基于中心理论的指代消解研究

系统分析了在中心理论指导下语义角色在指代消解中的应用。首先使用性能良好的语义角色标注工具AS-SERT自动进行语义角色的识别,然后将识别出的语义角色信息与代词类别特征相组合进行指代消解。以中心理论为基础来表示、使用语义角色信息。从ACE 2003语料库上的实验结果可以看到,引入语义角色后,与基准系统相比,系统的F值提高了2.2%。特别是代词的指代消解,从实验结果可以看到,性能得到了大大提升。

指代消解中语义角色特征的研究

该文实现了一个基于机器学习的指代消解平台,并在此基础上着重研究了语义角色特征对指代消解的影响。该文使用ASSERT①语义角色标注系统得到语义角色标注信息,然后在原型系统的基础上加入语义角色特征。为了分析语义角色特征对指代消解的影响,该文还分析了语义角色特征和指代链特征以及代词细化特征的结合对系统的影响。通过把先行语和照应语在句子中所作的语义角色特征加入机器学习系统中进行研究,该文发现语义角色特征能够显著提高系统的性能,特别是对代词的消解有很好的效果。在ACE 2003 NWIRE基准语料上的所有类型名词短语的指代消解测试表明,召回率提高了3.4%,F值提高了1.8%。

联合语义角色标注和指代消解

语义角色标注和指代消解是自然语言处理中两个重要的基础研究任务,该文提出使用马尔科夫逻辑网络对两个任务进行联合学习推导。通过提出8条联合学习规则,在OntoNote5.0的实验中证明采用联合学习推导后,两者的标注性能都比单独标注任务有了1.6个F值的性能提升。

基于中心理论和话语结构的交互式问答文本指代消解

与传统新闻文本相比,交互式问答中蕴含着更为丰富的语言现象。在传统的针对新闻文本的指代消解方案的基础上,融入了交互式问答特有的特征集,给出了一个适于交互式问答文本的指代消解方案。具体而言,基于浅层语义角色分析的结果进行话语结构的识别,根据识别出的话语结构进行话语中心及中心跳转的识别。将获取到的话语中心及跳转信息组织成交互式文本特有的特征集,使用交互式问答领域广泛使用的TREC2004和TREC2007的评测语料进行指代消解的实验,结果表明给出的方案能大大提高交互式问答文本中指代消解的性能,系统F值提高了3.2%。

语义结构和中心理论相结合的代词消解

本文针对汉语的特点建立了代词消解模型:在语义结构文法思想的指导下,对文本中的句子模式识别后,采用相应的规则式,然后分析句中成分之间的表层语义条件并产生相应的语义网络,利用语义网络中结点间的相互约束对代词的某些候选先行词进行排除,并且把每句中指人的语言成分放到前向中心列表中,以它们所充当的语义成分为排序依据,确定句子的层次结构,最后依据中心理论分析每个候选先行词对代词的不同消解所造成的层次相邻的句子之间的过渡类型,利用过渡类型的优先顺序对代词的候选先行词进行择优。

面向中国专利文献的零形回指消解规则研究

[目的/意义]面对海量专利文献,如何使用户快速、精准地掌握知识,是优化专利服务的关键课题。中文专利文献中大量存在的零形回指现象,严重影响了知识的自动识别与提取,但由于专利文献零形回指识别与消解涉及到众多文本分析技术及特定资源建设,因此,目前尚未发现针对性研究。[方法/过程]在物性结构理论、语义角色及修辞结构关系理论的指导下,展开相关规则的研究,开发句法及语义角色标注工具和篇章标注工具两种工具,并构建了4个资源库:①"专利动词物性角色库",将专利的动词归纳为4类;②"专利知识论元结构库",用于自动标注专利动词物性角色及其论元结构;③"专利动词论元结构规则库",用于分析零形回指的先行语;④"零形回指修辞结构类型库",用于分析当零形回指搭配"功能角色"和"部件角色"的情况。[结果/结论]通过资源库的建设,得出5条消解规则。初步成果已成功应用于机械领域专利文献的自动处理工作。