指代消解中距离特征研究.pdfVIP

维普资讯 第 22卷 第 5期 中文信息学报 Vo1．22，No．5 2008年 9月 JOURNALOFCHINESEINFORMATION PROCESSING Sep．，2008 文章编号 ：1003-0077(2008)05—0039—06 指代消解 中距离特征 的研究 杨 勇 ，李艳翠 ，周国栋 ，朱巧明 (苏州大学 计算机科学与技术学院，江苏省计算机信息处理技术重点实验室，江苏 苏州 215006) 摘 要：指代消解是 自然语言处理中的一个重要 问题，包括专有名词、普通名词、代词的指代识别。本文实现了一 个基于机器学习的英语名词短语 的指代消解平 台，通过对原始语料进行命名实体识别和名词短语识别等一系列预 处理 ，选取 了多个有效特征及其组合 ，分别采用最大熵和 SVM 两种分类算法对名词短语进行分类 ，在此基础上着 重研究了距离特征对指代消解的影响。在传统的基于机器学习的指代消解研究方法 中，候选词和先行语 的距 离被 定义为特征，而没有考虑距 离在生成训练样例 中的作用，本文通过把候选词和先行语 的距离作为一个特征加入机 器学习算法和作为限制条件用于指代关系候选实例 的产生两方面进行详细研 究，在 MUC-6基准语料库上评测 ，实 验结果表 明，合理利用距 离特征能够大大提高系统 的性能。最终，本文采用最大熵和 SVM 两种分类器在测试集上 分 别获得 了67．5和 68．7的 F1值 ，该结果优于 同类型 的其他 系统。 关键词 ：计算机应用；中文信息处理 ；指代消解 ；机器学习；距离特征 ；最大熵分类器；SVM 分类器 中图分类号 ：TP391 文献标识码 ：A Researchon DistanceInformation forAnaphoraResolution YANG Yong，LIYah—cui，ZHOU GUO—dong，ZHU Qiao—ming (SchoolofComputerScienceandTechnology，SoochowUniversity，Suzhou，Jiangsu215006，China； KeyLabofComputerInformationProcessingTechnologyofJiangsuProvince，Suzhou，Jiangsu215006，China) Abstract：Anaphoraresolutionplaysanimportantroleinnaturallanguageprocessing，which involvesrecognitionof namedentities，nominalphraseand pronounanaphoraetc．Thispaperpresentsamachinelearning approachtoa— naphoraresolutionwith specialfocusonthedistanceinformationbetweentheanaphorandtheantecedentcandidate． Traditionally，thedistancebetweenanaphorandcandidateisonlyadoptedasafeatureinmachinelearningapproa— ches，withouttakingintoaccountitscontributionintheantecedentcandidategeneration．Inthispaper，thedistance informationisexploredindetailsbyeitherincorporatingitasafeatureinthelearningalgorithm (suc