漢語并列結構的自動識別.pdf

1、并列結構的自動識別對提高自動句法分析器的性能和工作效率具有重要意義，同時該識別結果可以直接應用于機器翻譯、信息抽取等領域。以往對并列結構的研究大部分是進行理論探討，少部分的自動識別研究也是針對比較簡單的并列結構。本文在為提高完全句法分析性能的前提下，利用大規(guī)模語料庫，分別展開了基于規(guī)則和基于機器學習方法的并列結構自動識別研究。 本文首先分析了賓州中文樹庫中并列結構的語言學特征，主要從并列結構內(nèi)部和外部兩個方面進行考察。內(nèi)部特征主

2、要考察了并列結構中并列成分的詞性序列分布，并列結構的平行性和嵌套并列結構；外部特征主要考察了并列結構的左邊界特征詞和右邊界特征詞。這些統(tǒng)計和分析結果可以為計算機自動識別并列結構提供豐富的語言學知識。 本文分析了并列結構的相似性，以及邊界特征詞分布的規(guī)則性，探索了基于規(guī)則方法的并列結構自動識別。具體地，根據(jù)并列成分中心詞詞性，將并列結構分為五大類，分別針對每類并列結構特點實現(xiàn)自動識別。 本文實現(xiàn)了基于最大熵模型的并列結構自

3、動識別。該方法將并列結構的自動識別轉(zhuǎn)化為一個分類問題，根據(jù)連接詞的位置分別向左和向右搜索出并列結構的左右邊界。本文根據(jù)并列結構呈現(xiàn)的特點，分析了探索了適合并列結構邊界識別的上下文特征。為了減少因數(shù)據(jù)稀疏導致的識別錯誤，本文使用錯誤驅(qū)動的方法對最大熵的識別結果進行了校正。該方法首先對最大熵識別出的錯誤并列結構內(nèi)部信息進行分析，獲得候選校正規(guī)則集；然后，利用評價函數(shù)進行規(guī)則篩選，得到最終的校正規(guī)則集；最后，利用校正規(guī)則集對基于最大熵模型的自