漢語復(fù)句關(guān)系詞自動標(biāo)識中規(guī)則自動生成方法研究.pdf

1、中文信息處理的研究一般分為三個階段:字的處理，詞的處理以及句和篇章的處理?，F(xiàn)今我國已經(jīng)在字的處理，以及詞的處理方面取得了很多的研究成果，并得到了很好的實用。例如漢語分詞的研究已經(jīng)獲得了廣泛的應(yīng)用。漢語復(fù)句的研究卻一直進(jìn)展艱難，而復(fù)句中的關(guān)系詞對漢語復(fù)句的研究起著關(guān)鍵的作用。
　　在基于規(guī)則的復(fù)句關(guān)系詞自動標(biāo)識的研究中，規(guī)則是研究的核心，決定著自動識別系統(tǒng)的實用性、準(zhǔn)確性。本文在復(fù)句關(guān)系詞特征研究的基礎(chǔ)上，研究了規(guī)則的表示方法、以及

2、規(guī)則自動生成器，根據(jù)人工挖掘的規(guī)則探討了規(guī)則自動挖掘的方法。
　　由于中文復(fù)句信息的特殊性和復(fù)雜性，本文首先對大量的復(fù)句語料進(jìn)行了研究和分析，總結(jié)出了復(fù)句中的信息特征，然后將這些特征利用統(tǒng)一的符號進(jìn)行形式化，使得計算機(jī)能夠理解這些復(fù)句規(guī)則的信息。根據(jù)這些復(fù)句規(guī)則的特點，將這些規(guī)則分類入庫。其次，在規(guī)則庫不斷的完善和擴(kuò)充時，對每一條入庫的規(guī)則在入庫之前進(jìn)行規(guī)則沖突的檢測和處理。通過沖突的檢測和處理使規(guī)則庫中的規(guī)則保持一致性，避免重復(fù)

3、的、矛盾的規(guī)則入庫，同時保證包含沖突的規(guī)則在入庫之前得到處理，避免規(guī)則引擎調(diào)用的時候出現(xiàn)混亂。本文通過對人工挖掘的1029條規(guī)則進(jìn)行入庫檢測，根據(jù)其檢測的結(jié)果和人工的確認(rèn)，發(fā)現(xiàn)規(guī)則沖突檢測的方法是可行有效的。
　　針對人工挖掘規(guī)則的各種不便和可能的錯誤，在規(guī)則形式化和人工挖掘規(guī)則的研究工作的基礎(chǔ)之上，本文探討了一種基于頻繁項集的漢語復(fù)句關(guān)系詞關(guān)聯(lián)規(guī)則挖掘算法。通過自動的進(jìn)行大量的復(fù)句語料篩選、復(fù)句特征分析和規(guī)則庫中規(guī)則的匹配，可以