中文句法异构蕴含语块标注和边界识别研究.pdfVIP

第 ** 卷 第 * 期 中文信息学报 Vol. ** ，No. * 201* 年 * 月 JOURNAL OF CHINESE INFORMATION PROCESSING ***. ，201* 文章编号：1003-0077 （2017）00-0000-00 中文句法异构蕴含语块标注和边界识别研究 1 1 1 1 1，2 金天华 姜珊 赵美倩 刘璐 于东 （1.北京语言大学 信息科学学院，北京 100083；2.北京语言大学 语言资源高精尖创新中心，北京 100083） 摘要：文本蕴含是自然语言处理的难点，其形式类型复杂、知识难以概括。早期多利用词汇蕴含和逻辑推理知识 识别蕴含，但仅对特定类型的蕴含有效。近年来，利用大规模数据训练深度学习模型的方法在句级蕴含关系识别任务 上取得优异性能，但模型不可解释，尤其是无法标定引起蕴含的具体语言片段。本文研究文本蕴含成因形式，归纳为 词汇、句法异构、常识三类，并以句法异构蕴含为研究对象。针对上述两个问题，提出句法异构蕴含语块的概念，定 义其边界识别任务。本文制定句法异构蕴含语块标注规范，建立标注数据集。在此基础上，分别建立基于规则和基于 深度学习的模型，探索句法异构蕴含语块的自动识别方法。实验结果表明，本文提出的深度学习模型能有效发现蕴含 片段，为下一步研究提供了可靠的基线方法。 关键词：文本蕴含；句法异构；语块标注 中图分类号：TP391 文献标识码：A Chinese Chunked-based Heterogeneous Entailment Parser and Boundary Location 1 1 1 1 1,2 Jin Tianhua , Jiang Shan , Zhao Meiqian , Liu Lu , Yu Dong ( 1. College of Information Science, Beijing Language and Culture University, Beijing 100083, China; 2. Beijing Ad- vanced Innovation Center for Language Resources , Beijing Language and Culture University, Beijing 100083, China) Abstract : Recognize textual entailment(RTE) is a difficult task for natural language processing. In early period, RTE was based on lexical knowledge and logical reasoning knowledge, which only worked on specific type. Recently, deep learning models become a mainstream. But this approach can not locate concrete linguistic fragments in sentences. This paper divides textual entailment into three main categories: lexical entailment, chunked -based heterogeneous entailment and common -sense entailment. So we propose the concept of chunked-based heterogeneous to define