中文文字蕴涵系统之特徵分析FeatureAnalysisof-ACLAnthology.PDFVIP

中文文字蘊涵系統之特徵分析 Feature Analysis of Chinese Textual Entailment System 黃文奇 Wan-Chi Huang, 吳世弘 Shih-Hung Wu* 朝陽科技大學資訊工程系 Department of Computer Science and Information Engineering Chaoyang University of Technology {s9727603, shwu}@.tw *Contact author 陳良圃 Liang-Pu Chen, 谷圳 Tsun Ku 資訊工業策進會 Institute for Information Industry {eit, cujing}@.tw 摘要 文字蘊涵(Textual Entailment)的定 是判斷兩個句子能否互相推論 。推論可 分為五種類型 ：正向、反向、雙向、矛盾、獨立。這五種類型分別代表著不同的 蘊涵關係 。文字蘊涵辨識(Textual Entailment Recognition)是相當困難的自然語言 處理問題 。由於中文文字蘊涵的文獻較缺乏，本篇論文將中文文字蘊涵辨識提出 了一個流程 ，提供給之後想要做這個題目的人的作為一個參考 。中文的文字處理 相較於英文的文字處理有許多不同的難處 ，在本篇論文中，我們將介紹處理中文 的文字處理遇到的難處以及處理的流程 。我們的系統使用支援向量機(Support vector machine, SVM)作為區分類型的演算法 。使用的特徵分為兩個方向：1.文字 特徵 2.語意特徵 。 關鍵字 ：文字蘊涵、tree kernel 、支持向量機、語意分析 一、緒論 近幾年來 ，文字蘊涵受到關注 ，主要是因為大家瞭解到文字蘊涵將使我們能 夠更準確的去推論自然語言的語 關係[1]以及處理一些重要的應用[2] 。像是檢 索系統經常會檢索出成千上萬筆資料 ，卻難以判斷哪個句子是與問句最相關的 。 於是可以透過蘊涵的推論 ，從這些成千上萬的資料中挑選出最相關的句子。由於 兩個句子中的關係有許多種 ，例如：蘊涵(entailment) 、改寫(paraphrase)以及獨立 (independence)等，語意推論的目的就是在於判斷兩個句子之間是屬於哪一種關 係。可以將推論分為五種類型 ：正向、反向、雙向、矛盾、獨立這五種類型 。這 五種類型也分別代表著不同的蘊涵關係 。正向推論為可以從 t1 句子中推論出 t2 的句子 ，即代表t1 句子完整的包含著 t2 句子的資訊 ；而反向推論正好相反；雙 向即是 t1 與 t2 兩個句子互相完全包含著彼此的資訊 ；矛盾即是兩個句子中提到 281 的資訊是互相矛盾的 ；獨立則是兩個句子中提到的資訊是完全不相關的。如表 一。 表一中雙向蘊涵的例子比較屬於是改寫(paraphrase) ，更複雜的文字蘊涵推論 就像是 t1 → s , s → t2 。透過t1 的句子可以推論出涵 s ，接著透過涵 s 可以推 論出 t2 例如 ：t1 ：小明殺了小華。t2 ：小華死了。從t1 我們可以推論出的 s 有很 多，如：小明是殺了小華的兇手 、小華被殺了、小華死了。這種推論需要有邏輯 推論以及許多背景知識才可以達成 。基於中文處理的成本以及困難度考量，本篇 論文主要針對改寫(paraphrase)去作分析 。 表一 各種類型的例句 類型 例句 t1 ：日本時間201