基于高斯混合模型的现代汉语构式成分自动标注方法

摘要
参考文献
相关文章 (15)

全文: PDF (3205 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要现代汉语构式成分自动标注作为文本自动标注任务之一,其最大的困难在于,当不存在标注语料作为训练数据时,如何从生语料中挖掘不同类型的构式成分相关的知识并进行标注,特别是面对构式序列在句中的边界难以判断的情况。该文试图借助高斯混合模型聚类方法,结合句中每一个字的位置特征与构式形式本身的语言学特征,融合正则表达式匹配结果信息,挖掘句子中的构式实例序列,并对构式内部成分进行自动标注。相较于仅基于正则表达式匹配和词性匹配的自动标注结果,该方法的F₁分别至少提高了17.9%(半凝固型构式)、19.3%(短语型构式)、14.9%(复句型构式)。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	黄海斌
	常宝宝
	詹卫东

关键词 ：现代汉语构式, 自动标注, 高斯混合模型, 数据挖掘

Abstract：The paper introduces an approach to automatic annotation of Chinese constructions. Without annotated corpora as training data, it is difficult to extract the knowledge of various constructions. To address this issue, we apply the unsupervised method based on Gaussian Mixture Model, the token position features, the linguistic features of construction as well as the regular expressions to capture the structure of the instruction, especially when the boundary is hard to be identified. Comparing to the results annotated by regular expression and part-of-speech, the proposed method achieves improvements on F₁ by 17.9% (for semi-concretionary constructions), 19.3% (for phrasal constructions) and 14.9% (for sentential constructions).

Key words： Chinese construction automatic annotation Gaussian mixture model data mining

收稿日期: 2019-09-04

中图分类号:

TP391

基金资助:教育部人文社科基地2015年度重大项目(15JJD740002);国家自然科学基金(61876004)

作者简介: 黄海斌(1997—),硕士研究生,主要研究领域为汉语语言知识工程、中文信息处理。E-mail:huanghaibin@pku.edu.cn
常宝宝(1971—),博士,副教授,主要研究领域为自然语言处理、计算语言学。E-mail:chbb@pku.edu.cn
詹卫东(1972—),通信作者,博士,教授,主要研究领域为现代汉语形式语法、中文信息处理、汉语语言知识工程。E-mail:zwd@pku.edu.cn

链接本文:

http://jcip.cipsc.org.cn/CN/Y2020/V34/I9/1

[1] 詹卫东. 从短语到构式: 构式知识库建设的若干理论问题探析[J]. 中文信息学报, 2017,31(1): 230-238.
[2] Jiawei Han, Micheline Kamber, Jian Pei. Data mining: Concepts and techniques[M]. SF:Margan Karfmann,2012.
[3] 昝红英,张军珲,朱学锋,等. 副词“就”的用法及其自动识别研究[J]. 中文信息学报, 2010,24(5): 10-16.
[4] 张艳, 徐波. 基于转换的错误学习方法的汉语词性自动标注研究[C]. 中国中文信息学会二十周年学术会议, 2011: 147-154.
[5] Brill E. Transformation-based error-driven learning and natural language processing: A case study in part-of-speech tagging[J]. Computational Linguistics, 1995, 21(4): 543-565.
[6] 赵伟,赵法兴,王东海,等. 一种基于改进的最大熵模型的汉语词性自动标注的新方法[C]. 第二十三届中国数据库学术会议, 2006: 185-189.
[7] 帕提古力·依马木,买合木提·买买提,吐尔根·依布拉音,等. 基于感知器算法的维吾尔语词性标注研究[J]. 中文信息学报, 2014, 28(5): 187-191.
[8] Djioua B,et al. EXCOM: An automatic annotation engine for semantic information[C]//Proceedings of the 19th International Florida Artificial Intelligence Research Society Conference, 2006: 285-290.
[9] Alexiei Dingli, Fabio Ciravegna, Yorick Wilks. Automatic semantic annotation using unsupervised information extraction and integration[C]//Proceedings of the KCAP 2003 Workshop on Knowledge Markup and Semantic Annotation, 2003.
[10] Kiryakov A.et al. Semantic annotation, indexing, and retrieval[J]. Journal of Web Semantics, 2004, 2(1): 49-79.
[11] 孙静. 基于平行语料库的无监督中文词性标注研究[D]. 苏州: 苏州大学硕士学位论文, 2010.
[12] 李娇. 面向认知构式语法的英语动词模式的识别[D]. 哈尔滨: 哈尔滨工业大学硕士学位论文, 2016.
[13] 林江豪, 顾也力, 周咏梅等. 基于 PLSA 的新闻评论情绪类别自动标注方法[J]. 计算机系统应用,2019,28(1): 207-211.