[發(fā)明專利]一種中文處理中基于語義角色信息的指代消解方法

無效

• 申請(qǐng)?zhí)枺?/td>: 200810243606.2
• 申請(qǐng)日: 2008-12-10
• 公開（公告）號(hào): CN101446943A
• 公開（公告）日: 2009-06-03
• 發(fā)明（設(shè)計(jì)）人: 朱巧明;周國(guó)棟;孔芳;李培峰;錢龍華;李軍輝;錢培德
• 申請(qǐng)（專利權(quán)）人: 蘇州大學(xué)
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27
• 代理公司: 蘇州創(chuàng)元專利商標(biāo)事務(wù)所有限公司
• 代理人: 陶海鋒

技術(shù)領(lǐng)域

本發(fā)明涉及一種自然語言的語義處理的方法，尤其涉及一種對(duì)中文的處理中基于語義角色信息進(jìn)行指代消解的方法，屬于計(jì)算語言學(xué)中的自然語言處理領(lǐng)域。

背景技術(shù)

指代(Anaphora)是自然語言中廣泛存在的一種現(xiàn)象，它可分為兩種：回指(Anaphora)，是指當(dāng)前的指代語與上下文出現(xiàn)的詞、短語或句子(句群)存在密切的意義關(guān)聯(lián)性；共指(Coreference)，是指兩個(gè)實(shí)體指向真實(shí)世界中的同一參照物。目前的指代消解研究主要側(cè)重于共指消解，即要解決的主要問題是尋找出文章中不同名詞性短語是否指向同一個(gè)實(shí)體。

指代消解是自然語言處理的關(guān)鍵和熱點(diǎn)問題之一，在自然語言的篇章理解中舉足輕重。一篇引人入勝的文章必然采用多樣的表達(dá)方式來表示同一個(gè)實(shí)體，隨著篇章理解的相關(guān)應(yīng)用日益廣泛，指代消解也顯示出前所未有的重要性，它是自然語言處理中不可缺少的部分，在文本總結(jié)(Text?Summarization)、機(jī)器翻譯(Machine?Translation)、多語言信息處理(Multilingual?InformationProcessing)和信息提取(Information?Extraction)等諸多應(yīng)用中都涉及到指代消解問題。因此，1997年的EACL和1999年的ACL年會(huì)都設(shè)立了指代消解的專題會(huì)議，而且指代消解也是MUC和ACE信息抽取評(píng)測(cè)體系中的一個(gè)主要任務(wù)。因此必須加強(qiáng)指代消解的研究，通過指代消解的研究，可以實(shí)現(xiàn)相關(guān)信息的融合，從而獲得相應(yīng)信息在單/多文本中的完整描述。

指代消解的研究歷史悠久。許多早期的方法側(cè)重于理論探索，運(yùn)用大量手工構(gòu)建的語言甚至領(lǐng)域知識(shí)，進(jìn)行指代消解的研究。近十年來，隨著自然語言處理技術(shù)的發(fā)展，對(duì)指代消解技術(shù)的應(yīng)用需求越來越迫切，研究者開始轉(zhuǎn)向基于弱語言知識(shí)的方法，側(cè)重于實(shí)用的指代消解技術(shù)的研究開發(fā)，并取得了一定的進(jìn)展。但由于受制于弱語言知識(shí)，指代消解技術(shù)近年來在性能的繼續(xù)提高上遇到了不小的瓶頸，研究人員開始把焦點(diǎn)轉(zhuǎn)向了基于自動(dòng)產(chǎn)生的深層語言知識(shí)，特別是結(jié)構(gòu)化句法信息方向，以期望取得性能上的突破。

早期指代消解研究主要利用大量手工構(gòu)建的領(lǐng)域和語言知識(shí)形成邏輯規(guī)則進(jìn)行消解，降低了系統(tǒng)的可移植性和自動(dòng)化程度。隨著標(biāo)注語料庫(kù)的出現(xiàn)以及Internet的迅速發(fā)展，實(shí)驗(yàn)語料的獲得越來越方便，目前大多數(shù)的指代消解研究趨向于基于語料庫(kù)的指代消解方法。

與國(guó)際上指代消解的長(zhǎng)期研究相比，自然語言處理領(lǐng)域的中文指代消解的研究只是剛剛起步，主要集中在人稱代詞的消解研究方面。相關(guān)的研究可分為兩類：

第一類是引用國(guó)際上流行的研究方案進(jìn)行中文指代消解的研究。相關(guān)的代表性研究有：王厚峰等(2001)根據(jù)中文人稱代詞的語義角色和對(duì)應(yīng)的先行語可能的語義角色，給出了消解人稱代詞的基本規(guī)則；王凌飛等(2000)提出了指代確定的9個(gè)限制條件，探討了基于中心理論的指代消解在漢英機(jī)器翻譯中的應(yīng)用；張威等(2002)實(shí)現(xiàn)了基于中心理論的元指代消解；孔祥勇等(2003)結(jié)合了規(guī)則和統(tǒng)計(jì)方法，解決代詞和定指短語的指代問題；王曉斌等(2004)進(jìn)行了基于語篇表述理論的人稱代詞的消解研究；王厚峰等(2005)采用了近似Mitkov(1998)的基于弱化語言知識(shí)的方法，解決人稱代詞的消解；楊佳等(2005)使用遺傳算法消解人稱代詞；李國(guó)臣等(2005)使用決策樹機(jī)器學(xué)習(xí)算法，結(jié)合優(yōu)先選擇策略，進(jìn)行指代消解的研究。

第二類是根據(jù)中文的特點(diǎn)提出的具有中文特色的研究方案。相關(guān)的研究有：許敏等(1999)利用格框架，提出了在上下文相關(guān)語義環(huán)境中進(jìn)行指代分類解決的思想，并給出了相應(yīng)的算法。王厚峰(2000)提出了基于HNC的指代消解方法，利用各種語義塊的類型特點(diǎn)和語義塊之間的結(jié)構(gòu)特點(diǎn)，在語義塊內(nèi)部和語義塊之間使用排除規(guī)則，并使用局部焦點(diǎn)優(yōu)先的原則(與中心理論類似)進(jìn)行優(yōu)先選擇，實(shí)現(xiàn)語句序列之間人稱代詞的消解。

從指代消解的國(guó)內(nèi)外研究現(xiàn)狀可以看到，隨著機(jī)器學(xué)習(xí)方法的引入，結(jié)合相關(guān)的領(lǐng)域知識(shí)(多以規(guī)則的形式體現(xiàn))，指代消解有了長(zhǎng)足的發(fā)展，但還存在一些問題，例如：深層次語義信息在指代消解領(lǐng)域的應(yīng)用不夠充分。自然語言處理中，語義信息起了至關(guān)重要的作用。然而目前，許多應(yīng)用都是通過使用類似WordNet這樣的語義字典來獲取語義信息，但數(shù)據(jù)庫(kù)中的語義信息畢竟是有限的，數(shù)據(jù)稀疏問題必然存在。

發(fā)明內(nèi)容

本發(fā)明目的是本發(fā)明的目的是提供一種高性能的指代消解方法，通過充分利用語義信息，提高在中文信息處理中的指代消解的性能。