基于RNN的中文二分结构句法分析.PDF

基于RNN 的中文二分结构句法分析 1 2 2 3 谷波 王瑞波 李济洪 李国臣 （1.山西大学 计算机与信息技术学院, 山西 太原, 030006; 2.山西大学 软件学院, 山西 太原, 030006; 3. 太原工业学院, 山西 太原,030008) 摘 要：为了构建一个简单易扩展的中文句法分析器，我们依据朱德熙和陆俭明先生的中文二分结构的层次分析句法理论， 手工构建了一个三万句的二分结构的中文句法树库，并使用哈夫曼编码方式来简化表示完全二叉树的层次结构。本文将中文 句法分析转换为迭代二分的序列标注问题，并根据该任务的特点，提出了在词的间隔上进行标记的序列标注模型 （RNN- Interval，简称RNN- INT），与常用的循环神经网络（RNN,LSTM）模型和条件随机场（CRF）进行了对比实验，使用mx2 交叉验证序贯t-检验来比较模型。实验结果表明， RNN- INT模型在窗口为 1 的词特征就可达到了最好的性能，并好于其他 窗口大小和其他序列标注模型（RNN，LSTM，CRF）。最后，在测试集上，在人工分词下，RNN- INT在短语级别的 F1 值(块F1) 达到71.25%，在句子级别的准确率达到了43%。 关键词： 层次句法分析; 循环神经网络(RNN); mx2 CV 序贯t-检验 中图分类号：TP391 文献标识码：A Chinese Syntactic Parsing with Binary Tree Structure Based on RNN Model Gu Bo1 Wang RuiBo2 Li JiHong2 Li GuoChen3 （1 School of Computer and Information Technology, Shanxi University, TaiYuan,ShanXi,030006,China; 2 School of Software, Shanxi University, TaiYuan, ShanXi,030006,China; 3Taiyuan Institute of Technology, TaiYuan, ShanXi,030008,China ） Abstract: We built a 30,000 sentences binary Chinese Treebank which is base on Chinese syntactic theory prop osed by Zhu DeXi and Lu JianMin, and we think that binary structure is more suitable for Chinese syntactic analysis and can make parsing simpler and extensible. A binary tree of each sentence in our corpus is a full binary tree and represented by Huffman coding for simplicity. The parsing can be accomplished by recursively splitting a input sequence into two subsequence, so sequential labeler can be utilized. Acco