Framenet核心框架元素间关系研究

本文首先阐述了框架元素的类型:核心框架元素、外围框架元素和额外主题框架元素,然后再详细论述了Framenet中3种典型的核心框架元素关系:核心集关系、必要关系和排斥关系,并总结出继承关系的框架间核心框架元素关系的变化规律。

融合目标词上下文序列与结构信息的框架识别方法

框架识别是框架语义角色标注的重要前提,该任务是为给定句子中的目标词寻找一个可激活的框架。框架识别通常看作是针对目标词的分类问题,一般采用序列建模的方式学习融合上下文的目标词表示。该方式忽略了目标词所在上下文的结构信息,且在建模时未考虑不同词性目标词在句法和语义结构上的差异。针对这些不足,该文提出了一种融合目标词上下文序列与结构信息的框架识别方法,该方法使用BERT和GCN分别对不同词性目标词的上下文信息和融合PropBank语义角色或依存句法结构信息的目标词进行建模,然后得到融合序列和结构信息的目标词表示。另外,该文分析了不同词性目标词依存信息的结构差异,采用一种集成学习方法克服了单一模型在此方面的不足。最后,在FN1.7和CFN数据集上的实验结果表明,融合目标词上下文序列与结构信息的框架识别方法在性能上优于当前最好模型。

基于BERT特征融合与膨胀卷积的汉语副词框架语义角色标注

汉语框架语义角色标注对汉语框架语义分析具有重要作用。目前汉语框架语义角色标注任务主要针对动词框架,但是汉语没有丰富的形态变化,很多语法意义都是通过虚词来表现的,其中副词研究是现代汉语虚词研究的重要部分,因此该文从副词角度出发构建了汉语副词框架及数据集,且对框架下的词元按照语义强弱进行了等级划分。目前的语义角色标注模型大多基于BiLSTM网络模型,该模型虽然可以很好地获取全局信息,但容易忽略句子局部特征,且无法并行训练。针对上述问题,该文提出了基于BERT特征融合与膨胀卷积的语义角色标注模型,该模型包括四层:BERT层用于表达句子的丰富语义信息,Attention层对BERT获取的每一层信息进行动态权重融合,膨胀卷积(IDCNN)层进行特征提取,CRF层修正预测标签。该模型在三个副词框架数据集上表现良好,F1值均达到了82%以上。此外,将该模型应用于CFN数据集上,F1值达到88.29%,较基线模型提升了4%以上。

浅层语义分析研究

语义分析是自然语言理解领域研究的根本性问题,浅层语义分析为此提供了一种新的解决途径.从语义学的角度讨论了浅层语义分析的发展历史和理论基础,概述了语义角色标注任务的定义、相关资源与方法.还着重介绍并比较了当前英语两大语义角色体系和汉语角色体系,最后给出了浅层语义分析中统计模型的现有特征集的句法语义分类.

基于依存特征的汉语框架语义角色自动标注

语义角色标注是浅层语义分析的一种实现方式。目前汉语框架语义角色自动标注一般被看作以词为基本标注单元的序列标注问题,而已有研究中仅在词、词性层面来选取特征,标注结果并不理想。该文利用树条件随机场模型,通过在词、词性层面特征的基础上依次加入不同类型的依存特征,研究依存特征对汉语框架语义角色标注的影响。实验设置了8类,共24种特征模板,结果显示,加入依序特征的最优模版使标注结果的F值提高近3%,特别是对较长框架语义角色的标注结果有较好的改善。

语义角色的精细等级及其在信息处理中的应用

本文首先讨论语义角色的三种精细程度不一的分类层级,介绍它们各自在语言信息处理系统中的有关应用。接着,分别介绍三种为语言信息处理服务的语义资源对于语义角色的不同处理:(i)加州大学伯克利分校框架网的语义角色——基于场景的语义框架中的框架元素;(ii)宾州大学命题库的语义角色——基于特定动词的编了号的原型角色;(iii)北京大学中文网库的语义角色——基于特定谓词的各论元成分的论旨角色。最后,从建库目标、方法论、标注内容和系统构成等方面,比较这三个语义关系标注语料库的同异。

基于多词块的框架元素语义核心词自动识别研究

抽取一个句子的核心依存图是对句子进行语义理解的有效途径。在CFN自动标注的基础上,只能得到框架依存图,为了把框架依存图转换成框架核心依存图需要提取每个框架元素的语义核心词。该文提出了基于多词块标注的框架元素语义核心词识别和提取方法,通过对比分析,给出了多词块和框架元素的融合策略,并建立了在多词块标注基础上提取框架元素语义核心词的规则集。在6 771个框架元素上的实验结果显示,采用该文的方法和规则集提取框架元素核心词的平均准确率和覆盖率分别为95.58%和82.91%。

语义角色映射为句法成分的词汇语义制约规律及特点

该文以联接理论、事件结构理论为指导,进行词汇语义类、语义角色、句法成分对应关系的研究。选择人教社中小学语文课文语料,标注语义角色、句法成分及中心词的词汇语义类。在标注语料库的基础上,统计分析了词汇语义类与语义角色的对应关系,重点分析各语义类语义角色映射为句法成分的规律,并进一步总结了各词汇语义类的语义角色与句法成分的对应的特点。尽管词汇语义类、语义角色、句法成分之间存在错综复杂的关系,但还是有规律的,可以为计算机句法分析提供一些依据。

从格语法到框架网络

20世纪末菲尔摩在框架语义学的基础上提出了框架网络(Fram eNet)。框架网络的目的在于研究英语中语法功能和概念结构(也就是语义结构)之间的关系,建立用于自然语言处理的词汇知识库。框架网络是格语法的最新发展,它可以更加准确地描述语言中的题元角色关系,对于语言理论研究和自然语言处理都有十分重要的意义。

汉语框架语义网构建及其应用技术研究

汉语框架语义网(Chinese FrameNet,CFN)是一个以Fillmore的框架语义学为理论基础、以英文FrameNet为参照、以汉语语料事实为依据的供计算机使用的汉语词汇语义数据库。该文首先介绍了汉语框架语义网的构建基础——框架语义学以及英语的框架语义网工程,然后具体分析了汉语框架语义网的构建技术,并对基于汉语框架网的语义角色自动标注研究进行了介绍,25个框架的交叉验证的实验结果的准确率、召回率、F1-值分别达到74.16%,52.70%,61.62%;最后,介绍了几个基于汉语框架语义网的研究课题的进展情况。

框架关系推理在阅读问答中的应用

推理是自然语言处理中的一个重要研究课题.基于汉语框架网提出一种框架关系推理方法,该方法利用框架关系、框架元素关系等构建汉语篇章中语义信息单元之间的联系来实现推理.并将其应用到阅读理解问答任务中,对问题进行框架语义分析,构建问题和篇章之间的语义推理路径.本文给出的答案除了包含答案的句子外,还根据语义角色将答案句中相应的语块抽取出来,给出了语块级别的答案.本文在551个阅读理解问题上进行实验,结果表明本文基于框架语义推理的答案获取方法,无论在句子级别还是语块级别都获得了较好的结果.

框架元素Cause的翻译和认定

从格语法到框架语义学,长久以来,对语义角色(框架元素)Cause的使用都存在很大争议,其汉译及其在汉语中的对应也相应存在着诸多问题。应中文信息处理用汉语框架网络(Chinese FrameNet/CFN)框架元素命名和语义标注的要求,本文详细考察了Cause使用与争议的事实,认为Cause既是"致事",也是"原因",既是"工具",也是"外力",且与Agent存在着某些语义交叉。从Cause的核心度判断,它事实上处于两个不同的层次,即Cause-1和Cause-2。为避免语义上的混淆,建议将用作核心元素的Cause翻译并认定为"致使因",将用作非核心元素表示"原因"的Cause统一为Explanation。框架元素Cause的细化将依框架描写场景的需要而定。

基于汉语框架语义的共指消解研究

基于框架语义的推理是实现语篇理解、问答系统等任务中语义理解的一种有效手段,框架语义推理通过构建汉语篇章句子框架之间的联系寻找推理路径,但框架元素内部的表述共指阻碍了框架之间联系的建立。针对该问题,提出一种基于框架特征的共指消解方法,该方法通过融合汉语框架语义信息并采用多种分类算法实现共指消解。框架语义篇章语料集上的实验结果表明,将汉语框架特征应用于分类器上能够较好地提升共指消解结果,且支持向量机的分类效果优于朴素贝叶斯、决策树等分类算法。

基于层叠模型细粒度情感要素抽取及倾向分析

针对商品评论中的细粒度情感要素抽取问题,提出基于条件随机场模型(CRFs)和支持向量机(SVM)的层叠模型.针对情感对象与情感词的识别,将评论的句法信息、语义信息等引入CRFs模型,进一步提高CRFs特征模板的鲁棒性.在SVM模型中,引入情感对象和情感词的深层词义及情感词的基本情感倾向等特征,改进传统的词包模型,对〈情感对象,情感词〉词对进行细粒度的情感分类判断,从而获得商品评论中的情感关键信息:(情感对象,情感词,情感倾向性)三元组.实验表明,文中的CRFs和SVM层叠模型可提高情感要素抽取与情感分类判断的准确性.

框架间的语义本体类型关系研究

FrameNet的语义类型主要用于对框架、框架元素和词元所指称的事物或现象进行概念层面的分类。文章主要通过分析各种框架关系中框架间框架元素的映射,研究了框架元素的语义本体类型的关系,发现对应的框架元素存在着语义类型相同或者语义等级关系,并以FrameNet的具体框架为例进行了论证说明。

考虑基础-墩-梁的大跨度连续刚构竖向振动特性分析

以某大跨度连续刚构桥为背景,采用有限元分析软件Midas/Civil,建立了不考虑基础作用和考虑基础作用两种整体计算模型,对比分析了基础(桩土效应)对大跨度连续刚构桥竖向振动特性的影响,并通过改变两种模型的桥墩设计参数,定量地分析了在对大跨度连续刚构桥竖向振动特性分析时桥墩对基础的考虑与否的影响规律。计算结果表明,考虑基础作用会使结构的整体刚度降低,竖向自振频率减小,且对全桥竖向振型有一定的影响;随着墩高的增加,连续刚构桥的竖向基频不断减小,基础的作用越小;当墩高大于30m时,基础对连续刚构桥竖向振动特性的影响较小,在对大跨度连续刚构桥进行竖向振动特性分析时可不考虑基础的作用;而当墩高小于30m时,基础的影响较大,应该考虑基础的作用;随着桥墩截面尺寸的加大,连续刚构桥的竖向基频会增大,且相对于墩高的改变,截面尺寸的变化对连续刚构桥进行竖向振动特性分析时基础的考虑与否影响不大。

从认知图景看“NP1+(的)+NP2”的语义理解

关于“NP1+(的)+NP2”的语义理解问题,学界从不同的理论视角进行过很多研究,但尚有进一步探讨的余地。本文从认知图景视角审视相关问题,主要观点是,对该结构的理解涉及相关认知图景要素的激活,特别是中心认知图景;不同认知图景激活的要素之间的相容性以及要素自身在认知上的凸显性决定了我们对“NP1+(的)+NP2”结构的语义理解。同时指出,当充当修饰语的直接语义成分不止一个时,不同修饰语与中心语之间的排列顺序依据它们与中心语语义关系的亲疏而定。

英语复合词的语义角色:基于框架的考察

英语复合词内部语义角色难以概括的事实已形成共识。文章以框架语义学理论为视角,通过对英语复合词内部语义角色的适度概括,以及对影响语义角色突显的事件框架与框架元素的考察发现,复合词语义框架内语义角色的突显通常取决于复合词语义框架中的核心框架元素与非核心框架元素,以及二者之间发生联系的方式,而其认知动因则在于二者能否进入透视域,以何种方式进入透视域。

基于语义角色标注的问答系统的研究与实现

问答系统是目前人工智能和自然语言处理领域中一个倍受关注并具有广泛发展前景的研究方向。为了提高中文问答系统的性能,文章在问答系统CQAS中采用了语义角色标注的思想,利用Proposition Bank中文语料库作为训练和测试语料,以句法成分作为标注的基本单元,采用最大熵模型作为分类器,把与谓词动词相关的全部句法成分进行语义角色标注。实验结果表明,语义角色标注技术可以有效地提高问答系统的性能。

结合Hybrid Attention机制和BiLSTM-CRF的汉语否定语义表示及标注

阅读理解中否定是一种复杂的语言现象,其往往会反转情感或态度的极性。因此,正确分析否定语义对语篇理解具有重要意义。现有否定语义分析方法存在两个问题:第一,研究的否定词较少达不到应用目的;第二,目前汉语否定语义标注只是标注整个句子,这无法明确否定语义。针对该问题提出基于汉语框架语义知识库(Chinese FrameNet)进行否定语义角色标注方法。在框架语义学理论指导下结合汉语否定语义特征对已由FrameNet继承的否定框架重新构建;为了解决捕捉长距离信息以及句法特征问题,提出一种基于Hybrid Attention机制的BiLSTMCRF语义角色标注模型,其中,Hybrid Attention机制层将局部注意与全局注意结合准确表示句子中的否定语义,BiLSTM网络层自动学习并提取语句上下文信息,CRF层预测最优否定语义角色标签。经过比对验证,该模型能够有效提取出含有否定语义信息,在否定语义框架数据集上F1值达到89.82%。