基于最大熵模型的汉语框架语义角色自动标注

论文摘要

本文基于山西大学自主开发的汉语框架语义知识库（CFN）,将语义角色标注问题通过IOB策略转化为词序列标注问题,采用最大熵模型,对语义角色的各个关键步骤进行了比较深入的研究,将语义角色标注任务定义为：给定句子中的目标词及其所属框架,自动标出相应的框架语义角色。模型以词为基本标注单元,分别使用了基于词层面和基本块层面的特征。针对每个特征设定若干可选的窗口,组合构成模型的各种特征模板,基于统计学中的正交表,给出了一种较优模板选择方法。本文的全部实验是在CFN中选出的25个框架的6692条例句上进行的,对每一个框架,将例句均匀分成4份,两两组合进行训练和测试,分3组做2-fold交叉验证。本文将标注步骤分为：1)边界识别2)角色分类3)后处理三个步骤。分别采用了边界识别与角色分类一起进行,以及先边界识别,再角色分类两种标注策略。在后处理步骤上,对输出的标注序列要求在整个句子上满足IOB序列合法性约束。我们采用信息检索中传统的评价指标计算各个步骤的P、R、F1-值,后续实验中我们还给出了2-fold交叉验证的F1-值的平均值,作为性能评价指标。实验结果表明,基于词特征的语义角色自动标注系统的F1-值为56.291%；融入基本块特征后的自动标注系统的F1-值为58.011%。统计检验表明,后者比前者显著好；另外,本文与基于句法分析树的的方法进行对比研究,其结果显著低于本文的方法。

论文目录

• 中文摘要
• ABSTRACT
• 第1章 引言
• 1.1 课题研究背景和意义
• 1.2 研究现状
• 1.2.1 国际评测
• 1.2.2 研究现状
• 1.3 研究内容
• 第2章 汉语框架网络介绍
• 2.1 汉语框架网络知识库简介
• 2.2 汉语框架网络标注
• 第3章 最大熵模型介绍
• 3.1 最大熵模型简介
• 3.2 最大熵模型中高斯平滑参数
• 第4章 基于词的汉语框架语义角色标注模型
• 4.1 系统描述
• 4.1.1 数据资源
• 4.1.2 标注单元
• 4.1.3 标注步骤
• 4.2 特征描述
• 4.2.1 基于词层面的特征
• 4.2.2 基于正交表的特征模板的选优
• 4.3 后处理策略
• 4.4 模型评价
• 4.5 实验方案
• 4.6 基于词层面特征不含通用语义角色的实验
• 4.6.1 基于词层面的不含通用语义角色的边界识别结果
• 4.6.2 基于词层面的不含通用语义角色的分类结果
• 4.7 基于词层面含有通用语义角色的实验
• 4.7.1 含有通用语义角色的边界识别结果分析
• 4.7.2 含有通用语义角色的角色分类结果分析
• 第5章 融合汉语基本块信息的语义角色标注模型
• 5.1 基于基本块的特征
• 5.2 特征选择
• 5.3 交叉验证方差计算
• 5.4 实验结果分析
• 第6章 总结及展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 附录A:山大973词性标注体系及其与清华大学词性映射关系
• 附录B:实验用正交表及PB表
• 攻读学位期间取得的研究成果
• 致谢
• 个人简况及联系方式