基于多層CRFs的漢語介詞短語識別研究.pdf

1、介詞短語是漢語中一種重要的短語類型，在漢語中占有較大的比例。介詞短語的正確識別可以簡化句子結構;縮小中心動詞的選擇范圍;降低句法分析的難度?；诮樵~短語識別的重要性，本文提出了基于條件隨機場（Conditional Random Fields，CRFs）的漢語介詞短語識別方法，并采用基于轉換的錯誤驅動學習方法對結果進行校正，較好地完成了介詞短語識別任務。
　　本文將介詞短語識別問題轉化為序列標注問題，基于CRFs模型在序列標注上的

2、優(yōu)點，選用CRFs模型作為標注模型，通過分析介詞短語的結構特征，為CRFs模型選取了6個有效的特征，并采用遞增式的學習方法選擇特征模板，優(yōu)化了模型的性能;針對句子中含有多個介詞短語識別效果不理想的現(xiàn)狀，提出了多層識別的方法，分層識別每一個介詞短語，將識別出的介詞短語用特殊的符號替換，進而簡化句子結構，縮短句子的長度;本文為了進一步提高介詞短語識別的效果，采用基于轉換的錯誤驅動學習方法對基于CRFs模型的識別結果進行校正。論文對基于單層C

3、RFs模型、基于多層CRFs模型及加入錯誤驅動學習方法分別進行實驗。
　　實驗證明，本文采用的多層CRFs模型的介詞短語識別方法是有效的。通過對人民日報2000年語料中的7000多個介詞短語進行五倍交叉實驗，精確率、召回率、F1值分別為91.45％、91.39％和91.42％。在引入基于轉換的錯誤驅動的學習方法對識別結果進行校正后，精確率、召回率、F1值分別達到91.98％、91.92％和91.96％，進一步提高了識別的效果。