基于短语和依存句法结构的中文语义角色标注
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｆ ａ ｕ ｅ ｆ ｒ ｓ ｎ ｅ ｅ ｄ ｎ ｙ ｓ ｎ ａ ｔ ｔｕ ｔ ｒ ， ｙ ｔ ｘ ｔｅ ｒ ｒ ｎ ｄ ｆｌ ａｅ ｒ ｕ ｉ ｃ ｈ ａ ｅ ｎ ｔ ｎ ｅ ａｉ ｎｓ ｐ ｎ ｄ ｓｏ ｙ ａ ｒ ｅ ｅ ｔ ｒ ｓｏ ａ ｅ ａ ｄ ｄ ｐ ｎ ｅ ｃ ｙ ｔｃ ｉ ｓｒ ｃ ｕ ｅ ｓ ｎ ａ ｒ ｅ ａ ｅ ｐ ｕ ｅ ， ｉ ｒ ｔ ｓｇ ｏ ｐ ｐ ｅ ｅｐ ｒ ｓ ｓｕ ｉ ａ ｄ ｒ ｌ ｔ ｐｈ ｃ ｔ ｏ ｈｉ ｏ ｅ ｆｓ ｎｔｘ ｔｅ ｗｈ ｃ ａ ’ ａ ｓ ｍｅ ｓ ｍ ａ ｔｃ ｒ ｌ ， ａ ｅ ｓ ｒ ｌ ａｅ ｏ ｙ ｆ ｒ ｇ ｏ ｐ ｐ ｅ ｅ ａ ｄ ｎ ｄｅ ｉｈ ａ ｓ ｍｅ ｓ ｍ ａ ｔｃ ｒ ｅ Ｒｅ ｏ ｎｉ ｏ ｅ ｕ ｔ ｈ ｗ ｈ ｔｔ ｅ ｉ ｈ ｃ ｎ ｔ ｓ ｕ ｅ ｎ ｉ ｏ ｅ ｌ ｂ ｌ ｏ ｅ ｃ ｔ ｇ ｒ ｏ ｒ ｕ ｉ ｃ ｎ ｏ ｓ ｗｈ ｃ ｓ ｕ ｅ ｎ ｉ ｏｌ ． ｃ ｇ ｔ ｎ ｒ ｓ ｌｓｓ ｏ ｔ ａ ｈ ｉ
地 点、时间、方式、原 因等） Ｓ Ｌ标注 的语义角色对 回答 ５ 。Ｒ Ｗ
方面 ，文献【］ Ｎ ｍ ａ ｋ为实验语 料，将基于动词性谓词 １以 ｏ Ｂ ｎ
的英文 Ｓ Ｌ方法移植于名词性谓词 的英文 Ｓ Ｌ， Ｒ Ｒ 并探索了大 量与英文名词性谓词相 关的特征 。在 中文 方面 ，文献［ 利用 ２ ］ 大 规模 语料 库 中文 Ｎｏ ａｋ，展 开 了中文 名词 性谓 词 的 ｍＢ ｎ
［ ｙｗｏｄ ］Ｓ ｍａ ｔ ｏｅＬ ｂｌ ｇＳ Ｌ ； ｈａｅｓｎａｔ ａｕｅ ｄｐ ｎ ｅ ｃ ｎａｔ ａｕｅ ｎ ｍｉａｐｅ ｉ ｔ；ｙ ｔ ｔ ｔ ｃｕｅ Ｋｅ ｒ ｓ ｅ ｎｉ Ｒ ｌ ａｅｉ （Ｒ ）ｐ ｒｓ ｙ ｔｃｉｆ ｔｒ； ｅｅ ｄ ｎｙｓ ｔｃｉ ｆ ｔｒ； ｏ ｎｌ ｒｄｃ ｅ ｓｎａ ｉ ｓ ｕｔｒ ｃ ｎ ｃｅ ｙ ｃｅ ａ ｃｃ ｒ ＤＯＩ １ ．９ ９ ．ｓ．０ ０３ ２ ．０ ｉ ４０７ ： ０３ ６ ／ｉ ｎ１０ —４ ８２ １． ．５ ｊｓ ２
中 分 号 Ｔ３６ 图 类 ：Ｐ ０
基 于短语 和依存 句法结构 的中文语 义角 色标 注
徐 靖 ，李军辉 ，朱巧 明 ，李培 蜂
（ 苏州大 学计 算机科 学与技 术学院 ，江苏 苏州 ２ ５ ０ ） １０６ 摘 要 ：提 出一种基于短语和依 存句 法结构的中文语义角色标 注（Ｒ ） Ｓ Ｌ 方法 。联合短语句法特征 和依 存句法特征 ，对句 法树进行剪 枝，过
第３ ７卷 第 ２ ４期
、０ －７ ，ｌ３
・
计
算
机
工
程
２１ 年 ｌ ０１ ２月
Ｄｅ ｅ ｃ ｍｂｅ ０１ ｒ２ １
Ｎ Ｏ．４ ２
Ｃｏ ｍｐｕ ｅ ｔ ｒＥｎｇ ｎ ｅ ｉ ｇ ｉ ｅ ｒｎ
人工智能及识别技术 ・
文 编 ： ｏ ＿ ４ （ １２一ｌ ＿ 文 标 码 Ａ 章 号 １ ｏ ３ ８０） １ ＿４ ０ ２ ２ １４ ６ ０ 献 识 ：
Ｓ Ｌ相 关特征 的基础上 ， Ｒ 进一步提 出了名词性谓词 Ｓ Ｌ相 关 Ｒ
（ ｏ Ｗｈ ｔＷｈ ｎ Ｗｈ ｒ 和 Ｗｈ ） Ｗｈ ， ａ， ｅ ， ｅｅ ｙ问题提供 了强有力 的支持 。
这使其 应用非常广 泛 ， 包括 问答系统、指代消解、信息检索 、 机器翻译等领 域，具有广泛 的应用前景 。
究相对很少 ，文献【】 ７分别训练了基于短语结构和依存关系的
也不大一样。如 图 ３所示 ：首先是角色剪枝（ 预处理） ，其次
是角色识别 ，最后是角色分类 ，并标注其类型。
剪枝 ： ＿ 卜 ＼ 角色 识 别 ： 过滤掉 不可能 担 当语义 角色 的 ———］／ 判 断组块 或节点 是 否担 当语义角色 —— — 组块单元 或关系节点
根据利 用的句法结构信息不 同， 以将现有 的 Ｓ Ｌ分为 可 Ｒ ３个类别 ：基于组块 的 Ｓ Ｌ Ｒ ，基于短语 的 Ｓ Ｌ和基于依存关 Ｒ 系 的 Ｓ Ｌ。基于组块的 Ｓ Ｌ建立于浅层句法分析 的基础上 ， Ｒ Ｒ 由于 不能获 得全部句 法分析信息 ，其性能有限 ；基 于短语的
的特征集 ， 并且探索 了中文动词性谓词 Ｓ Ｌ对 中文名词 性谓 Ｒ
法实现语 义角色标 注 ，所使 用的依存树是 由短语句 法树转化 而来。文 献【】 Ｃ Ｂ转换语料和 Ｃ Ｎ Ｌ２ ０ ６在 Ｔ ｏ Ｌ ０ ９中文语料上， 研究了基于依 存句 法分析 的中文语义角色标注研究 ，基于正 确谓词和 自动谓词 的情况下 ， Ｃ Ｂ语料 上分别得到系统性 在 Ｔ
１ 概 述
语义 角色标 注（ｅ ｎｉ Ｒ ｌ Ｌ ｂ ｌ ｇ Ｓ Ｌ 是 目前 自然 Ｓｍａ ｔ ｏｅ ａ ｅ ｎ ， Ｒ ） ｃ ｉ 语 言处理的一个热点研究课题之一 ，是 目前语义分析 的一种 实现 方式。所谓语义 角色标 注， 就是对于给定句子 ， 采用 “ 谓 词． 论元角色 ”的结构形式 ，对句 中的每个谓词（ 动词 性谓词 或名词性谓词 等） 注出句子 中谓词 的相应语义角色成分 ， 标 包 括 核心的语义角色（ 如施事者、受事者等） 和附属语义角色（ 如
融合依存关系的特征 ， 分析基于依存 关系 的 Ｓ Ｌ的常用特征 Ｒ
对基于短语 的 Ｓ Ｌ的作 用。 Ｒ
科学重大基础研究基金资助项 目（８ Ｊ ５００） ０Ｋ Ａ ２０２ 作 者简介 ： 徐 靖（ ８一） 男 ， １６ ， ９ 硕士研 究生， 研方 向：自然语言 主 处理 ； 李军辉 ，博士研究生 ； 朱巧 明，教授、博士 生导师 ； 李培峰 ，
副教授
２ 相关工作
由于 中文 Ｎｏ ａｋ 发布得 比较 晚和其语料 的标注实例 ｍＢ ｎ 少 ，Ｎ ：ｅ 的名词性谓词 的 Ｓ Ｌ研究也相对较少。在英文 Ｊ ｏ文 Ｉ ｔ Ｒ
收稿 日期 ：２ １— —８ ０１ ８１ ０
Ｅｍａ ：ｘｊ ｇ １３ ６ ＿ ｍ ． ｉ ｕｎ００ ＠１３ ０ ｌ ｉ ｃ
ｎ ｍｉ ｌＳ ｏ ｎａ ＲＬ ｐ ｒ ａ ｈａ ｈ ｅ ｅ ｅｐ ｒｏｍ ａ ｃ ｆ７ ５ ％ ｉ 一 ａｕ ｅｏ ｏｌｅ ａ ｓ ｅ ｓａ ｄｇ ｌｅ ｒ ｄｃ ｔｓ ａ ｐ ｏ ｃ ｃ ｉｖ ｓｔ ｅｆ ｒ ｎ ｅｏ ３．３ ｈ ｎＦ１ｍｅ ｓ ｒ ｎｇ ｄ ｎｐ ｒｅｔ ｅ ｎ ｏｄ ｎｐｅ ｉａｅ ． ｒ
［ ｓｒ ｃ］Ｔ ｉ ｐ ｐｒｐｏ ｏｅ ｈｎ ｓ ｅ ｎｉ Ｒ ｌ Ｌ ｂ ｌ ｇＳ ） ａｅ ｎｐ ｒｓ ｎ ｅ ｅｄ ｎ ｙｓｎａｔ ｔ ｃ ｒ． ｏ ｉｉｇｔｅ Ａｂｔａｔ ｈｓ ａ ｅ ｒｐ ｓｓｆＣ ｉｅｅＳ ｍａｔ ｏｅ ａｅｉ （ＲＬ ｂ ｓｄｏ ｈａｅａｄｄ ｐｎ ｅ ｃ ｙ ｔ ｉ ｓ ｕｔ ｅ Ｃ ｍｂｎｎ ｈ ｌ ｃ ｎ ｃｃ ｒ ｕ
Ｘ ｉｇ Ｌ ｕ －ｕ， ＨＵＱｉｏｍｉｇ Ｌ ｅ－ ｎ Ｕ Ｊｎ ， Ｉ ｎｈ ｉｚ ａ － ｎ ， Ｉ ｉ ｅ ｇ Ｊ Ｐ ｆ
（ ｃ ｏ ｌ ｆ ｍｐ ｔｒ ｃｅ ｃ Ｓ ｈ ｏ ｏ Ｃｏ ｕｅ ｉ ｅ＆ Ｔ ｃ ｎ ｌｇ ， ｏ ｃ ｏ ｉｅｓ ｙ Ｓ ｚ ｏ １ ０ ６ Ｃ ｉ ａ Ｓ ｎ ｅ ｈ ｏｏ ｙ Ｓ ｏ ｈ ｗ Ｕｎｖ ｒｉ ， ｕ ｈ ｕ２ ５ ０ ， ｈ ｎ ） ｔ
— — — — — — —
Ｓ Ｌ系统 ，使 用这 ２ Ｒ 个系统 的输出作为附加特征 ，用基于 块
结构 的 Ｓ Ｌ系统标注。比起单一 的标注 ，结果得到 பைடு நூலகம்很大的 Ｒ 提高 ，而该文献也提到 了联合使用多种句法分析也是极其复 杂的。
角色分类 ： 标注其所阍 角色 类别
３ 联合短语和依存句法结构的中文名词性谓词
１Ｏ ７
计
算
机
工
程
２１年 １月 ２ ０１ ２ ０日
能 Ｆ 值 ８ ． ％和 ８ ．２ １ ４３ ０ １ ％，在 Ｃ ＮＬ ０ ｏ Ｌ语料上分别得到系统
性谓词 ，本文 系统共分为 ３个步骤 ，但由于短语句法树和依 ． 存句法树关注的句法结构不一样 ，因此在相应 的步骤处理上
性能 Ｆ 值 ８ ．８ １ １ ％和 ８ ．３ ６ １ ％。然而 ， ３ 联合 多种句法结构的研
／／＼
Ａｒ ０ Ｒｅ Ｉ ｇ ／ ｌ
词 ｓ Ｌ的影响。 Ｒ 除了以上描述的基于短语句法树的 Ｓ Ｌ外 ， Ｒ 基于依 存句
法树 的 Ｓ Ｌ已成 为 目前研究 的热点 ， Ｒ 然而其相关研究大多集
中在动词性谓词 Ｓ Ｌ上进行 。 献［］ 用基于依存分析 的方 Ｒ 文 ５采
Ｓ Ｌ建立在句法分析 的基础上 ，以句法成分为标注单元 ，性 Ｒ 能 较好 。随着依 存分 析研 究的不 断深 入 ，基于 依存 关 系的 Ｓ Ｌ研究也越来越受到关注 。然而 ，已往 的 Ｓ Ｌ研究大多局 Ｒ Ｒ 限于某种句 法结 构信 息，而忽略了各种句法 结构 信息之间的 互补 、探索联合不 同句法结构的 Ｓ Ｌ研究。 Ｒ
Ｃｈ ｎ ｓ ｅ ａ ｔｃＲｏ ｅＬａ ｅ ｉ ｇ ｈ ｅ ｅＳ ｍ ｎ ｉ ｌ ａ ｌ ￣ ｉ ｂ ｎ Ｂａ ｅ ｎ Ｐｈ ａ ｅａ ｄ Ｄｅ ｅ ｄ ｎ ｙ Ｓ ｎ ａ ｔｃＳ ｒ ｃ ｕ ｅ ｓ ｄ ０ ｒ ｓ ｎ ｐ ｎ ｅ ｃ ｙ ｔ ｃ ｉ ｔ ｕ ｔ ｒ
ＳＬ Ｒ ，在使用正确和 自动句法树情况下 ，性能 Ｆ 值分别取得 ｌ ７ ．％和 ４ ． １ ６ ８３ ％。文献［】 ３进一步探索了中文名词性谓词 Ｓ Ｌ， Ｒ 该文还尝试 了借助动词性谓词的标注实例 ，用来扩展名词性 谓词 Ｓ Ｌ的训练集规模 ，以期 望提 高名词性谓词 Ｓ Ｌ性能 。 Ｒ Ｒ 不过实验结果并未如愿 ，其 原因在于动词性和名词性谓词标 注实例中的特征值 差异非常 明显 。文献【】 ４在传统动词性谓词
滤句法树 上不可 能担当语义角色的组块短语单元和关系结点 ， 担当语 义角色的组块或节点进行角色类别标注。基于正确句法树和正确谓 对 词 的识别结果表 明 ， 方法的 Ｓ Ｌ性 能 Ｆ 值为 ７ ． ％，优于 目前国内外的同类系统。 该 Ｒ １ ３３ ５ 关健词 ：语义 角色 标注 ；短语句法特征 ；依存句法特征 ；名词性谓词 ；句法结构
基金 项 目：国家 自然科 学基金 资助项 目 ９９００， ０７０６ ６８３ （０２０４ ６９０５， ０７
１０； ５） 江苏省 自然科学基金资助项 目（Ｋ ０ ８６） 江苏省高校 自然 Ｂ ２０ １ ； ０
本文研 究了联合短语句法分析和依存句法分析 的中文名
词性谓词语义角色标注。在 基于短语 Ｓ Ｌ的基础上 ，进一步 Ｒ
３ 实验语料 ． １
英文 Ｎ ｍＢ ｎ 语料库采用与Ｐｏ Ｂａｋ 致 的标注框架 ， ｏ ａｋ ｒｐ ｎ － 由于中文 Ｎ ｍＢ ｎ ｏ ａｋ继承 了英文 Ｎ ｍ ａ ｋ的标 注框架 ，因此 ｏ Ｂｎ 与 ＰｏＢ ｎ ｒｐ ａ ｋ的标注框架基 本一致 。图 １给出中文 Ｎ ｍＢ ｎ ｏ ａｋ 的标注实例。其 中，谓词 “ 扩大”包含 ２个核心语义 角色 ， 分别为 “ 青￣（ｒ０”和 “ Ａ ｇ） 企业规模 （ ｇ ）。 ＡｒＩ”
Ｉ Ｐ
图 ３ 语义角色标注步骤
预处理主要是对句法树进行 剪枝 。在短语句法分析 时， 三 结ＭＮ 构 资ＭＮ ： Ｎ 本 过滤掉句 法树 上最不大可能承担语义 角色 的组块短语 单元 ，
本文参照文献【—】 ３４的剪枝规则 ；在依 存分析 时，过滤掉句 法 树上最不可能承担语义角色 的关系结点，本文参照文献Ｌ—】 ５６ 的剪枝方法。
地 点、时间、方式、原 因等） Ｓ Ｌ标注 的语义角色对 回答 ５ 。Ｒ Ｗ
方面 ，文献【］ Ｎ ｍ ａ ｋ为实验语 料，将基于动词性谓词 １以 ｏ Ｂ ｎ
的英文 Ｓ Ｌ方法移植于名词性谓词 的英文 Ｓ Ｌ， Ｒ Ｒ 并探索了大 量与英文名词性谓词相 关的特征 。在 中文 方面 ，文献［ 利用 ２ ］ 大 规模 语料 库 中文 Ｎｏ ａｋ，展 开 了中文 名词 性谓 词 的 ｍＢ ｎ
［ ｙｗｏｄ ］Ｓ ｍａ ｔ ｏｅＬ ｂｌ ｇＳ Ｌ ； ｈａｅｓｎａｔ ａｕｅ ｄｐ ｎ ｅ ｃ ｎａｔ ａｕｅ ｎ ｍｉａｐｅ ｉ ｔ；ｙ ｔ ｔ ｔ ｃｕｅ Ｋｅ ｒ ｓ ｅ ｎｉ Ｒ ｌ ａｅｉ （Ｒ ）ｐ ｒｓ ｙ ｔｃｉｆ ｔｒ； ｅｅ ｄ ｎｙｓ ｔｃｉ ｆ ｔｒ； ｏ ｎｌ ｒｄｃ ｅ ｓｎａ ｉ ｓ ｕｔｒ ｃ ｎ ｃｅ ｙ ｃｅ ａ ｃｃ ｒ ＤＯＩ １ ．９ ９ ．ｓ．０ ０３ ２ ．０ ｉ ４０７ ： ０３ ６ ／ｉ ｎ１０ —４ ８２ １． ．５ ｊｓ ２
中 分 号 Ｔ３６ 图 类 ：Ｐ ０
基 于短语 和依存 句法结构 的中文语 义角 色标 注
徐 靖 ，李军辉 ，朱巧 明 ，李培 蜂
（ 苏州大 学计 算机科 学与技 术学院 ，江苏 苏州 ２ ５ ０ ） １０６ 摘 要 ：提 出一种基于短语和依 存句 法结构的中文语义角色标 注（Ｒ ） Ｓ Ｌ 方法 。联合短语句法特征 和依 存句法特征 ，对句 法树进行剪 枝，过
第３ ７卷 第 ２ ４期
、０ －７ ，ｌ３
・
计
算
机
工
程
２１ 年 ｌ ０１ ２月
Ｄｅ ｅ ｃ ｍｂｅ ０１ ｒ２ １
Ｎ Ｏ．４ ２
Ｃｏ ｍｐｕ ｅ ｔ ｒＥｎｇ ｎ ｅ ｉ ｇ ｉ ｅ ｒｎ
人工智能及识别技术 ・
文 编 ： ｏ ＿ ４ （ １２一ｌ ＿ 文 标 码 Ａ 章 号 １ ｏ ３ ８０） １ ＿４ ０ ２ ２ １４ ６ ０ 献 识 ：
Ｓ Ｌ相 关特征 的基础上 ， Ｒ 进一步提 出了名词性谓词 Ｓ Ｌ相 关 Ｒ
（ ｏ Ｗｈ ｔＷｈ ｎ Ｗｈ ｒ 和 Ｗｈ ） Ｗｈ ， ａ， ｅ ， ｅｅ ｙ问题提供 了强有力 的支持 。
这使其 应用非常广 泛 ， 包括 问答系统、指代消解、信息检索 、 机器翻译等领 域，具有广泛 的应用前景 。
究相对很少 ，文献【】 ７分别训练了基于短语结构和依存关系的
也不大一样。如 图 ３所示 ：首先是角色剪枝（ 预处理） ，其次
是角色识别 ，最后是角色分类 ，并标注其类型。
剪枝 ： ＿ 卜 ＼ 角色 识 别 ： 过滤掉 不可能 担 当语义 角色 的 ———］／ 判 断组块 或节点 是 否担 当语义角色 —— — 组块单元 或关系节点
根据利 用的句法结构信息不 同， 以将现有 的 Ｓ Ｌ分为 可 Ｒ ３个类别 ：基于组块 的 Ｓ Ｌ Ｒ ，基于短语 的 Ｓ Ｌ和基于依存关 Ｒ 系 的 Ｓ Ｌ。基于组块的 Ｓ Ｌ建立于浅层句法分析 的基础上 ， Ｒ Ｒ 由于 不能获 得全部句 法分析信息 ，其性能有限 ；基 于短语的
的特征集 ， 并且探索 了中文动词性谓词 Ｓ Ｌ对 中文名词 性谓 Ｒ
法实现语 义角色标 注 ，所使 用的依存树是 由短语句 法树转化 而来。文 献【】 Ｃ Ｂ转换语料和 Ｃ Ｎ Ｌ２ ０ ６在 Ｔ ｏ Ｌ ０ ９中文语料上， 研究了基于依 存句 法分析 的中文语义角色标注研究 ，基于正 确谓词和 自动谓词 的情况下 ， Ｃ Ｂ语料 上分别得到系统性 在 Ｔ
１ 概 述
语义 角色标 注（ｅ ｎｉ Ｒ ｌ Ｌ ｂ ｌ ｇ Ｓ Ｌ 是 目前 自然 Ｓｍａ ｔ ｏｅ ａ ｅ ｎ ， Ｒ ） ｃ ｉ 语 言处理的一个热点研究课题之一 ，是 目前语义分析 的一种 实现 方式。所谓语义 角色标 注， 就是对于给定句子 ， 采用 “ 谓 词． 论元角色 ”的结构形式 ，对句 中的每个谓词（ 动词 性谓词 或名词性谓词 等） 注出句子 中谓词 的相应语义角色成分 ， 标 包 括 核心的语义角色（ 如施事者、受事者等） 和附属语义角色（ 如
融合依存关系的特征 ， 分析基于依存 关系 的 Ｓ Ｌ的常用特征 Ｒ
对基于短语 的 Ｓ Ｌ的作 用。 Ｒ
科学重大基础研究基金资助项 目（８ Ｊ ５００） ０Ｋ Ａ ２０２ 作 者简介 ： 徐 靖（ ８一） 男 ， １６ ， ９ 硕士研 究生， 研方 向：自然语言 主 处理 ； 李军辉 ，博士研究生 ； 朱巧 明，教授、博士 生导师 ； 李培峰 ，
副教授
２ 相关工作
由于 中文 Ｎｏ ａｋ 发布得 比较 晚和其语料 的标注实例 ｍＢ ｎ 少 ，Ｎ ：ｅ 的名词性谓词 的 Ｓ Ｌ研究也相对较少。在英文 Ｊ ｏ文 Ｉ ｔ Ｒ
收稿 日期 ：２ １— —８ ０１ ８１ ０
Ｅｍａ ：ｘｊ ｇ １３ ６ ＿ ｍ ． ｉ ｕｎ００ ＠１３ ０ ｌ ｉ ｃ
ｎ ｍｉ ｌＳ ｏ ｎａ ＲＬ ｐ ｒ ａ ｈａ ｈ ｅ ｅ ｅｐ ｒｏｍ ａ ｃ ｆ７ ５ ％ ｉ 一 ａｕ ｅｏ ｏｌｅ ａ ｓ ｅ ｓａ ｄｇ ｌｅ ｒ ｄｃ ｔｓ ａ ｐ ｏ ｃ ｃ ｉｖ ｓｔ ｅｆ ｒ ｎ ｅｏ ３．３ ｈ ｎＦ１ｍｅ ｓ ｒ ｎｇ ｄ ｎｐ ｒｅｔ ｅ ｎ ｏｄ ｎｐｅ ｉａｅ ． ｒ
［ ｓｒ ｃ］Ｔ ｉ ｐ ｐｒｐｏ ｏｅ ｈｎ ｓ ｅ ｎｉ Ｒ ｌ Ｌ ｂ ｌ ｇＳ ） ａｅ ｎｐ ｒｓ ｎ ｅ ｅｄ ｎ ｙｓｎａｔ ｔ ｃ ｒ． ｏ ｉｉｇｔｅ Ａｂｔａｔ ｈｓ ａ ｅ ｒｐ ｓｓｆＣ ｉｅｅＳ ｍａｔ ｏｅ ａｅｉ （ＲＬ ｂ ｓｄｏ ｈａｅａｄｄ ｐｎ ｅ ｃ ｙ ｔ ｉ ｓ ｕｔ ｅ Ｃ ｍｂｎｎ ｈ ｌ ｃ ｎ ｃｃ ｒ ｕ
Ｘ ｉｇ Ｌ ｕ －ｕ， ＨＵＱｉｏｍｉｇ Ｌ ｅ－ ｎ Ｕ Ｊｎ ， Ｉ ｎｈ ｉｚ ａ － ｎ ， Ｉ ｉ ｅ ｇ Ｊ Ｐ ｆ
（ ｃ ｏ ｌ ｆ ｍｐ ｔｒ ｃｅ ｃ Ｓ ｈ ｏ ｏ Ｃｏ ｕｅ ｉ ｅ＆ Ｔ ｃ ｎ ｌｇ ， ｏ ｃ ｏ ｉｅｓ ｙ Ｓ ｚ ｏ １ ０ ６ Ｃ ｉ ａ Ｓ ｎ ｅ ｈ ｏｏ ｙ Ｓ ｏ ｈ ｗ Ｕｎｖ ｒｉ ， ｕ ｈ ｕ２ ５ ０ ， ｈ ｎ ） ｔ
— — — — — — —
Ｓ Ｌ系统 ，使 用这 ２ Ｒ 个系统 的输出作为附加特征 ，用基于 块
结构 的 Ｓ Ｌ系统标注。比起单一 的标注 ，结果得到 பைடு நூலகம்很大的 Ｒ 提高 ，而该文献也提到 了联合使用多种句法分析也是极其复 杂的。
角色分类 ： 标注其所阍 角色 类别
３ 联合短语和依存句法结构的中文名词性谓词
１Ｏ ７
计
算
机
工
程
２１年 １月 ２ ０１ ２ ０日
能 Ｆ 值 ８ ． ％和 ８ ．２ １ ４３ ０ １ ％，在 Ｃ ＮＬ ０ ｏ Ｌ语料上分别得到系统
性谓词 ，本文 系统共分为 ３个步骤 ，但由于短语句法树和依 ． 存句法树关注的句法结构不一样 ，因此在相应 的步骤处理上
性能 Ｆ 值 ８ ．８ １ １ ％和 ８ ．３ ６ １ ％。然而 ， ３ 联合 多种句法结构的研
／／＼
Ａｒ ０ Ｒｅ Ｉ ｇ ／ ｌ
词 ｓ Ｌ的影响。 Ｒ 除了以上描述的基于短语句法树的 Ｓ Ｌ外 ， Ｒ 基于依 存句
法树 的 Ｓ Ｌ已成 为 目前研究 的热点 ， Ｒ 然而其相关研究大多集
中在动词性谓词 Ｓ Ｌ上进行 。 献［］ 用基于依存分析 的方 Ｒ 文 ５采
Ｓ Ｌ建立在句法分析 的基础上 ，以句法成分为标注单元 ，性 Ｒ 能 较好 。随着依 存分 析研 究的不 断深 入 ，基于 依存 关 系的 Ｓ Ｌ研究也越来越受到关注 。然而 ，已往 的 Ｓ Ｌ研究大多局 Ｒ Ｒ 限于某种句 法结 构信 息，而忽略了各种句法 结构 信息之间的 互补 、探索联合不 同句法结构的 Ｓ Ｌ研究。 Ｒ
Ｃｈ ｎ ｓ ｅ ａ ｔｃＲｏ ｅＬａ ｅ ｉ ｇ ｈ ｅ ｅＳ ｍ ｎ ｉ ｌ ａ ｌ ￣ ｉ ｂ ｎ Ｂａ ｅ ｎ Ｐｈ ａ ｅａ ｄ Ｄｅ ｅ ｄ ｎ ｙ Ｓ ｎ ａ ｔｃＳ ｒ ｃ ｕ ｅ ｓ ｄ ０ ｒ ｓ ｎ ｐ ｎ ｅ ｃ ｙ ｔ ｃ ｉ ｔ ｕ ｔ ｒ
ＳＬ Ｒ ，在使用正确和 自动句法树情况下 ，性能 Ｆ 值分别取得 ｌ ７ ．％和 ４ ． １ ６ ８３ ％。文献［】 ３进一步探索了中文名词性谓词 Ｓ Ｌ， Ｒ 该文还尝试 了借助动词性谓词的标注实例 ，用来扩展名词性 谓词 Ｓ Ｌ的训练集规模 ，以期 望提 高名词性谓词 Ｓ Ｌ性能 。 Ｒ Ｒ 不过实验结果并未如愿 ，其 原因在于动词性和名词性谓词标 注实例中的特征值 差异非常 明显 。文献【】 ４在传统动词性谓词
滤句法树 上不可 能担当语义角色的组块短语单元和关系结点 ， 担当语 义角色的组块或节点进行角色类别标注。基于正确句法树和正确谓 对 词 的识别结果表 明 ， 方法的 Ｓ Ｌ性 能 Ｆ 值为 ７ ． ％，优于 目前国内外的同类系统。 该 Ｒ １ ３３ ５ 关健词 ：语义 角色 标注 ；短语句法特征 ；依存句法特征 ；名词性谓词 ；句法结构
基金 项 目：国家 自然科 学基金 资助项 目 ９９００， ０７０６ ６８３ （０２０４ ６９０５， ０７
１０； ５） 江苏省 自然科学基金资助项 目（Ｋ ０ ８６） 江苏省高校 自然 Ｂ ２０ １ ； ０
本文研 究了联合短语句法分析和依存句法分析 的中文名
词性谓词语义角色标注。在 基于短语 Ｓ Ｌ的基础上 ，进一步 Ｒ
３ 实验语料 ． １
英文 Ｎ ｍＢ ｎ 语料库采用与Ｐｏ Ｂａｋ 致 的标注框架 ， ｏ ａｋ ｒｐ ｎ － 由于中文 Ｎ ｍＢ ｎ ｏ ａｋ继承 了英文 Ｎ ｍ ａ ｋ的标 注框架 ，因此 ｏ Ｂｎ 与 ＰｏＢ ｎ ｒｐ ａ ｋ的标注框架基 本一致 。图 １给出中文 Ｎ ｍＢ ｎ ｏ ａｋ 的标注实例。其 中，谓词 “ 扩大”包含 ２个核心语义 角色 ， 分别为 “ 青￣（ｒ０”和 “ Ａ ｇ） 企业规模 （ ｇ ）。 ＡｒＩ”
Ｉ Ｐ
图 ３ 语义角色标注步骤
预处理主要是对句法树进行 剪枝 。在短语句法分析 时， 三 结ＭＮ 构 资ＭＮ ： Ｎ 本 过滤掉句 法树 上最不大可能承担语义 角色 的组块短语 单元 ，
本文参照文献【—】 ３４的剪枝规则 ；在依 存分析 时，过滤掉句 法 树上最不可能承担语义角色 的关系结点，本文参照文献Ｌ—】 ５６ 的剪枝方法。