位置:成果数据库 > 期刊 > 期刊详情页
基于依存句法分析的中文语义角色标注
  • 期刊名称:中文信息学报
  • 时间:0
  • 页码:25-29+47
  • 语言:中文
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]苏州大学计算机科学与技术学院,江苏苏州215006, [2]江苏省计算机信息处理技术重点实验室,江苏苏州215006
  • 相关基金:基金项目:国家自然科学基金资助项目(60673041,60873150);国家教育部博士点基金资助项目(200802850006);江苏省自然科学基金资助项目(BK2008160);江苏省高校自然科学重大基础研究项目(08KJA520002).
  • 相关项目:基于树核函数的弱指导实体间语义关系抽取研究
中文摘要:

依存句法是句法分析的一种,相比于短语结构句法分析,依存句法具有更简洁的表达方式。该文采用英文语义角色标注的研究方法,实现了一个基于中文依存句法分析的语义角色标注系统。该系统针对中文依存关系树,采用有效的剪枝算法和特征,使用最大熵分类器进行语义角色的识别和分类。系统使用了两种不同的语料,一种是由标准短语结构句法分析(CTB5.0)转换而来,另一种是CoNLL2009公布的中文语料。系统分别在两种语料的标准谓词和自动谓词的基础上进行实验,在标准谓词上取得的F1值分别为84.30%和81.68%,在自动谓词上的F1值为81.02%和81.33%。

英文摘要:

Dependency representations are more simple and intuitive than constituent representations for Chinese parse. This paper implements a Chinese dependency parse based semantic role labeling (SRL) by using the similar methods in English SRL. In the system, effective pruning algorithm and useful features are adopted for Chinese de- pendency tree, and the semantic role identification and classification are accomplished by a maximum entropy classifi- er. Two different corpora are adopted to test our system, one is transferred from constituent-based corpus (CTBS. 0), and the other is Chinese dataset provided by CoNLL 2009 shared task. Based on the two datasets, the system achieves, respectively, 84.3% and 81.68% in labeled F1 for gold predicates, and 81.02% and 81. 33% for automatic predicates.

同期刊论文项目
同项目期刊论文