东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

基于最大熵模型的语义角色标注

期刊名称：微电子与计算机
时间：0
页码：173-180
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]安阳师范学院计算机与信息工程学院,安阳455002, [2]昆明理工大学信息工程与自动化学院,云南昆明650051
相关基金：国家自然科学基金项目（60663004）; 教育部博士点基金项目（20050007023）
相关项目：受限域汉语问答系统普适性理论与方法研究

关键词：语义角色标注, 最大熵模型, 参数估计, 特征选择, semantic role labeling, maximum entropy model, parameter estimation, feature selection

中文摘要：

提出了基于最大熵模型的语义角色标注方法,该方法以浅层句法分析为基础,把短语或命名实体作为标注的基本单元,将最大熵模型用于句子中谓词的语义角色标注.该方法的关键在于模型参数估计和特征选择.具体应用中采用IIS算法学习模型参数,并选择基于句法成分的、基于谓词的、句法成分-谓词关系、语义四类特征作为模型特征集.将该方法用于信息抽取中事件表述语句的语义角色标注,对＂职务变动＂和＂会见＂两类事件的表述语句进行事件要素的语义角色标注,在各自的测试集上分别获得了76.3%和72.2%的综合指标F值.

英文摘要：

A method based on maximum entropy model is proposed for Semantic Role Labeling （SRL）. This method takes shallow syntactic parsing as base, and takes phrase or named entity as the labeled units, and maximum entropy model is trained to label the predicates’ semantic roles in a sentence. The key of the method is parameter estimation and feature selection for maximum entropy model. In this paper, the IIS algorithm was employed for parameter estimation, and four categories features： features based on sentence constituents, features based on predicate, predicate-constituent features and semantic features as features set of the model were selected. The method is used to label semantic roles in an event mention sentence for information extraction. We got F=76.3% and F=72.2% results on different test set for ＂management succession＂ and ＂meeting＂.

同期刊论文项目