汉语篇章连接词识别与分类

《汉语篇章连接词识别与分类》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、北京大学学报(自然科学版)第51卷第2期2015年3月ActaScientiarumNaturaliurnU『niversitatisPekinensis，Vo1．51，No．2(Mar．2015)doi：10．13209~．0479-8023．2015．029汉语篇章连接词识别与分类李艳翠，孙静周国栋，十1．苏州大学计算机科学与技术学院，苏州215006；2．河南科技学院信息工程学院，新乡453003干通信作者，E-mail：gdzhou@suda．edu．cn摘要基于白建的汉语篇章结构语料库以及语料库中连接词和连接

2、词关系类别的标注，抽取自动句法树和标准句法树的句法、词法和位置特征，利用有监督的方法进行连接词识别和分类。实验结果表明，连接词识别的F1值为69．2％，连接词自动识别并分类的总正确率为89．1％。关键词连接词识~Jml；连接词分类；汉语篇章中图分类号TP391AutomaticRecognitionandClassificati0nonChineseDiscourseConnectiveLIYancui1，一SUNJing，ZHOUGuodong1'十，1．DepartmentofComputerScienceandT

3、echnology,SoochowUniversity,Suzhou215006；2．SchoolofInformationEngineering，HenanInstituteofScienceandTechnology,Xinxiang453003十Correspondingauthor，E—mail：gdzhou@suda．edu．cnAbstractBasedontheannotationofdiscourseconnectiveinChineseDiscourseTreebank，especiallythean

4、notationoftheconnectiveanditsrelationclassification．Theauthorsextractsyntax，lexicalandpositionfeaturesofautomaticsyntaxtreeandstandardsyntaxtree，andusesupervisedmethodtorecognizeandclassifyconnective．ExperimentalresultsshowthatconnectiverecognitionF1一measureis69

5、．2％．andconnectiveclassificationaccuracyiS89．1％．Keywordsconnectiverecognition；connectiveclassification；Chinesediscourse自然语言的单位由小到大可以分为词、短语、是近几年的研究热点和难点。篇章结构分析在自动句子和段落，最后形成篇章(Discourse)。篇章有时文摘[”、问答系统[、指代消解引、篇章连贯性评也称语篇或话语，指一系列连续的子句、句子或语价【4】等方面都有所应用。段构成的语言整体单位。篇章不是语

6、言成分的无序在汉语篇章中，篇章关系是指同一篇章内部，堆砌，每个篇章不仅具有内部连贯性，而且篇章中句子之间或子句之间的语义连接关系，如条件关的各级单位是描述同一个问题或同一种情境的一个系、转折关系、因果关系等[51，连接词主要指连接相对完整的语言整体。在一个篇章中，子句、句子不同单位并表示这种语义关系的词语。连接词在句或语段间具有一定的层次结构和语义关系，只有分子中一般不充当句法成分，没有修饰和限定作用，析出其中的层次结构及语义关系，才能对篇章有一一般是表示连接作用的连词、关联词以及其他与之个总体把握。篇章结构分析就是分

7、析出篇章的层次有同等关系作用的语言单位。本文所述的篇章连接结构及语义关系，是自然语言处理的核心问题，也词不限于现代汉语】中的连词，只要对句子和语段863计~IJ(2012AA011102)、国家自然科学基金(61273320)和河南省教育厅科学技术研究重点项目(14A520080)资助收稿日期：2014—06—29；修回日期：2014—10-28；网络出版日期：2014-12-01307北京大学学报(自然科学版)第51卷第2期2015年3月起连接作用，能恰当表示句子之间或子句之间关系注的分句有2073个，分句的正确标注

8、率达69．1％。的语言单位均可称为连接词。如例1中的“因此”、文献【11]结合词性标记和关系词搭配理论，提出正“对此”、“不是⋯⋯而是”、“使”和“正因为”都是连向选择算法提取关系词，测试结果表明，关系词提接词，例句中字母引导基本篇章单位，’的个数表取的正确率达89．8％。并非复句中出现的关系标记示基本篇章单位层次。都是关系词，文