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%。

融合越南语语言特征与改进PCFG的越南语短语树库构建

短语树库是自然语言处理的研究和实际应用的重要资源,就越南语而言目前也缺乏这类树库资源,不利于汉越双语信息处理工作.提出一种融合越南语语法特征与改进PCFG(概率上下文无关文法)的越南语短语树库构建方法,能够自动分析出越南语的短语结构树,从而可解决了越南语短语树库的自动构建问题.首先通过分析越南语的语言特征,制定出越南语的语言特征集;然后利用Inside-Outside算法从人工标注的少量越南语短语树获取PCFG模型中的语法规则集;最后将语法特征集作为语法规则集的补充融入PCFG模型,用得到的新模型最终完成越南语短语树库的构建.实验结果表明,新的PCFG模型针对越南语短语树库构建的准确率达到了81.14%,相比传统PCFG模型以及基于最大熵的树库构建方法准确率明显提高了2%~3%.

短语结构树库向依存结构树库转化研究

汉语依存树库的建设相对其他语言如英语,在规模和质量上还有一些差距。树库标注需要付出很大的人力物力,并且保证树库质量也比较困难。该文尝试通过规则和统计相结合的方法,将宾州汉语短语树库PennChinese Treebank转化为哈工大依存树库HIT-IR-CDT的体系结构,从而增大现有依存树库的规模。将转化后的树库加入HIT-IR-CDT,训练和测试依存句法分析器的性能。实验表明,加入少量经转化后的树库后,依存句法分析器的性能有所提高;但加入大量树库后,性能反而下降。经过细致分析,作为一种利用多种树库提高依存句法分析器性能的方法,短语转依存还存在很多需要深入研究的方面。

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.

基于双句法交互图注意力网络的方面级情感分析

为减少利用未处理的短语树引入的关于方面词错误的句法信息,提出一种双句法交互图注意力网络模型。在现有短语树的基础上通过特定的句法拆分获得面向方面的短语子树,在此基础上,在短语树与依赖树之间利用各自的句法特点建立句法信息的交互通道,有效结合短语树与依赖树两棵句法树产生的句法信息。在3个公共数据集上的充分实验结果表明,双句法交互图注意力网络模型均优于当前的主流方法,验证了模型的有效性。

基于短语结构树的维吾尔语义角色标注的设计与实现

研究维吾尔语是作为一个自然语言中的一个很重要的研究领域之一,维吾尔语的词法分析和句法分析的研究是视为非常重要的研究领域。为了能够更有效地对维吾尔语语义角色标注的研究,需要针对维吾尔语的特征提出相关的方案和方法。该文根据维吾尔语语义角色标注研究在国内研究进展现状,从基于维吾尔语规则和基于维吾尔语短语结构树的角度,对该研究词性标注,句法功能编辑,句子分析等方面进行全面的分析和探索。基于短语结构树的维吾尔语语义标注的研究为将来的自然语言处理,结构化研究,标注功能的实现,校对功能的研究等方面要打下很踏实的基础和作用。

英文专利文献中名词短语的翻译

提出了一种基于句法分析与词语相关性相结合的方法实现英文专利文献中名词短语的翻译,建立了一个面向专利文献的名词短语双语实例库,形成名词短语(NP)树库。对待翻译的术语NP,先进行句法分析,再在NP树库中搜索与该术语NP匹配的NP树,对匹配的NP树,用《知网》计算词语间语义相似度,找到最相似NP树,然后计算词语的翻译候选之间的相关性找到词语翻译,最后调整语序生成译文;若不存在匹配的NP树,搜索与该NP树的子NP相匹配的NP树,递归生成译文。使用BLEU作为机器评价准则,实验结果表明,该方法优于基于短语的统计翻译系统(Pharaoh)。

齐普夫定律在中文短语知识中的呈现

本文对大规模汉语短语树库中的短语直接成分进行了抽取，在统计各短语结构直接成分频次的基础上排序，并进行短语成分的齐普夫定律验证。实验由局部及整体两部分组成：在局部实验中，对单一短语直接成分进行齐普夫定律验证；在整体实验中，对全部短语直接成分进行齐普夫定律验证。实验结果表明，在汉语短语树库中，短语的直接成分分布符合齐普夫定律。这个现象表明，从计量角度而言，汉语短语具有其内核知识，并以内核为基础在最省力原则下对不同语境进行派生，这种派生首先要围绕语法内核知识进行构建，同时又要根据不同语境进行拓展。本研究一方面实现了面向短语层次的语法知识抽取，从计量角度揭示了汉语短语构成的分布规律；另一方面对于中文信息处理中的短语识别、自动句法分析等研究提供短语基础知识支持，这些知识最终可应用于术语短语识别、自动标引、知识抽取、语义分析等研究。

语言学研究中的树库建设及其应用

树库是一种经过句法标注的语言资源,其中包含丰富的词汇、句法和语义知识。因此,近年来基于树库的语言学研究逐渐增多。文章概述了当前树库研究的建库方法和应用范围,内容涉及树库的标注、存储和检索以及树库在计算语言学和理论语言学中的应用。最后指出了现有研究的不足和亟待解决的问题,以及如何拓展基于树库的语言学研究。

面向方面级情感分析的交互式图卷积网络

针对现有的基于图网络的情感分析模型在处理方面短语的内部语义和不同方面之间的情感交互关系时准确度不高等局限性,文章提出一种面向方面级情感分析的交互式图卷积网络模型。首先,利用句子中上下文和方面词之间的句法依存关系,在方面短语内部模块中整合各方面短语之间的内部语义相关性,并将不同方面之间的情感交互关联起来,生成4种类型的邻接矩阵图,实现对方面短语内部语义性和句子中不同方面之间情感交互关系的建模。其次,构建一个方面交互图,用于跨方面关系的建模,以解决不同方面之间的情感交互。最后,在图卷积网络中设置一个全局节点,进一步解决句子中存在多个方面词时精度浮动的问题。在4个公开数据集上的结果表明,该模型在准确率和F1值上均有所提升。

自然语言句法分析研究现状和发展趋势

本文详细论述了自然语言句法分析研究的现状和发展趋势。综述了句法分析目前存在的困难。详细地介绍了九十年代以来提出的一些新的方法以及国际研究动态。

一种基于改进隐马尔克夫模型的词语对齐方法

该文在基本隐马尔克夫模型的基础之上,利用句法知识来改进词语对齐,把英语的短语结构树距离和基本隐马尔克夫模型相结合进行词语对齐。与基本隐马尔克夫模型相比,这个模型可以降低词语对齐的错误率,并且提高统计机器翻译系统BLEU值,从而提高机器翻译质量。

基于规则的彝汉双语调序模型研究

贵州古彝文与汉语在句法结构上属于非单调对称语言,在机器翻译过程中,这种差异将严重影响译文质量。本文通过研究贵州古彝文与汉语在句法结构上的差异,提出一种基于规则的彝汉双语调序模型,用于调整彝文语序,以提高彝汉翻译译文质量。该模型中针对贵州古彝文句法特点,总结了一系列彝语句法规则,通过对比彝语和汉语句法结构上的差异,利用移动、替换等操作调整彝语语序,使其在结构上更符合汉语语序。最后通过实验对所提调序规则进行验证,实验结果表明,通过调序模型得到的符合目标语言句法的源语言调序结果正确率为0.635;利用词对齐模板,对源语言进行直译,译文的BLUE评分值由调序前的0.154提高到调序后0.248。

基于规则的知识元属性抽取方法研究

应急管理研究的深入,现有知识表示方法难以满足其跨学科、知识异构的特点。知识元模型的提出为解决这一现状提供了可能。针对知识元模型的特征,以短语结构树为基础,提出一种基于规则的知识元属性抽取方法。以搜集的2000至2009年应急管理矿难案例为数据源进行实验,并对知识元属性抽取结果进行评估与分析。结果表明,该方法能基本满足从大规模数据中自动抽取知识元及属性,将属性抽取方法应用到应急管理中,提高了知识元抽取效率。