资源描述：
《中文语义角色标注的特征工程》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、第21卷第1期中文信息学报Vol.21,No.12007年1月JOURNALOFCHINESEINFORMATIONPROCESSINGJan.,2007文章编号:100320077(2007)0120079206编者按中国中文信息学会于2006年8月在沈阳航空工业学院人机智能研究中心成功地召开了“第三届全国学生计算语言学研讨会(SWCL2006)”。会议的程序委员会向本刊推荐出八篇优秀论文(经专家评审后,作者又做了修改),编辑部得到授权,在此发表,以飨读者。中文语义角色标注的特征工程刘怀军,车万翔,刘挺(哈尔滨工业大学信息检索实验室,黑龙江哈尔滨150001)摘要:基于统计机器学习的语
2、义角色标注在自然语言处理领域越来越受到重视,丰富多样的特征直接决定语义角色标注系统的性能。本文针对中文的特点,在英文语义角色标注特征的基础上,提出了一些更有效的新特征和组合特征:例如,句法成分后一个词、谓语动词和短语类型的组合、谓语动词类别信息和路径的组合等,并在ChinesePropositionBank(CPB)语料数据上,使用最大熵分类器进行了实验,系统F2Score由89.76%增加到91.31%。结果表明,这些新特征和组合特征显著提高了系统的性能。因此,目前进行语义角色标注应集中精力寻找丰富有效的特征。关键词:计算机应用;中文信息处理;语义分析;语义角色标注;特征工程;最大熵分
3、类器中图分类号:TP391文献标识码:AFeatureEngineeringforChineseSemanticRoleLabelingLIUHuai2jun,CHEWan2xiang,LIUTing(InformationRetrievalLaboratory,HaerbinInstituteofTechnology,Haerbin,Heilongjiang150006,China)Abstract:Inthenaturallanguageprocessingfield,researchershaveexperiencedagrowthofinterestinsemanticrolel
4、abelingbyapplyingstatisticalandmachine2learningmethods.Usingrichfeaturesisthemostimportantpartofsemanticparsingsystem.Inthispaper,someneweffectivefeaturesandcombinationfeaturesareproposed,suchasnextwordoftheconstituent,predicateandphrasetypecombination,predicateclassandpathcombination,andsoon.And
5、thenwereporttheexperimentsonthedatasetfromChinesePropositionBank(CPB).Afterthesenewfeaturesused,thefinalsystemimprovestheF2Scorefrom89.76%to91.31%.Theresultsshowthattheperformanceofthesystemhasastatisticallysignificantincrease.Thereforeitisveryimportanttofindbetterfeaturesforsemanticrolelabeling.
6、Keywords:computerapplication;Chineseinformationprocessing;semanticparsing;semanticrolelabeling;featureengineering;maximumentropyclassifier义的某种形式化表示。对句子进行正确的语义分1引言析,一直是从事自然语言理解研究的学者们追求的主要目标。随着自然语言处理基础技术,如:中文语义分析的目标,就是根据句子的句法结构和分词、词性标注、句法分析等的逐步成熟,以及语义句中每个实词的词义,推导出能够反映这个句子意分析在问答系统、信息抽取、机器翻译等领域的广泛应用,
7、使得其越来越受到从事自然语言处理的学者收稿日期:2006207215定稿日期:2006210209基金项目:自然科学基金(60575042,60503072,60675034)作者简介:刘怀军(1982—),男,硕士生,主要研究方向为信息检索。80中文信息学报2007年们的重视。实验选取了760个文档,共10384个句子。其中语义角色标注(SemanticRoleLabeling,SRL)9288个句子作训练语料,剩余1096个句子
