漢語名詞復合短語識別與分類的方法研究.pdf

1、名詞復合短語（Noun Compounds,NC）作為語言中一種普遍的語法現(xiàn)象，近年來為自然語言處理領域的人們所關(guān)注。目前，對其研究范圍主要包括：邊界識別、語法分析、語義分析及其分類。本文的主要工作包括漢語名詞復合短語的問題域的確定、名詞復合短語的邊界識別、名詞復合短語的類別識別、名詞復合短語和命名實體的一體化分析，以及名詞復合短語的應用。
　　本文首先對名詞復合短語邊界識別進行了研究。使用三種方法對邊界進行識別，并對開發(fā)集上的識

2、別結(jié)果進行比較分析，獲得了邊界識別的最優(yōu)模型——基于候選集的最大熵模型。此外，根據(jù)名詞復合短語的內(nèi)外部知識（內(nèi)部知識指短語內(nèi)部詞串屬性，外部知識指短語所在上下文環(huán)境）提取了由26個特征值構(gòu)成的特征模板進行模型訓練，測試集上F值為89.2％。
　　對于名詞復合短語分類的研究，本文結(jié)合漢語中名詞復合短語的語義特點及其在語言分析中的應用，構(gòu)建了一個漢語名詞復合短語分類體系。值得一提的是短語級命名實體符合名詞復合短語定義，完全可以視為名詞

3、復合短語，從而為后文提出的一體化分析系統(tǒng)提供理論依據(jù)。短語分類依賴于短語本身的識別，為此本文從兩個角度對其進行研究：一是兩者共同識別；二是分類基于邊界識別。結(jié)果表明，共同識別使得短語本身識別準確率下降，而基于短語識別保留了邊界識別的準確率的同時使得類別識別效果得到提升。
　　最后，本文對名詞復合短語和命名實體的一體化分析進行了研究。由于命名實體與名詞復合短語在組成結(jié)構(gòu)、語法語義特點和應用領域上十分相似，短語級命名實體更是名詞復合短