基于平行论元的隐式篇章关系推理研究 - 计算机应用与软件.pdf

第２９卷第９期　　　 计算机应用与软件 Ｖｏｌ２９Ｎｏ．９ ２０１２年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１２ 基于平行论元的隐式篇章关系推理研究 周小佩　洪　宇　车婷婷　姚建民　朱巧明 （苏州大学计算机与科学技术学院　江苏苏州２１５００６） 摘　要　　基于ＰｅｎｎＤｉｓｃｏｕｒｓｅＴｒｅｅＢａｎｋ（简称ＰＤＴＢ）语料中的隐式篇章关系类型，提出一种无指导的识别方法。主要依据显式与 隐式平行论元对之间的映射关系实现显式到隐式关系的推理，即利用显式论元对的篇章关系，推理与之平行的隐式论元对的篇章关 系。推理过程主要包括：基于大规模语料库以及基于搜索引擎的平行语料挖掘，平行语料中显式连接词映射到篇章关系过程的消 歧。与传统基于监督学习的分类方法相比，基于统计的无指导方法在隐式篇章关系推理的性能上获得显著提升，识别精确率提高了 近１５．６％。此外，在分析比较各研究方法的同时，指出目前隐式篇章关系推理研究所面临的主要困难与挑战。 关键词　　隐式篇章关系　平行论元推理　关系映射　ＰＤＴＢ 中图分类号　ＴＰ１８　　　　文献标识码　Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１２．０９．０１５ ＩＭＰＬＩＣＩＴＤＩＳＣＯＵＲＳＥＲＥＬＡＴＩＯＮＩＮＦＥＲＥＮＣＥＢＡＳＥＤＰＡＲＡＬＬＥＬＡＲＧＵＭＥＮＴＳ ＺｈｏｕＸｉａｏｐｅｉ　ＨｏｎｇＹｕ　ＣｈｅＴｉｎｇｔｉｎｇ　ＹａｏＪｉａｎｍｉｎ　ＺｈｕＱｉａｏｍｉｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＳｏｏｃｈｏｗＵｎｉｖｅｒｓｉｔｙ，Ｓｕｚｈｏｕ２１５００６，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＷｅｐｒｅｓｅｎｔａｎｕｎｓｕｐｅｒｖｉｓｅｄｍｅｔｈｏｄｂａｓｅｄｉｍｐｌｉｃｉｔｄｉｓｃｏｕｒｓｅｒｅｌａｔｉｏｎｒｅｃｏｇｎｉｚｅｒｉｎｔｈｅＰｅｎｎＤｉｓｃｏｕｒｓｅＴｒｅｅｂａｎｋ（ＰＤＴＢ）．Ｏｕｒ ｒｅｃｏｇｎｉｚｅｒｐｅｒｆｏｒｍｓａｎｉｍｐｌｉｃｉｔｒｅｌａｔｉｏｎｉｎｆｅｒｅｎｃｅｂｙｗｅｌｌｕｓｉｎｇＥｘｐｌｉｃｉｔｔｏＩｍｐｌｉｃｉｔｒｅｌａｔｉｏｎｍａｐｐｉｎｇａｍｏｎｇｐａｒａｌｌｅｌａｒｇｕｍｅｎｔｐａｉｒｓ．Ｔｈｅ ｉｎｆｅｒｅｎｃｅｐｒｏｃｅｓｓｃｏｎｔａｉｎｓ：ｐａｒａｌｌｅｌｒｅｓｏｕｒｃｅｍｉｎｉｎｇｂａｓｅｄｏｎａｌａｒｇｅｓｃａｌｅｄｃｏｒｐｕｓａｎｄｓｅａｒｃｈｅｎｇｉｎｅ，ｓｅｎｓｅｄｉｓａｍｂｉｇｕａｔｉｏｎｏｃｃｕｒｒｅｄｉｎ ｄｉｓｃｏｕｒｓｅｒｅｌａｔｉｏｎｍａｐｐｉｎｇ．Ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｔｙｐｉｃａｌｍｅｔｈｏｄｏｆｓｕｐｅｒｖｉｓｅｄｒｅｌａｔｉｏｎｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｏｕｒｒｅｓｕｌｔｓｏｎｔｈｅＰＤＴＢｙｉｅｌｄａｓｉｇｎｉｆｉｃａｎｔ １５．６％ｉｍｐｒｏｖｅｍｅｎｔ．Ｆｉｎａｌｌｙ，ｗｅｐｏｉｎｔｏｕｔｔｈｅｍａｉｎｄｉｆｆｉｃｕｌｔｙａｎｄｃｈａｌｌｅｎｇｅｉｎｉｎｆｅｒｒｉｎｇｉｍｐｌｉｃｉｔｄｉｓｃｏｕｒｓｅｒｅｌａｔｉｏｎｓｂｙａｎａｌｙｚｉｎｇｔｈｅｃｕｒｒｅｎｔ ｒｅｌａｔｅｄｒｅｓｅａｒｃｈｅｓ． Ｋｅｙｗｏｒｄｓ　　Ｉｍｐｌｉｃｉｔｄｉｓｃｏｕｒｓｅｒｅｌａｔｉｏｎ　Ｐａｒａｌｌｅｌａｒｇｕｍｅｎｔｉｎｆｅｒｅｎｃｅ　Ｒｅｌａｔｉｏｎｍａｐｐｉｎｇ　ＰＤＴＢ 目前，显式篇章关系研究已取得较优的性能。例如文献 ０　引　言 ［１］在识别显式关系类型时，仅采用词汇特征，最终分类精确率 可达到９３．０９％。而与之对应的隐式关系分类性能则相对偏 篇章关系推理的任务是自动检测同一篇章内，相邻片段 低。如文献［２］基于树核函数，实现隐式篇章关系分类，最终分 （子句、句子或者段落）之间的组织结构以及逻辑关