基于決策樹的漢語復句關(guān)系詞自動識別中規(guī)則挖掘方法研究.pdf

1、對漢語復句中關(guān)系詞的自動標識是中文信息處理中的一個研究難題，本課題組前期已經(jīng)研究的“基于規(guī)則的復句關(guān)系詞自動標識系統(tǒng)”所使用的規(guī)則是通過人工的方式挖掘的。該系統(tǒng)是通過對大量語料的分析，得出一些關(guān)于復句中關(guān)系詞自動標識的結(jié)論，然后進一步總結(jié)整理得到形式化的規(guī)則表示形式。通過這些規(guī)則能夠?qū)Σ糠謴途溥M行關(guān)系詞的自動標識，但是由于規(guī)則的有限、復句的無限，以及復句種類繁多，所以使得該系統(tǒng)不能做到對任意復句中的關(guān)系詞進行正確地自動標識。因此，利用計

2、算機自動挖掘技術(shù)來進行規(guī)則的自動挖掘，以實現(xiàn)對任意復句關(guān)系詞的自動標識，是中文信息處理中關(guān)于漢語復句及其關(guān)系詞自動識別研究的重要研究內(nèi)容之一。
　　通過對現(xiàn)有規(guī)則庫中的規(guī)則進行分析得出，一條完整的規(guī)則包含約束條件部分和標識結(jié)果部分。想要根據(jù)某類句型挖掘出一條新規(guī)則，就必須對該句型中的所有準關(guān)系詞進行標識，而標識的結(jié)果就是判定出該準關(guān)系詞是否為關(guān)系詞，也即基于規(guī)則對準關(guān)系詞進行分類。因此，本文在基于規(guī)則的基礎(chǔ)上，將決策樹分類算法融合

3、進來，對基于決策樹的關(guān)系詞自動識別中規(guī)則挖掘方法進行了研究。
　　首先利用準關(guān)系詞查詢規(guī)則庫，對查詢出的數(shù)據(jù)進行預處理，構(gòu)造成數(shù)組形式，然后采用多種不同方式對里面的缺省值進行補齊，利用處理之后的完整數(shù)組構(gòu)建決策樹，最后利用后剪枝的方式對決策樹進行簡化。根據(jù)構(gòu)建決策樹的數(shù)組里面的約束條件挖掘出標識所需信息，并存儲準關(guān)系詞在決策樹中標識時所經(jīng)過的路徑，最后綜合整理標識結(jié)果以及標識過程，挖掘出新規(guī)則。
　　本文實驗中所有的復句全部