基于规则的英语名词短语结构自动识别研究

［关键词］规则；英语名词短语；短语结构；自动识别；语料库［中图分类号］Ｈ３１３［文献标识码］Ａ［文章编号］１００９－９０４２（２０１３）０７－００７０－０３
ＲｅｓｅａｒｃｈｏｎＡｕｔｏｍａｔｉｃＲｅｃｏｇｎｉｔｉｏｎｏｆＮｏｕｎＰｈｒａｓｅＳｔｒｕｃｔｕｒｅＢａｓｅｄｏｎＲｕｌｅｓ
Ｋｅｙｗｏｒｄｓ：ｕｌｒｅｓ；Ｅｎｇｌｉｓｈｎｏｕｎｐｈｒａｓｅｓ；ｐｈｒａｓｅｓｔｕｃｒｔｕｒｅ；ａｕｔｏｍａｔｉｃｒｅｃｏｇｎｉｔｉｏｎ；ｃｏｒｐｕｓ
名词短语是英语句子的核心组成部分，然而不同名词短语类型的结构用法及其在句子中所作成分的复杂性一直困扰着英语的机器识别技术。基本名
作者简介：章忠宪（１９６３一），男，安徽安庆人，漳州职业技术学院计算机工程系副教授，硕士，主要从事人工智能研究。
第２９卷第７期
章忠宪：基于规则的英语名词短语结构自动识别研究
・７１・
串在逻辑上可能发生的各种情况，即改变、减少和增加，总之都是一种变化。同化规则属于转换规则。
ｓｅｍａｎｔｉｃｃｏｌｌｏｃａｔｉｏｎ，ｒｅｖｅａｌｓｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｎｏｕｎｐｈｒａｓｅｔｙｐｅａｎｄｉｔｓｃｏｍｐｏｓｉｔｉｏｎｉｎｔｈｅｓｅｎｔｅｎｃｅ，ｏｂｖｉｏｕｓｌｙｉｍｐｒｏｖｅｓｔｈｅａｃｃｕｒａｃｙｏｆｎｏｕｎｐｈｒａｓｅｒｅｃｏｇｎｉｔｉｏｎ．
词短语（ＢａｓｅＮＰ）是Ｃｈｕｒｃｈ在英语中首次提出的，他
式” ：限定词＋形容词＋中心名词（ｈｅａｄｗｏｒｄ）＋六类后置定语（定语从句、同位语从句、形容词短语、分词短语、不定式短语、介词短语）。其中，限定词和
ｐｕｓ（１９９８），ｄｉｓｃｕｓｓｅｓｔｈｅｕｓａｇｅｏｆＥｎｇｌｉｓｈｎｏｕｎｐｈｒａｓｅｓｔｕｃｒｔｕｒｅｒｕｌｅｓ，ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｌ —
ｇｏｒｉｔｈｍｏｆｈｅａｄ —ｗｏｒｄｃｏｌｌｏｃａｔｉｏｎｏｆｗｏｒｄｓ，ｐａｔｔｅｒｎｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｏｆｐａｒｔｏｆｓｐｅｅｃｈａｎｄ
Ａｂｓｔｒａｃｔ：ＴｈｅｎｏｕｎｐｈｒａｓｅｉｓａｃｏｒｅｐａｒｔｏｆＥｎｇｌｉｓｈｓｅｎｔｅｎｃｅｓｔｒｕｃｔｕｒｅ，ｂｕｔｓｔｕｃｒｔｕｒｅａｎｄｕｓａｇｅｏｆｄｉｆｆｅｒｅｎｔｎｏｕｎｐｈｒａｓｅｔｙｐｅｓａｎｄｔｈｅｉｒｃｏｍｐｌｅｘｉｔｙｏｆｃｏｎｓｔｉｔｕｅｎｔｓｉｎｔｈｅｓｅｎｔｅｎｃｅｈａｖｅｐｌａｇｕｅｄｔｈｅＥｎｇｌｉｓｈｍａｃｈｉｎｅｒｅｃｏｇｎｉｔｉｏｎｔｅｃｈｎｏｌｏｇｙ．Ｔｈｉｓｐａｐｅｒ，ｏｎｔｈｅｂａｓｉｓｏｆｔｈｅＰｅｏｐｌｅｓＤａｉｌｙｃｏｒ－
我需要一本书来消磨时间。
Ｉｐｌａｎｔｏｒｅａｄｔｈｅｂｏｏｋｂｏｕｇｈｔｙｅｓｔｅｒｄａｙｔｏｋｉｌｌｔｈｅ
ｔｉｍｅ。
同化的作用是使一个元音或辅音与另一个更近似，甚至同一。原则上，同化对元音和辅音都能起作用。同化具体可以从三个方面说来：对象、方向和范围。同化的对象可能是一个语音的某些甚至全部特征：清浊、音位或音式。同化作用在两者之间发生，所以
置定语复式的出现。在英语里，修饰名词的定语，其语序的位置也是极有规律的，下面是一个 “ 黄金公
收稿日期：２０１３－０４－２２
英语变换规则类型有三个：转换规则——词素的某个位置，一个音被另一个不同的音替换；脱略规则——解释一个音、几个音从一个词素脱落、省略的现象；扩充规则—— 在现存结构下，插入一个新音以扩展该词素。这些分类没有遗漏地说明了一个语音
ｐｒｏｆｅｓｓｏｒｉｎｔｈｅｓｃｈｏｏ１．
（ｕｎｉｖｅｒｓａ１）限定词（如ａｌ１）以及部分性（ｐａｒｔｉｔｉｖｅ）限
定词（如ｓｏｍｅ）；根据限定词的性质可以分成限制性（ｄｅｉｆｎｉｔｅ）限定词如ｔｈｉｓ、ｙｏｕｒｓ、Ｊｏｈｎ ’ Ｓ等，以及非限制性（ｉｎｄｅｆｉｎｉｔｅ）限定词如ａｎ、ｓｏｍｅ、ｍａｎｙ。而与英文写作比较密切相关的一种分类法是根据限定词与限定词之间的搭配关系，即不同限定词在名词词组中
形容词为前置定语，后面六种则为后置定语，因此，
可以称之为英语定语的“ 左二右六 ” 规律。本文就英
将英语中的ＢａｓｅＮＰ定义为“ 非嵌套的名词短语 ” ，也
就是说，一个ＢａｓｅＮＰ内部不能再包含有更小的名词
称为限定词。限定词的分类，根据限定范围可以分为全称性
２）用在序数词和形容词最高级前，如：ａ：Ｄｅｃｅｍ —
ｂｅｒｉｓｔｈｅｌａｓｔｍｏｎｔｈｏｆｔｈｅｙｅａｒ；ｂ：Ｈｅｉｓｔｈｅｙｏｕｎｇｅｓｔ
置定语，即修饰语位于被修饰名词的前面；后置定语即修饰语位于被修饰名词的后面。后置修饰定语包括同位语从句、定语从句、不定式、介词短语、分词短
语、副词短语和形容词短语等，而且还会有不同的后
（一）基于变换的规则
具有方向性。Ａ、Ｂ两个音，如果同化的方向是Ａ —Ｂ（从右到左），这就是逆向同化。反之，Ａ— Ｂ型（从左到右）同化也就是正向同化。（二）基于实例的规则
我计划读昨天买的那本书来消磨时间。在第一句中，ａｂｏｏｋ只是ｏｎｅｂｏｏｋ或ａｎｙｂｏｏｋ，是泛指某一本书，用不定冠词。在第二句中，ｔｈｅｂｏｏｋ就是ｔｈａｔｂｏｏｋ，特别指出是昨天买的那本，所以
语名词短语结构基于规则的自动识别技术进行研究，以提高名词短语的识别精度。
一
短语。而名词与它的修饰语一起构成名词短语，二
者之间有两种位置关系：前置定语及后置定语。前
、
基于规则的方法
Ｖｏ１．２９Ｎｏ
基于规则的英语名词短语结构自动识别研究
章忠宪
（漳州职业技术学院计算机工程系，福建漳州３６３０００）［摘要］名词短语是英语句子的核心组成部分，然而不同名词短语类型的结构用法及其在句子中成分
第２９卷第７期
２０１３年７月
吉林工程技术师范学院学报
ＪｏｕｒｎａｌｏｆＪｉｌｉｎＴｅａｃｈｅｒｓＩｎｓｔｉｔｕｔｅｏｆＥｎｇｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｙ
ＺＨＡＮＧＺｈｏｎｇ－ｘｉａｎ
（ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇＤｅｐａｒｔｍｅｎｔ，ＺｈａｎｇｚｈｏｕＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，ＺｈａｎｇｚｈｏｕＦｕｊｉａｎ３６３０００，Ｃｈｉｎａ）

合集下载

constituent_analysis语言学名词解释_概述及解释说明

constituent analysis语言学名词解释概述及解释说明1. 引言1.1 概述在语言学中，constituent analysis（成分分析）是一种重要的方法论，旨在通过对句子的结构和组成部分进行分析和解释来理解语言的基本结构和规则。

通过将句子划分为若干独立且有意义的成分，我们可以深入探究语言的组织方式，揭示出句子成立的语法层次结构。

1.2 文章结构本文将从以下几个方面对constituent analysis进行解释和阐述。

首先，在“2. constituent analysis语言学名词解释”部分，我们将给出constituent analysis 的定义，并介绍其重要性及其原理与方法。

接着，在“3. 概述及解释说明”部分，我们将详细讨论constituent analysis的分析目标、对象、步骤和流程，并评估其优点和局限性。

随后，在“4. 实际应用案例分析”部分，我们将提供一些具体应用实例，包括学术研究领域和自然语言处理领域。

最后，在“5 结论”部分，我们会对主要观点和发现进行总结，并展望constituent analysis未来的发展方向。

1.3 目的本文旨在全面介绍和解释constituent analysis这一语言学名词，为读者提供对该方法论的深入理解。

通过阅读本文，读者将能够了解到constituent analysis 在语言学中的重要性，并对其原理、方法及实际应用有所掌握。

同时，我们希望通过本文的撰写，促进对constituent analysis的研究与讨论，为语言学领域的发展做出贡献。

2. constiuent analysis语言学名词解释2.1 定义constituent analysis（成分分析）是一种语言学方法，用于研究句子结构和组成成分之间的关系。

该方法通过对句子进行分解，将其划分为各个成分，并进一步揭示句子中各个成分之间的层级结构和依存关系。

名词短语的可及性与关系化一项类型学视野下的英汉对比研究

名词短语的可及性与关系化一项类型学视野下的英汉对比研究一、本文概述本文旨在通过类型学的视角，对英汉两种语言中的名词短语可及性与关系化现象进行深入对比研究。

我们将探讨两种语言在处理名词短语时的共性与差异，特别是它们在构建和表达复杂语义关系时的不同策略。

本文的研究不仅有助于我们更深入地理解英汉语言的本质特点，也有助于揭示人类语言的普遍规律。

在概述部分，我们将首先界定名词短语可及性与关系化的概念，并阐述这两种现象在语言研究中的重要性。

接着，我们将回顾以往的相关研究，分析当前研究的不足，并说明本文的研究目的和研究问题。

我们还将介绍本文的研究方法，包括语料来源、数据处理方法以及数据分析工具等。

通过本文的研究，我们期望能够揭示英汉两种语言在名词短语可及性与关系化方面的异同，为语言类型学研究提供新的视角和证据。

我们也希望能够为英汉语言的教学和翻译实践提供有益的启示和建议。

二、文献综述可及性（Accessibility）和关系化（Relationalization）是语言学中两个核心概念，尤其在类型学视野下，对于不同语言的名词短语结构和功能差异具有重要的解释力。

本文旨在从类型学的角度出发，对英汉两种语言中的名词短语可及性与关系化现象进行深入的对比研究。

名词短语的可及性通常指的是在语言中名词短语被识别、提取和加工的难易程度。

这一概念与句法结构、语义关系以及认知心理等多个方面紧密相关。

在汉语和英语中，名词短语的可及性受到多种因素的影响，如词序、修饰语的位置和类型、以及名词短语内部的层级结构等。

通过对比研究，我们可以发现英汉两种语言在名词短语可及性方面的异同，以及这些差异如何影响语言的表达和理解。

关系化则是指通过一定的语法手段将名词短语转化为从句的过程。

关系化现象在不同语言中表现出不同的类型和特点，反映了语言类型学的多样性。

在汉语中，关系化通常通过“的”字结构来实现；而在英语中，则主要依赖于关系代词和关系副词。

通过对比英汉两种语言的关系化手段，我们可以深入了解它们在句法结构、语义功能和信息组织方面的差异。

短语结构类型的句法分析方法

短语结构类型的句法分析方法短语结构是语言中句子和短语的组织形式。

句法分析是一种对句子进行结构分析的方法，它的目的是确定句子中的短语结构类型及其组成关系。

本文将介绍两种常见的句法分析方法：基于规则的句法分析和基于统计的句法分析。

基于规则的句法分析基于规则的句法分析方法使用语法规则来分析句子的结构。

这些规则基于语言学知识，描述了句子中不同短语类型的构成方式和组织规则。

例如，常见的语法规则包括名词短语的组成方式、动词短语的结构等。

基于规则的句法分析方法通常需要手动编写和调整语法规则，以适应不同语言或语境的特点。

它的优势在于能够提供准确的语法分析结果，尤其在针对已有语法知识较为充分的语言上表现良好。

然而，基于规则的句法分析方法也存在一些局限性。

首先，编写规则需要耗费大量时间和精力，且对语法知识的要求较高。

其次，对于包含复杂句子结构和歧义的语言，规则的编写和应用难度较大。

因此，基于规则的句法分析方法在处理具有大规模语料库或多语言的情况下可能存在一定局限性。

基于统计的句法分析基于统计的句法分析方法使用机器研究技术和大规模语料库来分析句子的结构。

这种方法通过训练模型研究语法规则和短语结构类型，然后利用这些模型对未知句子进行结构分析。

常见的统计方法包括最大熵模型、条件随机场和神经网络等。

基于统计的句法分析方法的优势在于它能够根据大规模语料库中的统计规律进行准确的句法分析。

它适用于处理大规模语料库和多语言的情况，并且在处理复杂句子结构和歧义性时表现较好。

结论短语结构类型的句法分析方法包括基于规则的句法分析和基于统计的句法分析。

基于规则的方法适用于具有充分语法知识和需要精确分析结果的情况，而基于统计的方法则适用于大规模语料库和多语言分析，并能处理复杂句子结构和歧义性。

根据实际需求，可以选择合适的方法进行句法分析，并进行相应的应用和改进。

共指消解模型

共指消解模型共指消解（Coreference Resolution）是自然语言处理（NLP）中的一个基本任务，其主要目的是自动识别表示同一个实体的名词短语或代词，并将它们归类。

在自然语言文本中，实体可能以不同的形式出现，例如专有名词、名词性词和代词等。

共指消解的任务就是找出这些不同形式的实体之间指代同一实体的关系。

共指消解模型是指用于解决这一问题的算法或方法。

常见的共指消解模型主要有以下几类：1、基于规则的方法：这类方法主要依靠预先设计的规则来识别和处理共指关系。

例如，可以根据实体和指称之间的关系、实体和实体之间的距离等因素来识别共指关系。

然而，这类方法在面对复杂和多样化的语言现象时，效果可能有限。

2、基于统计学习的方法：这类方法通过训练数据来学习共指消解的模型。

常见的算法有条件随机场（CRF）、朴素贝叶斯（Naive Bayes）和 Support Vector Machine（SVM）等。

这类方法可以在较大程度上克服规则方法的局限性，但对于一些复杂的共指现象仍可能存在误判。

3、基于深度学习的方法：随着深度学习技术的快速发展，研究者开始将其应用于共指消解任务。

常见的深度学习模型有循环神经网络（RNN）、长短时记忆网络（LSTM）、门控循环单元（GRU）和卷积神经网络（CNN）等。

这类方法可以在大量数据上进行训练，从而更好地捕捉共指关系。

然而，深度学习模型通常需要大量的计算资源和时间。

4、基于注意力机制的方法：注意力机制是一种机制，可以使得模型在输入序列中关注与当前目标实体相关的部分。

通过引入注意力机制，模型可以更好地捕捉共指关系，提高消解效果。

5、融合方法：为了综合利用不同方法的优势，一些研究者开始将多种方法进行融合。

例如，可以将基于规则的方法和基于统计学习的方法相结合，或者将深度学习模型与注意力机制相结合等。

词块的界定、分类与识别

词块的界定、分类与识别一、本文概述词块，作为一种重要的语言现象，广泛存在于自然语言处理、语言教学和语言学习的各个领域。

本文旨在对词块的界定、分类与识别进行深入研究，以期提高我们对词块的理解和应用。

我们将对词块的概念进行界定，明确其定义和性质。

接着，我们将对词块进行分类，根据词块的结构和功能，将其划分为不同的类型。

我们将探讨词块的识别方法，包括基于规则的识别方法和基于统计的识别方法，并比较它们的优缺点。

通过本文的研究，我们希望能够为自然语言处理、语言教学和语言学习等领域提供有益的参考和启示。

二、词块的界定词块，又称为词汇短语、预制语块或词汇块，是自然语言中的一种独特现象。

其概念起源于语言学家对词汇和语法之间界限的重新思考，尤其是在语言交际和习得过程中，人们发现许多常用的语言结构并非由单个单词构成，而是由多个单词组合而成的固定或半固定的短语结构。

这些短语结构在形式和功能上都具有相对的稳定性，能够作为整体预制并存储在记忆中，从而在实际交际中快速、准确地提取和使用。

词块的界定可以从多个维度进行。

从结构上看，词块通常是由多个单词组成的固定或半固定的短语，这些单词之间具有一定的语法和语义关系。

例如，“by the way”是一个常见的词块，由介词“by”和名词短语“the way”组成，整体表达一种转换话题的语义功能。

从功能上看，词块在语言交际中扮演着重要的角色，它们能够作为整体直接提取使用，从而提高语言使用的准确性和流利性。

例如，在口语中，人们经常使用各种习语和短语来表达复杂的情感和态度，这些习语和短语就是典型的词块。

词块还可以根据使用频率和固定性进行分类。

一些词块的使用频率非常高，几乎在所有的语境中都可以使用，如“I think so”“How are you?”等。

这些词块具有较高的固定性，其结构和意义相对稳定，不易发生变化。

而另一些词块的使用频率较低，固定性也相对较低，它们通常只在特定的语境中使用，如“a piece of cake”（小菜一碟）、“kick the bucket”（去世）等。

自然语言处理中的语义理解技术研究综述

自然语言处理中的语义理解技术研究综述自然语言处理（Natural Language Processing，NLP）是人工智能领域中一个重要的研究方向。

语义理解作为NLP 的核心技术之一，致力于使机器能够准确理解和解释人类语言的含义。

语义是指词语、短语或句子所表达的意义，而语义理解则是指将自然语言转化为机器可理解和处理的形式。

随着人工智能的快速发展和广泛应用，语义理解技术也愈加重要。

在实现机器与人类之间更加自然和有效的交互过程中，这种技术扮演着关键的角色。

本文将从语义理解的基本概念、方法和应用领域等方面进行深入探讨。

首先，我们介绍语义理解的基本概念和研究内容。

语义理解的目标是将自然语言转化为机器可理解的形式，包括词义消歧、句法分析、语义角色标注、语义关系抽取等任务。

其中，词义消歧是解决一个词在不同上下文中的含义问题，句法分析是为了分析句子的组成结构，语义角色标注是指识别句子中名词短语的语义角色，而语义关系抽取则是从句子中抽取出不同实体之间的关系。

接着，我们探讨语义理解的主要方法与技术。

目前，主流的语义理解方法包括基于规则的方法、基于统计的方法以及基于深度学习的方法。

基于规则的方法主要依靠专家定义的规则和语法规则来进行语义解析，但这种方法往往需要大量的人工参与和知识库的支持，且适用范围有限。

基于统计的方法则通过分析大量的语料库来学习词语和语句之间的搭配规律，但该方法对语言数据的大规模训练和处理要求较高。

而基于深度学习的方法凭借其强大的学习能力和一定的泛化能力在语义理解领域取得了显著的成果，如递归神经网络（Recursive Neural Networks，RNN）、长短时记忆网络（Long Short-Term Memory，LSTM）等。

在语义理解的应用领域方面，该技术已经被广泛应用。

其中，问答系统、机器翻译、信息抽取、智能对话等领域是语义理解技术的重要应用场景之一。

例如，问答系统通过对用户问题的语义进行理解和分析，从大量的知识库中提取相关信息并给出准确的回答。

徐磊英语语法

徐磊英语语法导言：英语作为国际通用语言之一，掌握好英语语法对于学习和使用英语至关重要。

本文将介绍徐磊教授对英语语法的研究成果以及其对英语学习者的重要意义。

一、徐磊教授对英语语法的研究成果1.1 语法类别的划分徐磊教授通过对大量英语文本的语义分析，提出了一种新的语法类别划分方法。

传统的语法类别划分常常基于形式上的特征，而徐磊教授提出的方法则更加注重语义特征。

他认为，语言作为人类思维的表达方式，语法类别应该基于语言的意义而非仅仅基于形式。

1.2 基于认知语法的研究徐磊教授对认知语法的研究尤为深入。

他认为，语法规则是人类认知结构的表现。

因此，通过研究认知过程中的认知结构和表达方式，可以更好地理解和运用英语语法规则。

他对英语动词短语和名词短语的认知结构进行了详细研究，并提出了一系列有关语法规则的新理论。

1.3 句法分析和语言生成的应用徐磊教授的研究成果不仅仅停留在理论层面，他还将自己的研究成果应用于句法分析和语言生成。

通过对英语句子的深入分析和理解，可以更好地识别句子的成分和结构，从而提高句法分析的准确性。

同时，通过对语法规则的理解和应用，可以更好地生成符合语法规则的英语句子。

二、徐磊教授对英语学习者的重要意义2.1 帮助学习者理解语法规则对于英语学习者来说，徐磊教授的研究成果对于理解和掌握英语语法规则至关重要。

传统的语法教学往往注重形式，而徐磊教授的研究则更注重语义和认知过程。

通过学习徐磊教授的理论，学习者可以更深入地理解语法规则的背后逻辑，从而更好地应用于实际语言表达中。

2.2 提高语言表达水平徐磊教授的研究成果对于提高英语学习者的语言表达能力有很大的帮助。

通过深入研究语义和认知过程，学习者可以更好地理解和运用不同的语法规则，从而使自己的语言表达更加准确和流畅。

2.3 促进语言学科的发展徐磊教授的研究成果对于语言学科的发展具有积极的推动作用。

他提出的新的语法类别划分方法和基于认知语法的研究，为语言学研究提供了新的思路和方法。

论英语介词短语的名词化——作主语和作宾语的规则限定

2272020年24期总第516期ENGLISH ON CAMPUS论英语介词短语的名词化——作主语和作宾语的规则限定文/颜顺开理由可从以下这一例句中探得：(5)The project will cost between eight and ten million dollars.③这项工程的花费在800万到1000万美元之间。

cost作动词时，系及物动词，按传统语法的要求，及物动词后面必须接宾语，且介词短语不能用作宾语。

所以，笔者认为，在穷尽所有的解释方法之前，绝不应当随意“妥协”，将between eight and ten million dollars看作是介词短语作宾语。

笔者尝试作以下两种分析：第一种：保留between在句中作介词词性的这一前提因为million具有名词词性，所以也可以将between eightand ten million看作是一个介词短语④。

由此，产生了两种推论方向：A.介词短语between eight and ten million作前置定语一般来说，介词短语均是作后置定语修饰名词，但是这又并非绝对。

例如：under-the-counter dealings(台下/秘密/私下交易)；on-the-spot report(现场报道)。

不过，这类介词短语有一个很明显的特征，就是作前置定语的时候需要用连字符“-”进行连接。

况且，under-the-counter 在《牛津高阶英汉双解词典》中直接被标注了形容词词性，完全丧失了under作为介词的词性。

所以，笔者认为，将between eight and ten million解释为“介词短语作前置定语修饰名词dollars”的理由不够充分，也实难被认可。

故而，排除A。

B.介词短语between eight and ten million作状语介词短语可以作状语，状语可以位于谓语、宾语之间，所以，依B的解释没有任何问题。

基于辅助短语标记的名词短语识别

基于辅助短语标记的名词短语识别刘飞;周俏丽;张桂平【摘要】名词短语的识别是自然语言处理领域中非常重要的子任务.而名词短语的识别性能与识别效率一直是研究人员关注的焦点,为了达到兼顾二者的目的,提出了一种基于辅助短语标记识别名词短语的方法.首先,在分析了短语不同分类体系的基础上,构建了一种映射公式,并根据该公式对不同分类体系的短语类别之间进行映射.然后,根据映射结果及短语的概率分布进行辅助短语标记的组合.实验结果表明,本文的方法在提高F值的基础上,有效地降低了系统的时间开销.【期刊名称】《沈阳航空航天大学学报》【年(卷),期】2014(031)001【总页数】8页(P52-59)【关键词】辅助短语标记;名词短语;映射公式【作者】刘飞;周俏丽;张桂平【作者单位】沈阳航空航天大学知识工程中心,沈阳110136;沈阳航空航天大学知识工程中心,沈阳110136;沈阳航空航天大学知识工程中心,沈阳110136【正文语种】中文【中图分类】TP391.1自然语言处理的主要任务是使机器自动的理解人类语言，而名词短语的识别是自然语言处理领域中非常重要的子任务，它直接关系到文本分析和文本处理的正确性。

例如，信息抽取系统将名词短语作为它的主要识别对象。

同时，名词短语的识别又是自然语言处理领域中许多子任务的基础。

名词短语的实质是关于名词的特殊表达，例如，为了表达“心情愉悦”，通常会附带一系列的例如“跑”、“跳”、“笑”之类的动词，然而通过这些动词很难猜测出文章所要阐述的主要内容。

但是，我们可以根据“心情”、“笑容”、“开心”之类的名词，便可以轻而易举的揣测出文章所要表达的主要思想。

由此可见，为了使机器自动理解人类语言，名词短语的识别是其必经之路。

此外，作为一项重要的基础研究，名词短语的自动识别与分析对于自然语言处理领域中的许多应用研究，包括句法分析、信息检索、信息抽取、机器翻译等，都具有重要的实践意义[1]。

当前，针对名词短语(NP)的识别，研究较多的主要有最短名词短语的识别和最长名词短语的识别。

《自然语言理解》课程作业

《自然语言理解》课程作业课程编号：71253Z课程属性：专业基础课学时/学分：40/2预修课程：概率论与数理统计、算法分析与程序设计主讲人：宗成庆联系方式：E-mail: cqzong@ Tel. 6255 4263一、作业目的：通过本课程作业加深对自然语言理解基础理论的认识和了解，锻炼和提高分析问题、解决问题的能力。

通过对具体项目的任务分析、技术调研、数据准备、算法设计和编码实现以及系统调试等几个环节的练习，基本掌握实现一个自然语言处理系统的基本过程。

二、作业题目：1．实现一个汉语或英语的命名实体自动识别系统（Named entity identification）命名实体一般指如下几类专用名词：人名、地名和组织机构名。

选做本题目时，可实现汉语或英语中任意一种类型的命名实体识别。

2．实现一个汉英人名自动互译系统（Chinese-English person name translation）本题目要求实现一个汉语人名（包括中国人名和外国人译名）和英语人名的自动翻译系统。

3．实现一个汉语自动分词系统（Chinese word segmentation）本题目要求实现一个汉语自动分词系统。

如果在本题目中不考虑命名实体识别问题，歧义消解和集外词处理是汉语自动分词中的关键问题。

4．实现一个汉语或英语的词类自动标注系统（Automatic part-of-speech tagging）本题目要求实现一个汉语或英语的词类自动标注系统。

5．实现一个汉语和英语两种语言中数字、日期或时间、货币数量表达的自动识别和翻译系统数字、日期或时间、货币数量等在自然语言中有特殊的表达方式。

如汉语：“2011年3月8日”的英语表达是：“March 8, 2011”或“3 March 2011”等。

选做本题目时可实现某一种表达的识别和单向翻译，也可实现双向互译。

6．实现一个（汉语/英语）词义自动消歧系统（Word sense disambiguation）很多词汇具有一词多义的特点，但一个词在特定的上下文语境中其含义却是确定的。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。