基于標記隱現規(guī)則和關聯特征的復句層次結構分析研究.pdf

1、中文信息處理作為計算語言學的一個分支，在人工智能、搜索引擎等互聯網技術飛速發(fā)展的今天顯得越來越重要。漢語的使用范圍也隨著中國在國際上的影響力逐漸擴大，而漢語復句作為漢語語言的重要組成部分，已經成為計算機解決的核心對象，也是目前中文信息處理的研究難點之一。
　　目前，對復句的研究主要包括關系標記的自動標識、分句和非分句的判斷、復句層次的自動劃分和復句關系的識別。其中，關系標記的自動標識和分句劃分已經有了較多的研究，而復句層次的自動劃

2、分和關系識別研究較少。
　　鑒于關系標記的自動標識技術已經基本成熟，且關系標記本身具有標明復句層次結構和分句間邏輯語義的作用，因此，在對復句的層次結構進行分析時也要緊緊抓住關系標記這一重要形式標志。然而，由于漢語表達方式的多樣性，分句內總會出現關系標記的缺省，即關系標記的隱現，這就導致僅僅依靠關系標記實現復句層次的識別困難重重。為此，本文采取“分而治之”的策略，將研究對象（三句式有標復句）分成充盈態(tài)和非充盈態(tài)兩種類型;同時，為解決

3、標記缺省的問題，構建了標記配位類型表和標記隱現規(guī)則，實現對復句內的標記隱現模式的自動提取;另外，在復句的依存句法分析基礎上，提出了利用句法成分復現進行分句間關聯度的計算。最終通過構建基于標記隱現規(guī)則和關聯特征的復句層次結構識別模型，達到對復句的層次結構進行自動劃分的目的。
　　本文的工作從以下幾個方面開展。首先，本文利用依存句法和標點符號對復句內的分句進行劃分;其次，在剔除偽分句的基礎上，對分句內的關系標記進行標注和提取，以期獲得

4、復句的關系標記序列;然后，構建標記配位類型表，并在此基礎上提出了標記隱現模式確定算法，獲得給定復句的標記隱現模式;同時，在依存句法分析的基礎上，提出利用句法成分復現對分句間的關聯度進行計算的方法;最后，構建基于標記隱現規(guī)則和關聯特征進行復句層次結構判斷的模型，通過標記隱現規(guī)則對充盈態(tài)三句式有標復句的層次進行識別和分析，對于非充盈態(tài)三句式有標復句則利用關聯特征進行層次結構判斷。通過實驗，標記隱現模式獲得的正確率達91.5％，復句層次結構分