句法分析 - 中国计算机学会.ppt

中文信息处理--句法分析 中文信息处理--句法分析 汉语并列关系的识别研究 北京信息科技大学 研三 郑略省 * * 主要内容 研究的意义 并列关系的标注方式 并列关系的构成角色 并列关系的特征选择 实验结果分析 结论 * 研究的意义 自然语言深层处理技术已用于机器翻译、信息抽取和问答系统等方面 句法分析是自然语言深层处理的基础 依存句法比短语句法更容易处理 有 江南 南部 小到中雨 贵州 西部 将 华南 Root SBV COO ATT ADV VOB COO ATT * 研究的意义 目前依存句法分析研究的重心放在统一建模上，对汉语特殊结构的研究较少 McDonald的方法整体识别效果LAS 和UAS为78.2%，80.8% 并列关系识别效果偏低，正确率和召回率分别为64.0%， 54.8% * 研究的意义 汉语并列结构研究主要在于识别并列结构的边界，并不能直接应用到依存句法分析当中 （贵州 南部 、江南 、华南 西部） 将 有 小到中雨 * 主要内容 研究的意义 并列关系的标注方式 并列关系的构成角色 并列关系的特征选择 实验结果分析 结论 * 并列关系的标注方式 依存语法中并列关系（COO）的标注方式由并列词组、核心词和尾词组成 并列词组，指的是在同一并列结构中发生并列关系的所有并列成分 核心词，指的是在并列词组中有一个并列成分充当核心节点的作用，其它并列成分均以核心词为父亲节点 尾词，指的是距离核心词最远的并列成分 标注方式是遵循左核心原则 * 主要内容 研究的意义 并列关系的标注方式 并列关系的构成角色 并列关系的特征选择 实验结果分析 结论 * 并列关系的构成角色 角色表是识别并列关系的基础。根据角色表，计算机能够理解汉语并列结构 编码 意义 例子 H 并列词组的核心词 经济 、 政治 和 外交 B 并列词组的非核心词 经济 、 政治 和 外交 O 以上之外其它的角色 ? 贵州 O H O B O O B …… 南部 江南 、 、 华南 …… 西部 COO COO * 并列关系的构成角色 并列关系可分为无标记和有标记 无标记：结构复杂，不易识别 “指手画脚，照本宣科”，“深入细致，扎实有效” 有标记：结构上由并列标记连接 连词：和、与、并……”，中国和南非 标点符号：主要是逗号为主 编码 意义 例子 H 并列词组的核心词 经济 、 政治 和 外交 B 并列词组的非核心词 经济 、 政治 和 外交 R 并列词组内部的并列标记 仓库 、 厂房 和 民宅 I 并列词组内部的非并列标记 汇率 和 股票 价格 O 以上之外其它的角色 ? 贵州 O H R B R I B …… 南部 江南 、 、 华南 …… 西部 * 并列关系的构成角色 有标记并列关系比较难识别的是嵌套并列关系，主要困难在于个别并列成分充当多重角色 老虎 H R B R X R B …… 、 和 麻雀 竹 、 …… 梅 编码 意义 例子 H 并列词组的核心词 经济 、 政治 和 外交 B 并列词组的非核心词 经济 、 政治 和 外交 R 并列词组内部的并列标记 仓库 、 厂房 和 民宅 I 并列词组内部的非并列标记 汇率 和 股票 价格 X 并列词组的核心词，又是另一个并列词组的非核心词 松鼠 、 麻雀 和 竹 、 梅 、 松 、 柏 O 以上之外其它的角色 ? COO COO COO * 并列关系的构成角色 该文根据并列关系的特点和上下文信息，制定了完整角色表 编码 意义 例子 H 并列词组的核心词 经济 、 政治 和 外交 指手画脚 ， 照本宣科 X 并列词组的核心词，又是另一个并列词组的非核心词 松鼠 、 麻雀 和 竹 、 梅 、 松 、 柏 B 并列词组的非核心词 青草 、鲜花 和 河流 、 湖泊 R 并列词组内部的并列标记 仓库 、 厂房 和 民宅 I 并列词组内部的非并列标记 汇率 和 股票 价格 L 核心词的上文 贵州 南部 、 江南 、 华南 西部 F 尾词的下文 华南 西部 和 北部 有 小到中雨 C 既是上文又是下文 那些 诗句 、 那些 祝辞 ， 喜悦 、 激动 、 欣慰 之 情 O 以上之外其它的角色 ? * 主要内容 研究的意义 并列关系的标注方式 并列关系的构成角色 并列关系的特征选择 实验结果分析 结论 * 并列关