突发事件信息的标注研究

论文摘要

语言资源的建设一直是计算语言学研究领域的基础性课题。作为语言资源的一种重要形式,带标语料库不仅是各种自然语言处理系统评测的金本位,而且也是带有特定语言信息的知识库。目前已经形成资源的汉语带标语料库包括分词、词性标注语料库,短语及句法标注语料库。面向文本中的事件信息的标注语料库还处于起步阶段,其标注的对象、形式、标注方法等都有待于研究。本文从信息提取的角度,对突发事件新闻报道进行事件信息标注的研究,从微观、中观、宏观三个层面,对真实文本中表达事件信息的语言单位进行分析研究,在此基础上将文本中的事件以结构化的形式标注,形成事件的信息结构,以期为文本信息提取、信息检索、文本分类服务。本文的主要工作有:一、对真实文本中表达事件信息的语言单位进行分析,用“意义单元”来概括统称,对其形式、性质、类别、关联方式等进行研究;二、确定了一套事件信息的标注体系,定义了标注内容、标注形式、标注方法,并设计了相应的辅助标注工具;三、根据标注体系对一定量的文本进行标注,并对标注结果进行分析,标注结果表明目前的标注体系能够对文本中的事件信息进行有效的标注。

论文目录

• 摘要
• ABSTRACT
• 1. 绪论
• 1.1 选题的背景与意义
• 1.2 事件信息的定义
• 1.3 事件信息的三个层面
• 1.4 研究的目标
• 1.5 研究的内容
• 1.6 论文的结构
• 2. 相关研究
• 2.1 概述
• 2.2 FrameNet与 PropBank:语言研究角度的事件信息的刻画
• 2.2.1 FrameNet
• 2.2.2 PropBank
• 2.2.3 其他语义资源
• 2.2.4 小结
• 2.3 MUC与ACE计划:信息提取角度的事件信息的刻画
• 2.3.1 MUC
• 2.3.2 ACE
• 2.3.3 小结
• 2.4 RST与PDTB:语篇关系的刻画
• 2.4.1 RST
• 2.4.2 PDTB
• 2.4.3 小结
• 2.5 TDT
• 2.6 小结
• 3. 意义单元的性质与类别
• 3.1 事件信息的标注对象与意义单元
• 3.1.1 事件信息与意义单元
• 3.1.2 事件信息与意义单元的三个层面
• 3.2 微观层面的事件信息与意义单元
• 3.2.1 实体、实体表达
• 3.2.2 时间、时间表达
• 3.2.3 数值、数值表达
• 3.2.4 实体属性、实体属性表达
• 3.2.5 实体关系、实体关系表达
• 3.3 中观层面的事件信息与意义单元
• 3.3.1 事件的性质
• 3.3.2 事件模式
• 3.3.3 事件的类别
• 3.4 宏观层面的事件信息与意义单元
• 3.4.1 为什么要标注事件关系?
• 3.4.2 事件关系的性质
• 3.4.3 事件关系的类别
• 3.4.4 事件关系的其他标注内容
• 4. 意义单元的标注
• 4.1 标注形式与标记集
• 4.1.1 标注形式
• 4.1.2 标记集
• 4.2 意义单元的总体标注方法
• 4.3 标注工具的设计与实现
• 4.4 标注实例
• 4.5 标注文本的选择
• 4.6 事件模式的提取
• 4.7 事件表达的标注的一些问题
• 4.8 标注过程中的难点分析
• 4.8.1 文本中的事件信息与非事件信息
• 4.8.2 事件的消息来源
• 4.8.3 事件词的类型
• 4.8.4 时间表达的标注
• 4.8.5 标注难点的小结
• 5. 标注结果与分析
• 5.1 可标注性分析
• 5.1.1 多种事件类别的文本的可标注性分析
• 5.1.2 一种事件类别的文本的可标注性分析
• 5.1.3 可标注性分析的结论
• 5.2 事件标注结果分析
• 5.2.1 多种事件类别的文本的事件标注结果分析
• 5.2.2 一种事件类别的文本的事件标注结果分析
• 5.2.3 事件标注结果分析
• 5.3 事件关系标注结果分析
• 5.3.1 事件关系标注数据
• 5.3.2 事件关系的结构
• 5.3.3 事件关系的形式标记分析
• 5.4 其他方面问题考察
• 6. 结语
• 6.1 总结
• 6.2 进一步的工作
• 参考文献
• 附录1 标注实例
• 附录2 事件模式论元角色简表
• 作者在攻读硕士学位期间的科研情况
• 致谢