基于关联规则挖掘的汉语语义搭配规则获取方法-core.pdfVIP

第 46 卷 　第 3 期 ( ) Vol . 46 　No . 3 厦门大学学报 自然科学版 　2007 年 5 月 J our nal of Xiamen U niver sit y (N at ural Science) May 2007 　 基于关联规则挖掘的汉语语义 搭 配 规 则 获 取 方 法 郑旭玲 ,周昌乐 ,李堂秋 ,陈毅东 (厦门大学计算机科学系 ,福建 厦门 36 1005) 摘要 : 针对 自然语言处理系统在短语分析时的词汇排歧和结构排歧需要 ,本文提出了一种基于语料库的汉语短语语义 搭配规则自动获取方法. 该方法以《知网》为语义知识资源 ,在标注了句法语义信息的汉语短语熟语料库基础上 ,先采用 数据挖掘中元规则制导的交叉层关联规则挖掘方法 , 自动发现汉语短语的语义搭配规律 ,再根据统计结果自动优选后生 成语义搭配规则库. 实验结果表明该方法是切实可行的. 运用该方法 自动获取的语义搭配规则具有较好的排歧效果. 关键词 : 语义规则 ;语料库 ;关联规则 ;知网 TP 39 1. 2 　　　　 A 　　　　　 (2007) 03033 106 中图分类号 : 文献标识码 : 文章编号 : 　　在机器翻译 、信息检索 、文本分类等诸多自然语言 语义搭配规则和发现新的语义搭配规则. 处理系统中 ,短语分析都是至关重要的一个环节 ,其分 析质量的优劣直接影响系统的最终性能. 歧义现象的 1 　语义搭配规则获取系统的架构 存在给短语自动分析设置了巨大的无法回避的障碍. 基于语料库的方法利用计算机对语料进行统计归 仅仅依靠词法和语法知识来消解短语分析中大量存在 纳 ,既减少了语言知识描述系统构造中的主观性 ,又降 的词汇歧义和结构歧义是远远不够的. 尤其是在分析 低了语言学家的工作难度和强度. 故我们的系统采用 像汉语这样形态特征较少而内涵却极为丰富的“意合” 基于语料库的方法 ,其架构及工作流程如图 1 所示. 语言的短语时 ,更需要引入“具有什么语义的词语可以 我们的系统采用《知网》的语义知识表示体系[ 1 ] . 相互组合 、以怎样的方式组合成怎样的短语”这样的语 初始语料库是一个由大量真实文本中抽取的实例组成 义搭配规则知识. 另一方面 ,对汉语短语的语义搭配规 的汉语短语生语料库. 首先 ,依据语言学家提供的初始 则的研究 ,不仅能为短语分析提供有效指导 ,从而提高 语言知识 ,对其进行人机交互的半 自动加工 ,标注上 短语结构和语义分析的正确率 ,而且还能辐射对汉语 各短语中每个词语的词性 、义项[ 1 ] 和词语间的句法结 词和句子的研究 ,促进汉语文本分析质量的全面改善. 然而 ,这方面研究面临语义知识的形式化表示和语义 搭配规则库的构造两大瓶颈问题. 近些年来 , 国内外在构建语义知识表示体系的工 程实 践方 面 取 得 了不 少 成 果 , 开 发 出 Wor dN et 、 FrameN et 、How net [ 1 ] 等计算机用语义词典. 相 比之 下 ,语义搭配规则库的构造相对薄弱些. 詹卫东[2 ] 、俞 [ 3 ] [4 ] 士汶 、董振东和董强 等人对汉语短语的语义规则 作了大规模的系统研究 ,并取得了一些成果. 但这些规 则主要是通过基于直觉的方法获得的 ,其准确性和完 备性比较难以保证. 我们的研究工作是尝试利用语料库来自动获取汉 语短语的语义搭配规则 ,从而验证已有的基于