（研究生）计算机科学与技术：问句中并列结构的识别

问句中并列结构的识别哈尔滨工业大学深圳研究生院计算机科学与技术范士喜2008-04-11内容导航一、问题及相关研究二、解决方法三、试验结果问题---定义并列结构是语言信息处理中的难点，一般认为并列成分是相似的。通过计算并列成分的相似性来解决。句子层面短语层面问题---比例大约10.3%的问句具有并列结构大约

11.2%的句子具有并列结构

问题---问句中的用法一，表达平行的语义关系：

例如：什么是股票和基金？

分解：什么是股票？什么是基金？二，表达需要比较的项目：

例如：资本化与费用化有什么区别得到比较项目：资本化，费用化。三，表达项目之间的关系：例如：股息政策和股票投资价值的关系得到关系项目：股息政策，股票投资价值相关研究周强(1996)和孙宏林(2001)对汉语并列结构的研究,都是基于“并列成分相似”这样的语言学假设,在此前提下设计规则和算法。汉语语言研究也认为并列成分是相似的:吴竞存、梁伯枢(1992)指出,词性相同、结构相同、语义类相同、音节数相同的项并列是最理想、最严格的并列;储泽祥等2002)认为并列短语的形成是以“语义亲近性”为基础的。北京大学吴云芳（2003）对98年人民日报里面的并列结构进行标注。句法分析：内容导航一、问题及相关研究二、解决方法三、试验结果解决方法--标注方法例子：财务/n/[成本/n管理/vn

和/c财务/n管理/vn/]的/u区别/n语料：共24，892问句，包含26，073个并列结构。包含806，890个汉字，文件大小3.67M解决方法—语料手动标注了800句。用最大熵模型训练，然后自动标注，手动检查。最后形成预料规模如下：语料：共24，892问句，包含26，073个并列结构。包含806，890个汉字，文件大小3.67M解决方法—解决方案二值分类问题分类目标y?分类内容x?例子：口岸/n/[和/c保税区/ns/]有/v什么/r区别/nxystructure口岸和保税区1-1&+1口岸和保税区有01&+2口岸和保税区有什么01&+3解决方法—特征提取特征名称例子结构特征S:-1&1词的位置信息长度差特征Diflen:3前项与后项的长度差前一个单词词性prePOS:v待标记项目的前一个词的词性后一个单词词性posPOS:v待标记项目的后一个词的词性词性序列特征POSs:nvncn

待标记项目的词性序列相同单词数sameW:1前项与后项包含的相同“字”数相同词性数sameP:1前项与后项包含的相同词性数组合特征各特征的组合解决方法—特征向量一：将所有的特征进行编号二：对每一个并列结构，列出所有的候选及相应的三：对每一个候选进行特征提取，并形成特征向量四：将对作为svm的输入进行训练。解决方法—原始数据l

s

dlbp

ap

no

sw

sp0s-33diflen2sBPosssAPosuNo0sSimWordsFeature6sSimPosFeature50s-32diflen0sBPosssAPosvNo0sSimWordsFeature6sSimPosFeature50s-31diflen2sBPosssAPosvNo0sSimWordsFeature6sSimPosFeature40s-23diflen4sBPosvnsAPosuNo0sSimWordsFeature6sSimPosFeature30s-22diflen2sBPosvnsAPosvNo0sSimWordsFeature6sSimPosFeature30s-21diflen0sBPosvnsAPosvNo0sSimWordsFeature6sSimPosFeature30s-13diflen5sBPosnsAPosuNo0sSimWordsFeature6sSimPosFeature20s-12diflen3sBPosnsAPosvNo0sSimWordsFeature6sSimPosFeature21s-11diflen1sBPosnsAPosvNo0sSimWordsFeature6sSimPosFeature2

解决方法—svm

数据01:1.0002:1.0003:1.0004:1.0005:1.0006:1.0007:1.0008:1.00009:1.00010:1.0003:1.00011:1.0005:1.00012:1.0007:1.0008:1.000013:1.00014:1.0003:1.00015:1.00016:1.00012:1.0007:1.0008:1.000017:1.00018:1.00019:1.0004:1.0005:1.00012:1.0007:1.0008:1.000120:1.0002:1.00019:1.00011:1.0005:1.00012:1.0007:1.0008:1.000021:1.00014:1.00019:1.00015:1.00016:1.00012:1.0007:1.0008:1.000022:1.00010:1.00023:1.00024:1.00016:1.00012:1.0007:1.00025:1.000026:1.00027:1.00023:1.00011:1.00016:1.00012:1.0007:1.00025:1.00009:1.0002:1.00028:1.00024:1.00016:1.00012:1.0007:1.00025:1.000013:1.00014:1.00028:1.00011:1.00016:1.00012:1.0007:1.00025:1.000020:1.00027:1.00029:1.00024:1.00016:1.00012:1.0007:1.00025:1.000

内容导航一、问题及相关研究二、解决方法三、试验结果试验结果—总体结果ModelPRFBaselineSystem30.7428.3129.47SVMOpenTest