中文成分句法分析關(guān)鍵技術(shù)研究.pdf

1、成分句法分析（又被稱作短語結(jié)構(gòu)句法分析）是自然語言處理的核心任務(wù)之一，被廣泛應(yīng)用于包括統(tǒng)計機器翻譯(Statistical Machine Translation)、語義角色標(biāo)注(SemanticRole Labeling)、問答系統(tǒng)(Question Answering)、信息抽取(Information Extraction)在內(nèi)的多種自然語言處理任務(wù)。由于人工標(biāo)注句法數(shù)據(jù)（在句法分析領(lǐng)域，這類數(shù)據(jù)的集合通常被稱作樹庫）的出現(xiàn)，數(shù)據(jù)

2、驅(qū)動的句法分析方法成為當(dāng)前句法分析研究的主流方法。但主流的成分句法分析器雖然能獲得較好的性能，它們的速度卻是非常慢的，這些速度較慢的句法分析模型不能滿足實際應(yīng)用的需求。為此，本文研究并構(gòu)建了一個高效的中文成分句法分析模型，該模型基于移進-規(guī)約算法，其主要的優(yōu)勢在于其能夠快速的進行句法分析，同時保證較好的性能，此外，本文還在基準(zhǔn)系統(tǒng)的基礎(chǔ)上對模型進行了幾點改進。本文的主要內(nèi)容如下:
　　首先，研究并構(gòu)建了中文成分句法分析基準(zhǔn)系統(tǒng)。系

3、統(tǒng)基于移進-規(guī)約算法，它是一個自底向上的句法分析算法，將成分句法分析過程轉(zhuǎn)化成一個最優(yōu)動作序列的搜索過程。該算法是一個線性的算法，所以能夠高效率的完成句法分析任務(wù)。在訓(xùn)練過程中選擇感知機模型，對算法進行建模，在解碼模塊使用柱搜索技術(shù)，既保證了算法的線性時間復(fù)雜度，又提高了算法的準(zhǔn)確性。本文之后的研究以及改進的方法都將在這個基準(zhǔn)系統(tǒng)上展開。
　　其次，研究了提高中文成分句法分析性能的方法。通過對基準(zhǔn)系統(tǒng)實驗結(jié)果的分析提出了兩種方法來

4、改進分析模型:第一種是通過使用更豐富的句法分析特征來改進句法分析模型;另一種是使用基于半指導(dǎo)的方法，擴大訓(xùn)練集規(guī)模，提高句法分析動作判斷的準(zhǔn)確率，改進基準(zhǔn)系統(tǒng)的性能。
　　本文的貢獻度主要表現(xiàn)在:研究并構(gòu)建了一個高效的成分句法分析系統(tǒng)，在實驗中可以達到每秒80句以上的分析速度。提出了兩種改進句法分析模型的方法，并通過驗證了這兩種方法對句法分析性能的改進作用。最終的實驗表明，本文提出的方法能夠有效的改進成分句法分析模型的性能。在使用