漢語復句關系詞自動標識中規(guī)則自動生成方法研究.pdf

1、中文信息處理的研究一般分為三個階段:字的處理，詞的處理以及句和篇章的處理。現(xiàn)今我國已經(jīng)在字的處理，以及詞的處理方面取得了很多的研究成果，并得到了很好的實用。例如漢語分詞的研究已經(jīng)獲得了廣泛的應用。漢語復句的研究卻一直進展艱難，而復句中的關系詞對漢語復句的研究起著關鍵的作用。
　　在基于規(guī)則的復句關系詞自動標識的研究中，規(guī)則是研究的核心，決定著自動識別系統(tǒng)的實用性、準確性。本文在復句關系詞特征研究的基礎上，研究了規(guī)則的表示方法、以及

2、規(guī)則自動生成器，根據(jù)人工挖掘的規(guī)則探討了規(guī)則自動挖掘的方法。
　　由于中文復句信息的特殊性和復雜性，本文首先對大量的復句語料進行了研究和分析，總結出了復句中的信息特征，然后將這些特征利用統(tǒng)一的符號進行形式化，使得計算機能夠理解這些復句規(guī)則的信息。根據(jù)這些復句規(guī)則的特點，將這些規(guī)則分類入庫。其次，在規(guī)則庫不斷的完善和擴充時，對每一條入庫的規(guī)則在入庫之前進行規(guī)則沖突的檢測和處理。通過沖突的檢測和處理使規(guī)則庫中的規(guī)則保持一致性，避免重復

3、的、矛盾的規(guī)則入庫，同時保證包含沖突的規(guī)則在入庫之前得到處理，避免規(guī)則引擎調(diào)用的時候出現(xiàn)混亂。本文通過對人工挖掘的1029條規(guī)則進行入庫檢測，根據(jù)其檢測的結果和人工的確認，發(fā)現(xiàn)規(guī)則沖突檢測的方法是可行有效的。
　　針對人工挖掘規(guī)則的各種不便和可能的錯誤，在規(guī)則形式化和人工挖掘規(guī)則的研究工作的基礎之上，本文探討了一種基于頻繁項集的漢語復句關系詞關聯(lián)規(guī)則挖掘算法。通過自動的進行大量的復句語料篩選、復句特征分析和規(guī)則庫中規(guī)則的匹配，可以