QQ客服 官方微博 反馈留言

	汉语功能块自动分析
	周强 ; 赵颖泽 ; ZHOU Qiang ; ZHAO Yingze
	2010-07-15 ; 2010-07-15
会议名称	内容计算的研究与应用前沿——第九届全国计算语言学学术会议论文集 ; Frontiers of Content Computing:Research and Application--Proceedings of the 9th Chinese National Conference on Computational Linguistics ; 第九届全国计算语言学学术会议 ; 9th Chinese National Conference on Computational Linguistics ; 中国辽宁大连 ; CNKI ; 大连理工大学、清华大学智能技术与系统国家重点实验室
关键词	部分分析 汉语功能块 边界识别模型 序列标记模型 模型融合 Partial Parsing Functional Chunk Boundary Recognition Model Sequence Labeling Model Model Merging H087
其他题名	Chinese Functional Chunk Parsing
中文摘要	汉语功能块描述了句子的基本骨架,是联结句法结构和语义描述的重要桥梁。本文通过对功能块描述特点的深入分析,提出了两种不同分析模型：边界识别模型和序列标记模型,并使用不同的机器学习方法进行了计算模拟。通过两种模型分析结果的有机融合,充分利用了两者分析结果的互补性,对汉语句子的主谓宾状四个典型功能块的自动识别性能达到了80%以上,取得了较好的实验结果。; Chinese functional chunks are defined as a series of non-overlapping,non-nested skeleton segments of a sentence,representing the implicit grammatical relations between the sentence-level predicates and their arguments.In this paper,we proposed two statistical models for parsing three main functional chunks in a sentence.In the chunk boundary detection model,we focus on building the sub models based on SVM algorithm for detecting SP(subject-predicate) and PO(predicate-object) boundaries.In the sequence labeling model,we formulate the chunking task as a sequence labeling problem and base our model on CRF algorithm.By introducing some revision rules,we build a combined parsing model which integrates the advantages of both statistical models and have achieved the best F-Score of 82.93%,82.84% and 78.46% for subject,predicate and object functional chunks respectively.; 国家自然科学基金(项目号：60573185和60520130299)
会议录出版者	清华大学出版社
语种	中文 ; 中文
内容类型	会议论文
源URL	[http://hdl.handle.net/123456789/69971]
专题	清华大学
推荐引用方式 GB/T 7714	周强,赵颖泽,ZHOU Qiang,等. 汉语功能块自动分析[C]. 见:内容计算的研究与应用前沿——第九届全国计算语言学学术会议论文集, Frontiers of Content Computing:Research and Application--Proceedings of the 9th Chinese National Conference on Computational Linguistics, 第九届全国计算语言学学术会议, 9th Chinese National Conference on Computational Linguistics, 中国辽宁大连, CNKI, 大连理工大学、清华大学智能技术与系统国家重点实验室.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。