基于CRF和转换错误驱动学习的浅层句法分析

２ ０ ［共 享 任务 中组块 的定义 ， 合 中文 的特 点 对组块 进 行定 义 。中文 组块 的定 义 ： ０ ０６ ］ 结 组块 是 句子 中相 邻 的 词语 组成 的 序列 ， 各个 组块 之 间不重 叠 、 不递 归 、 不嵌 套 ， 个 组块具 有 一个核 心词 语 。组块 介 于词语 和句 每 子之 间 ， 并且 具有 一定 的 句法功 能 ， 各个 组块 之 间的关 系是 平行 的 。本文 定 义 了 ６种组块 类 型 （ 型 ， 占汉语 短语 总数 的 ９ 以上 。对 于 每个 组块 ， ０， ９ ６ 都标 注一个 组 块标记 。本 文组 块 的边 界 标 注采 用 Ｉ ２ 注 方 法Ｌ ， 体 的标 注 规则 如 下 ： — 表 示 当前 词是 组 块 ｘ开 始 的词 ； Ｉ ＯＢ 标 ７具 ］ ①Ｂ Ｘ， ② — Ｘ， 示 当前 词是 组块 Ｘ 中 间或者 结尾 的词 ； 表 ③ｏ， 表示 当前词 是 一个 不属 于任 何组 块 的词 。 １ ２ 组块 的 获取 ．
浅 层句 法分 析 （ｈ ｌ ｗ ｐ ｒｉｇ ， 叫部 分句法 分 析 （ ａｔ ｌ ａｓ ｇ 或 者组块 分 析 （ｈ ｎ ａｓ ｇ 。 ｓ ａｌ ａｓ ） 也 ｏ ｎ ｐ ｒｉ ｒｉ ） ａｐ ｎ ｃ ｕ ｋｐ ｒｉ ） ｎ 浅 层句 法分 析将 句法 分析 分成 ： 块 的识 别 和分 析 ； 组 组块 间 的相互 依存关 系分 析 。 目前 浅 层句法 分析 的方 法 主 要 有 ： 于统 计 的方 法 、 基 基于 规 则 的方 法 以及 统 计 和规 则 相 结 合 的 方 法 。在 英 文方 面 ， ｄ Ｅ 利用 Ｋｕ ｏｌ ｉ Ｓ ＶＭ 取 得 了很好 的 组块识 别 效果 ； 中文 的组块 识 别方面 ， 广路 等 ［利用 统计 的方 法 进行 组块 的识 别 ， 在 孙 ２ ］ 黄 德根 等［ 利用 Ｃ Ｆ识别 汉语 组块 。本文将 利 用 Ｃ ３ ］ Ｒ ＲＦ和 转换 错误 驱动 学 习相 结合 的方 法进 行 浅层 句法
分 析 。Ｃ ＲＦ模 型 克服 了传 统 机器 学 习方 法 中存 在 的标注 偏 置 问题 Ｌ ， 基 于转 换 的错误 驱 动学 习则 可 以 ４而 ］
进 一步提 高 组块 的识 别率 。
组 块 的定 义与 获 取
１ １ 组 块 的定义 ． 组 块 的 定 义 对 组 块 分 析 的结 果 有 很 大 影 响 。本 文 根 据 Ａｂ ｅ ［ 对 英 语 组 块 的 定 义 以及 Ｃ ＮＬ 一 ｎ ｙ５ ］ ｏ Ｌ
第２ ９卷
第 ３期
广 西师 范大 学学 报 ： 自然 科学 版
Ｊｕ ｎ ｌ ｆ ａ ｇ ｉ ｏｍａ Ｕｎｖｒｉ ： ｔｒｌ ｃ ｎ ｅＥ ｉｏ ｏ ｒａ ｎ ｘ ｒ ｌ ｉｅｓ ｙ Ｎａｕａ ｉ ｃ ｄｔ ｎ ｏ Ｇｕ Ｎ ｔ Ｓｅ ｉ
Ｖｏ ． ９ Ｎｏ ３ １２ ．
Ｓｅ ．２ ｐｔ ０１１
目前 中文还 没 有统 一 的组 块语 料库 ， 本文 将从 宾 州大 学 中文 树库 ５ ０版 本 中抽 取 组块 建 立 汉语 组块 ．
库 。该 树库 共 有 １ ８ ８７ ２个 句子 ， ５ ７２ ２个单 词 ，２ ８ 个 汉 字 ， 为 ８ ０个 数据文 件 存储 。宾 州大学 约 ０ ２ ８ ４９ ３ 分 ９ 中文 树库 中 原有 ２ ３种 短语 类 型 ， 根据 上 文组 块定 义从 中抽 取 了 ６种常用 类型 的组块 ， 如表 ２所 示 。
摘
要 ： 文 提 出一 种 Ｃ Ｆ和 基 于 转 换 错误 驱 动 相 结 合 的 中 文 浅 层 句 法 分 析 方 法 。 方 法 应 用 于 宾 州 大 学 中 本 Ｒ 该
文树库 ， 取得不错 的组块识别效 果。 Ｃ 在 ＲＦ识 别的基础上 ， 对初始识别 结果中的组块标注信息进行统计分析 ，
收 稿 日期 ：０ １０ —５ ２ １－５２ 基 金项 目 ： 家 自然 科 学 基 金 资 助 项 目 （ ０ ７ １ ３ ６０ ３ １ ） 国 家 哲 学 社 科 基 金 资 助 项 目（ Ｏ Ｙ ２ ） 江 苏 省 自然 国 ６ ７ ３ ７ ，１ ７ １ ９ ； １Ｃ Ｙ０ １ ； 科 学 基 金 资 助 项 目 （ Ｋ２ １ ５ ７ ； 苏 省 教 育 厅 自然 科学 基 金 资 助 项 目（Ｏ Ｊ ５ Ｏ ０ ） 江 苏 省高 校 社 科 基 Ｂ ００４）江 １ Ｋ Ｂ ２ ０９ ； 金 资 助项 目（ ６Ｊ ７ ０ ７ ０ ＳＢ １ ０ ）
２ １ 年 ９月 ０１
基 于 Ｃ Ｆ和 转 换 错 误 驱 动 学 习的 浅 层 句 法分 析 Ｒ
张 芬 ， 。 曲维 光 ｈ ， 红艳 ｈ ， 俊 生ｈ 。 赵 。周
（． １ 南京师范大学 计算机科学与技术学院 ， 江苏 南京 ２ ０ ４ ｝． １ ０ ６ ２ 江苏省信息安全保密技术研究中心， 苏 南京 ２ １ ９ ； 江 ０ １ ７ ３ ．南京师范大学 语言信息科技研究 中心 ， 江苏 南京 ２ １ ９ ） ０ １ ７
获得 候 选 转 换 规 则 集 合 ； 根 据 定 义 的 规 则 评 价 函 数 对 候 选 集 进 行 筛选 ， 到 最 终 的 转 换 规 则 集 合 ； 后 应 用 再 得 最 转 换 规 则 集 对 Ｃ Ｆ标 注 的 结 果 进 行 校 正 。 实 验结 果表 明 ， 单 独 使 用 Ｃ Ｒ 与 ＲＦ结 果 相 比 ， 块 识 别 的 精 确 率 、 组 召 回率 以 及 Ｆ值 均 得 到 了 提 高 。 关 键 词 ： 层 句 法 分 析 ；ＲＦ； 换 错 误 驱 动学 习 ； 换 规 则 集 浅 Ｃ 转 转 中 图分 类号 ： Ｐ ９ ． Ｔ ３１１ 文献 标 识 码 ： Ａ 文章 编号 ：０ １６０ （０ １０ —１ ７０ １０ —６ ０ ２ １ ） ３０４ —４