基于特征向量的语义角色标注研究-计算机应用技术专业论文.docxVIP

基于特征向量的语义角色标注研究 中文摘要 基于特征向量的语义角色标注研究 中文摘要 当前对自然语言进行浅层语义分析逐渐兴起，己成为目前自然语言处理研究的 一个重点和热点。作为其具体实现，语义角色标注的任务是识别并标注句中每个目 标谓词的所有充当语义角色的句法成分。本文探索了基于特征向量的语义角色标注， 在 PropBank 语料库上分别进行了局部模型和全局模型的实验，对语义角色标注的各 个关键步骤进行了比较深入的研究，并取得了比较好的结果。 首先，构建基于局部模型的基础系统，初步探讨标注过程中剪校、识别、分类 和后处理各步骤的作用，并比较了基本特征的不同实现对系统性能的影响。 其次，研究特征工程对语义角色标注性能的影响。基于贪心策略，选取目前研 究中用到的 49 个特征，按其对基础系统的贡献进行组合，分别在手工句法分析和自 动句法分析上实验。结果表明，选取不多的有用的特征并进行有效组合能取得很好 的性能:特别是句法分析中重要的谓词和中心词及其相关的词汇特征在语义角色标 注系统中发挥了重要作用。 然后，改进了目前常用的 Xue 的剪枝算法。我们在特征组合实验中发现中心词 特征很突出，据此选取了谓词的兄弟结点的孩子:而当孩子与父亲结点的中心词相 同时，舍弃它及其兄弟结点。结果表明，这样的改进是有效的。 最后，采用基于重排列的全局模型来解决语义角色标注中的软约束条件。基于 局部模型，用动态规划方法生成前 n 个概率最高的无嵌套角色序列，把论元角色间 的依赖关系加入到模型中，选取有效的全局特征，对候选论元角色进行重排列。实 验结果表明使用全局模型后性能有所提高，却不显著，我们将在以后工作中加强这 方面的研究。 关键词:自然语言处理，语义角色标注，特征工程，局部模型，全局模型 作 者:丁金涛 指导老师:钱培德 Abstract Research on Feature-based Semantic Role Labeling Research on Feature-based Semantic Role Labeling Abstract During the last decade，there has been. an increasing interest in shallow semantic parsing of natural language. In particular，given a sentence and a predicate ，semantic role labeling (SRL) identifies its semantic 缸guments and classifies their semantic roles. This paper systematically studies feature-based SRL with focus on local modeling and joint modeling. Evaluation on the PropBank benchmark corpus shows that our system works well and achieves higher performance than comparable ones. Firstly，a local model-based baseline system was constructed with brief investigation on 由e major components，including pruning ，identification ，classification and post-processing. Moreover，the impact of di值erent basic features was evaluàted. Secondly，proper feature engineering w;部 systematically explored for SRL. With a greedy strategy，the common1y-used forty-nine features were fully investigated with gold parsing and automatic parsing ，respectively. Evaluation shows 也at the predicate 、head word and related lexical feature