中文新聞?wù)Z料中的時(shí)間短語(yǔ)識(shí)別方法研究.pdf

1、 在自然語(yǔ)言中，時(shí)間信息是一種重要的信息，它是一個(gè)事件的重要組成部分，研究表明，它在文本信息中所占的比重僅次于專有名詞。在日常生活中，當(dāng)人們閱讀一篇新聞時(shí)，他們總是要把文章的內(nèi)容和時(shí)間信息聯(lián)系起來(lái)，通過(guò)文章中的時(shí)間信息可以了解一個(gè)事件的開始、進(jìn)行、結(jié)束以及事件發(fā)生的頻率，把握一個(gè)事件發(fā)生的全過(guò)程，了解事件發(fā)展的前因后果，作為進(jìn)一步?jīng)Q策的重要依據(jù)。因此，時(shí)間相關(guān)信息的處理是自然語(yǔ)言理解過(guò)程中一個(gè)非常重要的部分，它對(duì)于信息抽取、信息檢

2、索、問答系統(tǒng)、主題發(fā)現(xiàn)和跟蹤、文本摘要和數(shù)據(jù)挖掘領(lǐng)域都具有重大的意義。 本文的研究重點(diǎn)是明顯時(shí)間信息中的事件時(shí)間短語(yǔ)。在研究中，我們發(fā)現(xiàn)，通過(guò)事件和時(shí)間指示詞組合的時(shí)間短語(yǔ)是文本中表達(dá)明顯時(shí)間信息的短語(yǔ)，我們把它定義為事件時(shí)間短語(yǔ)，它在新聞?wù)Z料中大量的出現(xiàn)。 本文的主要工作如下：1.確定識(shí)別時(shí)間短語(yǔ)的類型：在分析真實(shí)語(yǔ)料的基礎(chǔ)上，以ACE(AutomationContentExtraction)評(píng)測(cè)標(biāo)準(zhǔn)ACEChines

3、eAnnotationGuidelinesforTIMEX2(Summary)為參照，確定本文識(shí)別短語(yǔ)的類型； 2.對(duì)文本進(jìn)行預(yù)處理包括分詞、詞性標(biāo)注； 3.進(jìn)行語(yǔ)料標(biāo)注，提取事件時(shí)間短語(yǔ)和一般時(shí)間短語(yǔ)的規(guī)則以及事件時(shí)間短語(yǔ)的邊界決策特征； 4.針對(duì)文本中不同時(shí)間短語(yǔ)的特點(diǎn)采用不同的方法識(shí)別：識(shí)別事件時(shí)間短語(yǔ)：本文的事件時(shí)間短語(yǔ)識(shí)別是一個(gè)重點(diǎn)內(nèi)容，對(duì)它的識(shí)別采用模式匹配和決策樹相結(jié)合的方法，模式匹配的方法不僅充分

4、的分析了事件時(shí)間短語(yǔ)的內(nèi)部特征，而且還大幅提高了事件時(shí)間短語(yǔ)識(shí)別的召回率；使用決策樹的方法可以通過(guò)邊界決策特征來(lái)提高事件時(shí)間短語(yǔ)識(shí)別的精確率； 識(shí)別一般時(shí)間短語(yǔ)：本文對(duì)一般時(shí)間短語(yǔ)采用兩步走的方法進(jìn)行識(shí)別，先識(shí)別簡(jiǎn)單時(shí)間短語(yǔ)，再用提取的模板規(guī)則將它們組合成復(fù)雜的時(shí)間短語(yǔ)，其中關(guān)鍵是對(duì)時(shí)間模板的提取，盡可能完全的涵蓋待識(shí)別的時(shí)間短語(yǔ)類型； 5.系統(tǒng)構(gòu)建：本文構(gòu)建了一個(gè)時(shí)間短語(yǔ)識(shí)別系統(tǒng)，使用40萬(wàn)字的語(yǔ)料作為訓(xùn)練集，對(duì)文本中