基于搭配強(qiáng)度的復(fù)句關(guān)系詞自動(dòng)標(biāo)識(shí)方法研究.pdf

1、目前，中文信息處理的最大難題是如何實(shí)現(xiàn)漢語(yǔ)句子的自動(dòng)標(biāo)識(shí)。“句處理”主要分為單句處理和復(fù)句的處理，現(xiàn)在研究較多的是單句的處理。而復(fù)句是連接單句與篇章的橋梁，因而復(fù)句的自動(dòng)標(biāo)識(shí)更加重要，但復(fù)句的自動(dòng)標(biāo)識(shí)及其艱難，目前很少有人涉及。關(guān)系詞在復(fù)句中是一個(gè)重要組成部分，一個(gè)句子的邏輯語(yǔ)義就主要體現(xiàn)在關(guān)系詞上，因此，自動(dòng)標(biāo)識(shí)復(fù)句關(guān)系詞是識(shí)別復(fù)句的關(guān)鍵環(huán)節(jié)。但是，復(fù)句中的“準(zhǔn)關(guān)系詞”有時(shí)充當(dāng)關(guān)系詞，有時(shí)又不充當(dāng)關(guān)系詞，所以要實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)標(biāo)識(shí)復(fù)句關(guān)

2、系詞也非常困難。
　　搭配強(qiáng)度是指兩個(gè)詞之間相互吸引的程度，搭配強(qiáng)度越大意味著這兩個(gè)詞共現(xiàn)的概率越大。搭配強(qiáng)度大、共現(xiàn)頻率高的兩個(gè)詞我們就稱作它們具備搭配關(guān)系。本文對(duì)復(fù)句中的關(guān)系詞自動(dòng)標(biāo)注是針對(duì)具有搭配關(guān)系的關(guān)系詞來(lái)進(jìn)行的。
　　對(duì)于現(xiàn)代漢語(yǔ)復(fù)句關(guān)系詞的自動(dòng)標(biāo)識(shí)，一般有基于規(guī)則的方法、基于統(tǒng)計(jì)的方法以及規(guī)則和統(tǒng)計(jì)相結(jié)合的方法。本文提出的方法是基于大規(guī)模語(yǔ)料庫(kù)的，完全基于統(tǒng)計(jì)的方法。
　　本文首先基于復(fù)句關(guān)系詞本體知識(shí)庫(kù)

3、，提取已經(jīng)經(jīng)過(guò)分詞標(biāo)注處理的復(fù)句中的準(zhǔn)關(guān)系詞，然后設(shè)計(jì)一種搭配強(qiáng)度的評(píng)估方法先判別從復(fù)句中提取出來(lái)的多個(gè)準(zhǔn)關(guān)系詞是否符合搭配關(guān)系。其中，搭配強(qiáng)度的評(píng)估方法主要是基于對(duì)大規(guī)模語(yǔ)料庫(kù)的統(tǒng)計(jì)，統(tǒng)計(jì)出關(guān)系詞的出現(xiàn)頻率、搭配關(guān)系詞的搭配距離、共現(xiàn)頻率，基于這些信息計(jì)算出搭配關(guān)系詞的搭配強(qiáng)度，觀察其是否滿足一定的閾值，然后判定它們之間是否存在搭配關(guān)系。
　　在判別了搭配關(guān)系后，在搭配環(huán)境下對(duì)這兩個(gè)準(zhǔn)關(guān)系詞進(jìn)行自動(dòng)標(biāo)識(shí)。先將待標(biāo)注的準(zhǔn)關(guān)系詞及其