一個(gè)中文語義語料庫的研究與建設(shè).pdf

1、經(jīng)過幾十年的蓬勃發(fā)展之后，自然語言處理面臨著語義知識資源匱乏和處理技術(shù)欠缺的瓶頸，語義資源建設(shè)對自然語言處理的未來具有重要意義。本文選擇中文語義語料庫建設(shè)作為研究課題，選擇人民日報(bào)語料為標(biāo)注對象，從知網(wǎng)進(jìn)行知識獲取，研究了以知網(wǎng)標(biāo)記集進(jìn)行漢語語料庫語義標(biāo)注的方法，并進(jìn)一步開發(fā)了語義標(biāo)注的漢語語料庫L2bank。 以語義語料庫的建設(shè)為目標(biāo)，以語義標(biāo)注技術(shù)為手段，本文做了以下幾個(gè)方面的工作： 首先，通過對國內(nèi)外語義語料庫建設(shè)

2、的發(fā)展與現(xiàn)狀、語料庫建設(shè)的語義知識源的調(diào)研，確定了知網(wǎng)作為語義知識源，人民日報(bào)作為基礎(chǔ)生語料庫，Oracle9iFS作為構(gòu)建平臺的總體設(shè)計(jì)，在此基礎(chǔ)上確定了L2bank語義語料庫的總體設(shè)計(jì)和基本構(gòu)架，為后續(xù)工作奠定了基礎(chǔ)。 然后，探討了語義標(biāo)注的基本技術(shù)，提出了基于知網(wǎng)的語義相關(guān)度計(jì)算模型。該模型所使用的語義關(guān)系挖掘思想可以解決語義語料庫建設(shè)的難點(diǎn)：多義詞的消歧問題，成為本文特色之一。實(shí)驗(yàn)結(jié)果表明該方法消歧正確率可達(dá)80％，能夠