面向事件的知識(shí)處理研究.pdf

1、以“事件”作為知識(shí)表示的基本單元和信息組織的重要手段，已經(jīng)受到越來越多的重視。研究面向事件的知識(shí)，可以為自動(dòng)文摘和問題回答系統(tǒng)等信息處理技術(shù)提供服務(wù)。本文主要從面向事件的中文語料庫構(gòu)建、事件識(shí)別、事件要素識(shí)別以及事件因果關(guān)系抽取等四個(gè)方面進(jìn)行了深入的研究，并針對(duì)以往研究中存在的不足，提出了一些切實(shí)可行的解決辦法，具體包括：
　　 1．語料庫建設(shè)是自然語言處理技術(shù)中的基礎(chǔ)性的研究工作，由于研究的目的和研究的對(duì)象不相同，現(xiàn)有面向事件

2、的語料庫分別采用了不同的標(biāo)注體系。這些標(biāo)注體系主要關(guān)注某些特定類型的事件或事件要素，但是卻忽略了一般意義上的事件以及人們對(duì)于事件的理解和認(rèn)知。本文以調(diào)查問卷為基礎(chǔ)，了解和分析了人們對(duì)于通常意義上的文本中的“事件”概念的理解，研究了中文事件的可標(biāo)注性，提出了一種中文事件語料庫的制作方法。該方法并不局限于標(biāo)注某幾類事件，而是針對(duì)文本中所有提及的事件。而且，該方法是建立在中文句法分析和語義分析基礎(chǔ)之上的，符合中文的特點(diǎn)。評(píng)測(cè)實(shí)驗(yàn)表明，采用該方

3、法標(biāo)注得到的語料可以取得較高的一致性。我們還開發(fā)了一個(gè)標(biāo)注輔助工具，收集了200篇突發(fā)事件領(lǐng)域的新聞報(bào)道作為生語料并對(duì)其進(jìn)行了標(biāo)注，制作了一個(gè)中文事件語料庫(Chinese Event Corpus, CEC)。整個(gè)語料庫的加工制作過程歷時(shí)10個(gè)月，先后有近十人參與。與ACE和TimeBank語料庫相比，CEC語料庫的規(guī)模雖然偏小，但是對(duì)事件和事件要素的標(biāo)注卻最為全面。
　　 2．事件識(shí)別是事件抽取任務(wù)的基礎(chǔ)，目前的事件識(shí)別大多

4、采用了機(jī)器學(xué)習(xí)的方法，這種方法需要發(fā)掘有效的特征以提高識(shí)別效果。本文提出了一種基于多種特征融合的事件識(shí)別方法，在構(gòu)造特征向量時(shí)，加入了上下文特征、詞性特征、句法特征以及語義特征等等。在兩種不同的分類器上對(duì)這些特征的區(qū)分能力分別進(jìn)行了實(shí)驗(yàn)和分析，實(shí)驗(yàn)表明，隨著有效特征的加入，事件識(shí)別的效果明顯提高，而將多種特征融合在一起時(shí)，事件識(shí)別的效果最好。與基于tf×idf的事件識(shí)別方法相比，本文方法可以取得更好的識(shí)別效果。
　　 3．采用監(jiān)

5、督（分類）學(xué)習(xí)的方法識(shí)別事件要素，需要大規(guī)模人工標(biāo)注的熟語料庫作為訓(xùn)練集以獲取事件要素的相關(guān)知識(shí)，對(duì)語料庫的依賴性比較強(qiáng)，常常會(huì)因?yàn)檎Z料稀疏的問題導(dǎo)致效果不理想。本文提出了一種基于半監(jiān)督聚類和特征加權(quán)的事件要素識(shí)別方法，以減少對(duì)于語料的依賴。該方法利用少量的標(biāo)記數(shù)據(jù)作為Seed集指導(dǎo)聚類，并且在聚類分析中根據(jù)不同特征的貢獻(xiàn)分別賦予相應(yīng)的權(quán)值。此外，本文還對(duì)傳統(tǒng)的半監(jiān)督聚類算法(Constrained-KMeans)和特征加權(quán)算法(Rel

6、iefF)進(jìn)行了改進(jìn)，使之適用于事件要素識(shí)別任務(wù)。實(shí)驗(yàn)表明，該方法在帶標(biāo)記語料較少的情況下具有一定的優(yōu)勢(shì)，可以取得相對(duì)較好的識(shí)別效果。
　　 4．事件因果關(guān)系是非常重要的一類語義關(guān)系，從文本中抽取事件因果關(guān)系具有廣闊的應(yīng)用前景。傳統(tǒng)的事件因果關(guān)系抽取方法只能抽取顯式帶標(biāo)記的、句內(nèi)的一因一果關(guān)系。實(shí)際上，文本中除了包含上述因果關(guān)系之外，還包含了大量的無標(biāo)記因果關(guān)系、跨句/跨段因果關(guān)系以及一因多果、多因一果和多因多果等。針對(duì)這種不足

7、，本文提出了一種基于層疊條件隨機(jī)場(chǎng)的事件因果關(guān)系抽取方法，該方法將事件因果關(guān)系的抽取問題轉(zhuǎn)化為對(duì)事件序列的標(biāo)注問題，采用層疊（兩層）條件隨機(jī)場(chǎng)標(biāo)注出事件之間的因果關(guān)系。第一層條件隨機(jī)場(chǎng)模型用于標(biāo)注事件在因果關(guān)系中的語義角色，標(biāo)注結(jié)果傳遞給第二層條件隨機(jī)場(chǎng)模型用于識(shí)別因果關(guān)系的邊界。語料分析和實(shí)驗(yàn)表明，本文方法不僅可以有效覆蓋文本中的各種因果關(guān)系（包括：帶標(biāo)記/無標(biāo)記因果關(guān)系、句內(nèi)/跨句/跨段因果關(guān)系以及一因一果、一因多果、多因一果和多因