多種特征模板的依存句法分析算法.pdf

1、依存句法分析是相對(duì)與傳統(tǒng)短語(yǔ)結(jié)構(gòu)句法分析更有優(yōu)勢(shì)的工具。它的優(yōu)勢(shì)主要在于簡(jiǎn)單性和普遍性:它可以讓有很少語(yǔ)法背景知識(shí)的人快速地了解一個(gè)句子的結(jié)構(gòu)并且對(duì)于各種語(yǔ)言都用同一種結(jié)構(gòu)來(lái)表示。依存句法分析著眼于分析出句子中的修飾關(guān)系（比如形容詞修飾它后邊緊跟的名詞）。
　　傳統(tǒng)的依存句法分析大致可以分為三類:即基于圖的方法、基于轉(zhuǎn)移的方法和半監(jiān)督的方法。各種方法都有其優(yōu)勢(shì)和劣勢(shì)，但是長(zhǎng)距離依存關(guān)系對(duì)于這些算法來(lái)講都是比較難以克服的問(wèn)題。其中基

2、于圖的方法的研究熱點(diǎn)在于引入高階信息;基于轉(zhuǎn)移的方法的研究熱點(diǎn)在于在原來(lái)的貪心算法的基礎(chǔ)上擴(kuò)大搜索空間;半監(jiān)督算法的研究熱點(diǎn)在于從互聯(lián)網(wǎng)或者其他地方找到外部信息加入到原來(lái)的特征集中。
　　本文提出一個(gè)簡(jiǎn)單有效的方法，即通過(guò)使用基于chunk的信息并且使用多種特征模板來(lái)提高依存分析的性能。論文的主要貢獻(xiàn)在于使用了多種特征模板并且部分解決了長(zhǎng)距離依存問(wèn)題。首先，本論文使用一個(gè)開(kāi)源的一階條件隨機(jī)場(chǎng)模型來(lái)訓(xùn)練出一個(gè)文本chunker（就是

3、把句子劃分成詞組）;然后針對(duì)每一個(gè)句子，本論文使用chunk信息和標(biāo)點(diǎn)符號(hào)信息構(gòu)建出一棵從句-短語(yǔ)樹(shù);最后，本論文根據(jù)從句-短語(yǔ)樹(shù)來(lái)為依存分析算法抽取出基于chunk的特征并把抽取出來(lái)的特征添加到原來(lái)的特征集中。本論文對(duì)MSTParser算法和Carreras算法進(jìn)行擴(kuò)展，實(shí)驗(yàn)結(jié)果表明本論文的方法顯著地超過(guò)baseline系統(tǒng)，而且沒(méi)有使得系統(tǒng)的復(fù)雜度變高。如果給定已知的chunk信息，依存句法分析的準(zhǔn)確率分別從91.36％和92.20