搭配抽取及中國英語的動詞搭配特征.pdf

1、搭配現(xiàn)象存在于所有自然語言。搭配是語言學中的重要概念，在語料庫語言學、自然語言處理、英語教學、詞典學等領域均有關于搭配的研究。本文結(jié)合語料庫語言學理論和自然語言處理技術，研究搭配的自動抽取，并以中國英語新聞語料為例探討了中國英語的動詞搭配特征。
　　本文基于Manning和Schütze的搭配概念提出了搭配的5個定義特征，即統(tǒng)計頻繁性、組合非修飾性、聚合非替換性、語義非合成性、互譯非直譯性。并在此基礎上提出了一個包含“統(tǒng)計-組合-

2、聚合-語義-互譯”的5個層次的概念框架。
　　本文依據(jù)搭配的概念框架構建“統(tǒng)計-聚合-組合”搭配抽取模型，實現(xiàn)了搭配抽取工具。首先對語料進行自然語言方面的預處理;然后從搭配候選中依次抽取邊緣搭配、半邊緣搭配、核心搭配。邊緣搭配是所有頻率大于等于閾值的依存三元組;半邊緣搭配是使用本文提出的LMP關聯(lián)度方法對邊緣搭配排序后大于閾值的搭配;核心搭配是使用本文建立的相似詞庫進行對半邊緣過濾后不能被相似詞替換的搭配。實驗的訓練集是從中國政府

3、英文網(wǎng)、新華網(wǎng)等爬取的中國英語新聞語料，大小為126M;測試集為從《牛津搭配詞典》選取的813條搭配，評價指標為準確率(P)、召回率(R)和F值(F)。結(jié)果表明，本文中的LMP關聯(lián)度方法優(yōu)于其他關聯(lián)度方法;組合限制可以有效過濾掉大部分噪音;聚合限制可以有效提取非常核心的搭配;在評價抽取方法時關鍵度可以作為測試集采樣的考慮因素之一。
　　最后，本文利用自動抽取的搭配對中國英語的動詞搭配特征進行了研究。通過分析從中國英語新聞語料中自動