中文信息学报融合丰富语言知识的汉语统计句法分析-自然语言处理.PDFVIP

中　文 　信 　息 　学 　报 第 19 卷 第 3 期 　 JOURNAL OF CHINESE INFORMATION PROCESSING Vol 19 No3 ( ) 文章编号 :1003 - 0077 2005 03 - 0061 - 06 融合丰富语言知识的汉语统计句法分析① 1 ,2 1 1 熊德意 ,刘 　群 ,林守勋 ( 1 中国科学院 计算技术研究所 ,北京 　100080 ; 2 中国科学院 研究生院 ,北京 　100039) 摘要 :知识获取一直以来是自然语言处理中的瓶颈 ,基于树库的统计句法分析也不例外 。树库中潜在隐 含的语言知识是非常丰富的 ,但它们并不是可以直接得到 ,往往需要特定的策略才能将它们融合到模型中。 ) 我们的汉语统计句法分析模型从 3 个方面融合潜在的丰富语言知识 :1 重新标注树库中的非递归名词短语和 非递归动词短语 ;2) 设计新的中心词映射表 ;3) 引进上下文配置框架以更具体地描述二元依存结构 。由于融 合了以上三种潜在语言知识 ,模型的 F1 值提高了237 % ,完全匹配正确率提高了536 % 。 关键词 :人工智能 ; 自然语言处理 ;统计句法分析 ;非递归短语 ; 中心词映射表 ;上下文配置框架 中图分类号 :TP391 　　　文献标识码 :A Chinese Statistical Parsing with Rich Linguistic Features XION G Deyi1 ,2 ,LIU Qun1 ,LIN Shouxun 1 ( 1Institute of Computing technology , the Chinese Academy of Sciences ,Beij ing 100080 ,China ; 2Graduate School of the Chinese Academy of Sciences , Beij ing 100039 ,China) Abstract : Knowledge acquisition is always regarded as a bottleneck in many NLP tasks , such as machine translation , infor mation extraction . Treebankbased statistical parsing is not an exceptant . The latent linguistic knowledge in treebank is very rich , which , however , cant be acquired directly. In our model , the following three ways are used to incorporate such rich linguistic features for Chinese statistical parsing. First of all , nonrecursive noun and verb phrases are annotated in the Penn Chinese Treebank because of their strong mark of boundaries. Second , a new head percolation table is designed based on Xias table . The last linguistic feature