基于依存树库的弹幕语言句法特征研究

基于哈尔滨工业大学LTP语言云系统的依存句法树库,从依存关系类型、依存距离、依存方向百分比三个方面,对弹幕语言的句法特征进行探究。研究发现,弹幕语言的依存类型以状中关系、主谓关系、右附加关系、定中关系、动宾关系为主。弹幕语言的句长较短,以简单句为主,复句为辅;单句的句长集中在1—5个词语之内,复句的句长集中在10—15个词语之内。弹幕语言单、复句的平均依存距离随着句长的增加而缓慢增长,二者具有显著相关性。弹幕语言的依存方向主要表现为支配词在后。

汉语中介语依存树库偏误标注研究

偏误标注是汉语中介语依存树库标注的重要组成部分,然而现有的同类型树库尚未充分实现偏误标注与句法标注的有效融合。鉴于此,本文提出了一套汉语中介语依存树库偏误标注方案,旨在更好地贯彻中介语语料库“基础标注+偏误标注”的标注理念。该方案明确了偏误标注的总体原则和具体标注规则。总体原则包括顺序性原则和自然性原则,二者共同确保了标注过程中语料、依存关系与偏误的真实性、自然性和有效性。具体标注规则涵盖了字、词、句层面的偏误问题,方案为每个层面都提供了相应的标注策略。特别是在句层面,偏误标记在依存关系句法标注体系的基础上改编而来,确保了正确信息赋码和偏误信息赋码之间具有一定的一致性和逻辑关系。研究发现:句层面的偏误通常出现在修饰语与中心语的组合上,这一现象在“状语”“谓语”“定语”“补语”等依存关系上尤为突出;偏误会对依存语法分析产生影响,影响有横纵之分,纵向影响与偏误的类型直接相关,而横向影响则与词汇的结合力紧密相连。

多领域中文依存树库构建与影响统计句法分析因素之分析

为提升依存分析并分析影响其精度的相关因素,该文构建了大规模中文通用依存树库和中等规模领域依存树库。基于这一系列树库,通过句法分析实验考察质量、规模、领域差异等因素对中文依存分析的影响,实验结果表明:(1)树库规模和质量均与句法分析精度成正相关关系,质量应先于规模因素被优先考虑;(2)通用树库和领域树库之间的差异程度与前者对后者的替代性成相关关系;(3)两种树库混合使用的效果同样与领域差异有关。

数据库自然语言查询系统Nchiql中语义依存树向SQL的转换

本文介绍了关系数据库受限自然语言查询系统NChiql中语义依存树向SQL的转换算法。文章首先介绍了集合块的概念、划分方法以及集合块向SQL的转换算法 ,然后再给出最大集合块的再次划分方法 。

短语树到依存树的自动转换研究

不同标注体系的树库之间的相互转换是计算语言学研究的重要内容之一。本文在总结国内外几种树库标注体系及相互转换实践的基础上,结合清华汉语树库(TsinghuaChineseTreebank ,简称TCT)标注体系的特点,提出了一种将TCT从短语结构转换成依存结构(DependencyStructure)的算法。这种算法充分利用了TCT具有的功能、结构的双重标记,转换得到的依存树不仅包含了各个节点之间相互依存的层次关系,更包含了相互依存的两个节点的具体的依存关系类型。我们对转换的效果进行了抽样评估,准确率可以达到97 37%。

NChiql中基于语义依存树的语言转述

To enable natural language interfaces to databases more efficient and robust,two kinds of techniques,language paraphrasing and result analyzing,are widely used to help users to understand the system's intermediate language,and the query result meaning in some times. For the limitation of intermediate language adopted in some NLIDBs ,they could not give efficient and practical paraphrasing algorithms. Based on semantic dependency tree in NChiql,we present a completed paraphrasing algorithm which is suitable to Chinese languages.

中英平行短语依存树库构建

提出了面向翻译研究的融合短语结构树和依存分析的短语依存树库(phrase dependency treebank,PDT)的构建思想,阐述了中英平行PDT的构建方法.PDT采用"扁平结构优先"的短语结构树和"基于语义"的依存句法功能标注原则,有别于传统依存分析的完全二分法.大连理工大学中英平行PDT(DUT-CEPDT)的生语料取自文本质量较高的政府工作报告和白皮书及其官方译文.首先,对文本进行分词和词性标注之后,利用专为语言学家开发的辅助工具LingTreeConstructor构建中文和英文的单语PDT;之后,在两个单语PDT之间从篇章到词的节点进行对齐,这种多层次的立体对齐比只有词、短语或句子的单层对齐能提供更丰富的翻译知识;最后,依据FrameNet进行双语平行的框架语义角色标注.DUTCEPDT将为译员培训和机器翻译研究提供所需的标准语料.

基于依存树距离识别论元的语义角色标注系统

在基于依存的语义角色标注研究中,大多数系统采用机器学习方法进行论元识别和分类。该文分析了依存树的特点,发现论元集中分布于依存树上的特定局部范围内,因此提出一种基于依存树距离的论元识别方法。该方法将候选论元限制在与目标动词的依存树距离不超过3的范围内,通过制订规则,提取目标动词的最佳候选论元集合。在CoNLL2009中文语料上采用正确的依存树,识别出了98.5%的论元。在此基础上,结合基于机器学习的角色分类,系统F值达到89.46%,比前人的方法 (81.68%)有了较为显著的提升。

基于依存树库的文本聚类研究

文本聚类是信息检索的重要内容。为了避免使用计算过程复杂的聚类算法,并能从语言学角度对聚类特征和聚类结果进行分析和解释,该文提出了采用句法分布信息进行文本聚类的方法。在汉语依存树库中,得出10种具有显著差异的词类依存关系,以其中5种依存关系作为聚类特征,访谈会话类和新闻播报类文本的相似度分别为71.98%和83.13%。实验结果验证了该方法利用依存关系对文本聚类的可行性和有效性。

面向机器翻译的句类依存树库构建及应用

该文以汉英机器翻译为应用目标,以概念层次网络理论的语义网络和句类分析方法为理论基础,探讨了句类依存树库构建的理论和标注实践等问题,描述了构建树库所需的概念类别标注集和句类关系标注集。并通过与已有汉语树库进行对比,以汉语显性轻动词句的标注为例,分析了汉语句类依存树库的特点。该文在应用层面定义了面向汉英机器翻译的融句法语义信息于一体的"句类依存子树到串"双语转换模板,尝试基于汉语句类依存树库提取汉英转换模板。

基于依存树及距离注意力的句子属性情感分类

目前基于注意力机制的句子属性情感分类方法由于忽略句子中属性的上下文信息以及单词与属性间的距离特征,从而导致注意力机制难以学习到合适的注意力权重.针对该问题,提出一种基于依存树及距离注意力的句子属性情感分类模型(dependency tree and distance attention, DTDA).首先根据句子的依存树得到包含属性的依存子树,并利用双向GRU学习句子及属性的上下文特征表示;根据句子中单词和属性在依存树中的最短路径确定相应的语法距离及位置权重,同时结合相对距离构造包含语义信息和距离信息的句子特征表示,并进一步利用注意力机制生成属性相关的句子情感特征表示;最后,将句子的上下文信息与属性相关的情感特征表示合并后并通过softmax进行分类输出.实验结果表明:DTDA在国际语义评测SemEval2014的2个基准数据集Laptop和Restaurant上取得与目前最好方法相当的结果.当使用相关领域训练的词向量时,DTDA在Laptop上的精确率为77.01%,在Restaurant上的准确率为81.68%.

基于依存树的越南语新闻事件元素抽取

为加强对越南政治、经济和文化等方面新闻事件的了解,提出一种基于依存树的越南语新闻事件元素抽取方法。分析越南语的语法特点,发现越南语最主要的特点是定语后置,其它和中文的语法结构类似,通过直接映射中文句法结构得到越南语依存树;在此基础上通过定义规则,在依存树中找到相应的句法结构,抽取句子的主语、宾语和状语。实验结果表明,该方法可以快速地定位到越南语句子的句法成分,有效地抽取出越南语新闻事件元素。

基于依存树库的汉语句法计量研究

利用五个汉语依存句法树库,对汉语的依存距离和依存方向等句法属性进行了计量分析。结果表明:汉语的依存距离均值约为2.84,即在构成依存关系的两个词之间平均有1.84个词;汉语中40%—50%的依存关系不是在相邻的词之间形成的;在语言类型方面,汉语是一种支配词置后略占优势的混合型语言,一种SV、VO和AdjN语言;汉语支配词居前的依存距离均值要明显大于支配词置后的依存距离均值。

面向方面级情感分析的加权依存树卷积网络

面向方面级情感分析,现有基于规则的依存树修剪方法存在删除部分有用信息的问题。另外,如何利用图卷积网络获取图结构中丰富的全局信息也是现阶段面临的一个重要问题。针对第一个问题,该文通过多头注意力机制自动学习如何有选择地关注对分类任务有用的结构信息,将原始依存树转变为完全连接的边加权图。针对第二个问题,该文将紧密连接引入图卷积网络中,使图卷积网络能够捕捉丰富的局部和全局信息。三个公开数据集上的实验结果表明,该文模型相比基线模型其准确率和F_(1)值均有提升。

基于依存树库的现代汉语名词语法功能的计量研究

现代汉语自动句法分析需要词类句法功能的量化信息。本文基于概率配价模式理论,利用汉语依存树库,对现代汉语名词的句法功能进行了计量研究。文章把名词各句法功能,按其出现频率的高低,区分出典型功能和非典型功能,给出了名词句法功能的关联标记模式和概率配价模式,从而从定量分析的角度,对前人的研究结论进行了验证和补充,有助于更清晰地认识汉语名词的句法功能,并对对外汉语语法教学提供参考。

汉语句类依存树库的构建研究

以机器翻译领域为应用目标,以概念层次网络理论的语义网络和句类分析方法为理论基础,探讨句类依存树库构建的理论和标注实践等问题。详细描述了构建树库所需的概念类别标注集和句类关系标注集,并给出了句类依存树样例。

维吾尔语依存树库构建及统计分析

本着构建维吾尔语依存树库的目的,该文根据黏着性语言的结构特点及其在依存属性中对依存角色的影响,提出构建维吾尔语依存树库时需要考虑的几点要素。其包含依存粒度的确定、维吾尔语依存关系、标注原则、依存树结构以及标注工具的设计与实现。然后根据《维吾尔语依存树库标注手册》人工标注了3 400多条句子并从三个角度对依存树库信息做了统计分析。

汉语复句关系词的依存树特征分析

复句关系词特征分析是复句关系词自动标识的关键。论文提出基于依存树的复句关系词特征分析方法,通过依存树核函数来捕获复句句法结构特征。对于复句句法分析所得依存树,选取最短路径包含树SPT(Short Path Tree)从树中选取关系词特征序列,设计依存树核函数对特征序列进行相似度的计算。实验证明,运用该方法进行关系词自动识别,具有较高的正确率。

依存树库在语言学理论中的应用

基于语料库的研究方法是现代语言学的基础研究方法。依存树库这种带有词类和句法信息的语料库,不仅是计算语言学的资源,更是语言学理论研究的宝贵资源。依存树库在分析和理解句子的结构方面具有较大的优势,借助依存树库资源优势来进行语言学理论研究具有可行性和有效性。目前,学者们已初步摸索出将依存树库应用于语言学理论研究中的实现路径,随着对依存树库资源认识的不断深入,该资源的应用领域还需进一步拓展。

基于依存树库的汉英语码转换中形容词的句法差异研究

采用汉英语码转换的依存树库,以依存距离为测量指标。本研究考察汉英语码转换中形容词的句法差异并探究其原因,揭示形容词在真实汉英混杂话语中的句法特征。研究发现:作为支配词,汉英形容词主要支配主语和状语关系;作为从属词,主要充当宾语、定语和状语;汉英形容词在单语和混杂依存中结合力存在差异;汉英形容词存在以依存距离为测量指标的句法差异,引起句法差异的主要原因在于:(1)语码转换的边缘性特征;(2)语块作为整体参与语码转换;(3)汉英状语和定语线性位置的差异。