是贝叶斯公式的推广.pdf

概要 什么是语义分析 词义标注 语义角色标注 义项标注 义类标注 WordNet、同义词词林、HowNet 词义消歧方法 语义角色标注 PropBank 新型语义知识库 1 什么是语义分析 词义的标注 给文本中每个词标注义项、义类 短语、句子意义的标注 目前还是难题，没有很好的表示方法 语义角色标注 句法语义分析 标注施事、受事、工具等 2 义项的标注  义项  依据：传统的语文词典  标注困难  未登录词 除了专名外，“拥趸”  未登录义项 “囧”  临时用法 “红领巾”  增补释义是一件耗时耗力的事情，也不是语料库建设的任务  直接应用  信息检索：“黄金” （本义和比喻义）  机器翻译：“bank” （河岸或银行）  隐喻理解：“红领巾”  间接应用  词频统计：词义消歧之前其实只是词的书写形式的统计，词义消岐之 后的统计才更准确。  语句理解：理解每个词的含义之后才能做到语句的正确理解。 汉语词义资源：现代汉语词典  权威的中型语文词典，确定词形的词义数的基本依据  词义61186个，词形48728个，平均每个词形（包括多义词和同 形词）有1.25566个词义。 词义数 词形数 词形数占比 累计占比 1 40253 82.6075 82.6075 2 6439 13.2142 95.8217 3 1224 2.5119 98.3336 4 397 0.8147 99.1483 5 173 0.3550 99.5033 6 100 0.2052 99.7085 7 46 0.0944 99.8029 8 ～26 96 0.2000 100.0000 词义数的确认  《现代汉语词典》的编排方式是以字领词，字本 身可能是词，也可能不是词；以该字开头的多字 词排列于该字条之下。 不成词单字条目不存在词义数确认问题。 某些单字条目是多义的： 有些义项是词，有些义项只是词素。 有些义项虽然可算是词，但总是与其他词构成 比较固定的搭配，在收录词语搭配之后，这些 义项可以不计。 一些词的词义（包括隐喻用法），词典未必尽录。 绿色、猪头 6 词义的结构化表示 及标注 3 义类 更好地体现词语 间的语义关系 树形的义类体系 上下位关系 整体部分关系 同义关系 反义关系 标注 给出词语的义 类 3.1 WordNet 3.0 世界上最重要的语义