基于特征向量的語義角色標(biāo)注研究.pdf

1、當(dāng)前對自然語言進(jìn)行淺層語義分析逐漸興起，已成為目前自然語言處理研究的一個重點和熱點。作為其具體實現(xiàn)，語義角色標(biāo)注的任務(wù)是識別并標(biāo)注句中每個目標(biāo)謂詞的所有充當(dāng)語義角色的句法成分。本文探索了基于特征向量的語義角色標(biāo)注，在PropBank語料庫上分別進(jìn)行了局部模型和全局模型的實驗，對語義角色標(biāo)注的各個關(guān)鍵步驟進(jìn)行了比較深入的研究，并取得了比較好的結(jié)果。 首先，構(gòu)建基于局部模型的基礎(chǔ)系統(tǒng)，初步探討標(biāo)注過程中剪枝、識別、分類和后處理各步驟

2、的作用，并比較了基本特征的不同實現(xiàn)對系統(tǒng)性能的影響。 其次，研究特征工程對語義角色標(biāo)注性能的影響?；谪澬牟呗?，選取目前研究中用到的49個特征，按其對基礎(chǔ)系統(tǒng)的貢獻(xiàn)進(jìn)行組合，分別在手工句法分析和自動句法分析上實驗。結(jié)果表明，選取不多的有用的特征并進(jìn)行有效組合能取得很好的性能；特別是句法分析中重要的謂詞和中心詞及其相關(guān)的詞匯特征在語義角色標(biāo)注系統(tǒng)中發(fā)揮了重要作用。 然后，改進(jìn)了目前常用的Xue的剪枝算法。我們在特征組合實驗

3、中發(fā)現(xiàn)中心詞特征很突出，據(jù)此選取了謂詞的兄弟結(jié)點的孩子；而當(dāng)孩子與父親結(jié)點的中心詞相同時，舍棄它及其兄弟結(jié)點。結(jié)果表明，這樣的改進(jìn)是有效的。 最后，采用基于重排列的全局模型來解決語義角色標(biāo)注中的軟約束條件?；诰植磕Ｐ停脛討B(tài)規(guī)劃方法生成前n個概率最高的無嵌套角色序列，把論元角色間的依賴關(guān)系加入到模型中，選取有效的全局特征，對候選論元角色進(jìn)行重排列。實驗結(jié)果表明使用全局模型后性能有所提高，卻不顯著，我們將在以后工作中加強(qiáng)這方面的