yàn)結(jié)果表明:
  (1)在基于11個(gè)詞層面特征上(方案一),最好結(jié)果(平均F1-值)達(dá)到61.61%,比基于完全句法分析樹,將角色標(biāo)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(biāo)注性能上沒有顯著差異,但正交表方法的計(jì)算更簡(jiǎn)單,且在通用模板的選擇上更適宜

6、。
  (2)加入15個(gè)基本塊特征(方案二)可以顯著提高標(biāo)注模型的性能。這類特征主要對(duì)角色分類有顯著作用,對(duì)角色的邊界識(shí)別作用不顯著。
  (3)分批正交表實(shí)驗(yàn)(方案三)比實(shí)驗(yàn)方案二在性能上有顯著提高。
  (4)每個(gè)框架訓(xùn)練一個(gè)模型,邊界識(shí)別與角色分類一起進(jìn)行,與先邊界識(shí)別,再角色分類兩個(gè)步驟在標(biāo)注性能上沒有顯著差別,但由前者得到的標(biāo)注性能有較小的方差。
  (5)基于條件隨機(jī)場(chǎng)標(biāo)注模型(CRF)與基于支持向量

7、機(jī)(SVM)模型的標(biāo)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(biāo)注結(jié)果。
  (6)在全部25個(gè)框架的所有實(shí)驗(yàn)中,語(yǔ)義角色邊界識(shí)別最好的結(jié)果(平均F1-值)為71.68%;在給定語(yǔ)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(biāo)詞以及目標(biāo)詞所屬的框架情況下,最好結(jié)果(平均F1-值)達(dá)到63.26%.
  本文的創(chuàng)新之處主要是首次系統(tǒng)地研究漢語(yǔ)框架語(yǔ)義角色的自動(dòng)標(biāo)注模型,給出了一種采

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論