基于連貫性的中英文連接詞研究.pdf

1、篇章的連貫性通常是由篇章內(nèi)部結(jié)構(gòu)和上下文表述的語(yǔ)義關(guān)系所決定的。篇章是指一系列連續(xù)子句、句子或句群構(gòu)成的語(yǔ)言單位；篇章關(guān)系是指在同一篇章中，不同篇章單位之間的語(yǔ)義邏輯關(guān)系（如并列、因果關(guān)系等）。篇章連接詞通常用來(lái)顯式地表達(dá)篇章單位間承接的語(yǔ)義關(guān)系，根據(jù)篇章單位之間是否存在顯式篇章連接詞（如“因?yàn)椤?、“但是”等），可將篇章關(guān)系分為顯式關(guān)系和隱式關(guān)系。本文主要針對(duì)中英文語(yǔ)料中顯式篇章關(guān)系展開(kāi)研究，主要工作包括：
　　（1）分別構(gòu)建中英

2、文連接詞分析平臺(tái)，包括連接詞識(shí)別和語(yǔ)義關(guān)系分類(lèi)。使用最大熵模型和條件隨機(jī)場(chǎng)模型在中文篇章樹(shù)庫(kù)（Chinese Discourse Treebank, CDTB）和英文篇章樹(shù)庫(kù)（Penn Discourse Treebank, PDTB）上分別構(gòu)建連接詞分析平臺(tái)。連接詞識(shí)別在中文上的性能F1值最高為66.79％，英文上F1值最高為95.72%；在語(yǔ)義關(guān)系分類(lèi)中，分別在完全正確的連接詞和自動(dòng)識(shí)別出來(lái)的連接詞上進(jìn)行實(shí)驗(yàn)，自動(dòng)識(shí)別出來(lái)的連接詞的

3、基礎(chǔ)上中文最頂層的四大類(lèi)語(yǔ)義分類(lèi)的總體性能為57.58%，英文最頂層的四大類(lèi)語(yǔ)義分類(lèi)總體性能達(dá)到了90.14%。
　　（2）本文參考CDTB標(biāo)注體系標(biāo)注了雙語(yǔ)平行語(yǔ)料中的英文部分。借助機(jī)器翻譯中的句子、詞對(duì)齊工具，結(jié)合少量人工標(biāo)注，構(gòu)建了雙語(yǔ)平行篇章語(yǔ)料。主要標(biāo)注了連接詞、關(guān)系類(lèi)型（顯式/隱式）、語(yǔ)義關(guān)系等內(nèi)容，并在標(biāo)注的雙語(yǔ)平行篇章語(yǔ)料上對(duì)中英文顯式、隱式篇章關(guān)系的分布、轉(zhuǎn)換，以及關(guān)系類(lèi)型進(jìn)行了對(duì)比研究。
　?。?）為了進(jìn)