基于序列标注的中文依存句法分析研究

论文摘要

近年来,依存句法分析越来越受到自然语言处理的研究人员的重视。相比教于短语结构文法,依存文法具有表达简洁,可以直接面向语义,易于分析处理等优点,因而被广泛应用于很多实际应用中,如自动文摘、开放式领域的自动问答系统、机器翻译等。本文以依存句法分析为题,在详细介绍了依存文法的基本理论、前人提出的依存句法分析方法以及依存关系的统计模型后,着重阐述了本文提出的利用序列标注模型的依存句法分析方法。本文提出的基于序列标注模型的依存句法分析方法,分为3个步骤:1.将依存句法结构转换成用于序列标注的标记序列;2.利用序列标注模型建立依存关系的序列标注模型;3.利用已经建立的序列标注模型完成依存句法分析。文本主要的贡献在于第1和第3步。第1步骤转换过程中,不仅要求转换后尽可能保留完整的信息,而且也要有利于序列标注模型建模。为此我们提出了一种转换方法。根据我们的方法,转换后的标签序列完整的保留了原来的依存结构信息。针对依存句法分析的任务以及我们建立的标签,我们改进了用于序列标注的解码算法,使其更加适应我们的任务。通过实验证明我们提出的方法能够很好地完成依存句法分析的任务。最后阐述了作者在依存句法分析研究过程中的心得体会,并对研究成果进行了总结,对该领域的发展前景进行了展望。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 依存文法的基本理论
• 1.2 依存文法和短语结构文法的关系
• 1.3 依存句法分析的任务、研究现状及难点
• 1.4 本文的主要贡献
• 1.5 本文组织结构
• 第2章 相关工作
• 2.1 相关会议及评测
• 2.1.1 IWPT
• 2.1.2 CoNLL
• 2.2 依存句法分析的基本方法
• 2.2.1 移进-归约算法
• 2.2.2 CKY算法
• 2.2.3 最大生成树算法
• 2.3 依存句法分析中的模型
• 2.4 依存句法分析的评测方法
• 第3章 基于序列模型的中文依存句法分析方法
• 3.1 序列标注模型
• 3.1.1 隐马尔可夫模型（Hidden Markov Model）
• 3.1.2 条件最大熵模型（Conditional Maximum Entropy Model）
• 3.1.3 条件随机场（Conditional Random Field）
• 3.2 依存关系转化为序列标签的方法
• 3.2.1 转换的基本方法
• 3.2.2 类别标签粒度的选择
• 3.3 序列标注算法的改进
• 3.4 特征选择
• 第4章 实验结果与分析
• 4.1 实验语料
• 4.2 实验结果与分析
• 4.2.1 模型选择实验
• 4.2.2 标签粒度选择实验
• 4.2.3 特征选择实验
• 4.2.4 改进解码算法的对比实验
• 第5章 结论和展望
• 参考文献
• 致谢