基于依存句法分析的语义角色标注

摘要

随着计算机处理能力的提高以及统计机器学习等理论的发展，浅层语义分析逐渐被研究人员所重视。语义角色标注是浅层语义分析的一种实现方式，其具有问题定义清晰，便于人工标注和评测等优点，同时又具有非常广泛的应用前景。
　　对语言的深层处理过程中，句法分析处于一个十分重要的位置，也是浅层语义分析最直接的基础。在句法体系中，依存句法以其形式简洁、易于标注、便于应用等优点，逐渐受到研究人员的重视。在句子分词结果的基础上，依存句法分析不引入新的“短语”节点，句法结构信息附加在词和词之间的关系上，句法分析结果得到相对的简化；其分析结果趋向扁平化，句法树层次较浅，这使得句法树上的节点之间距离相对缩短，简化系统的同时也更利于研究节点之间的关系；句子中原本线性距离很远的节点有可能存在很近的甚至是直接的依存关系，这有利于在意义层面对句子结构的理解。
　　本文实现了一个基于依存句法分析的语义角色标注系统，它将语义角色标注任务分为谓词识别、谓词分类、语义角色识别和分类、标注结果生成等四个部分。这个系统参加了CoNLL2008国际评测，其F-Score达到78.52，最终取得了第二名的好成绩。
　　传统的语义角色标注结果生成阶段只利用或主要利用了角色本身和角色与谓词之间的上下文信息，而没有挖掘同一谓词的多个不同角色之间的相互作用，即谓词框架的全局信息。本文在参加CoNLL2008评测的系统的基础上，利用柱状搜索算法生成若干较好的候选标注结果，再使用Online Passive-Aggressive算法训练一个用对数线性模型对候选结果进行重排序。最终又取得了0.2％的性能提高。

目录

基于依存句法分析的语义角色标注

DEPENDENCY PARSING BASED SEMANTIC ROLE LABELING

摘要

Abstract

第1章 绪论

1.1 课题背景

1.2 课题研究的目的和意义

1.3 语义角色标注研究现状

1.4 本文完成的工作

第2章 语义角色标注问题定义及评测

2.1 语义角色标注的定义

2.2 语义角色标注任务评测方法

2.3 本章小结

第3章 基于依存句法分析的语义角色标注系统

3.1 谓词识别

3.2 谓词分类

3.3 语义角色识别和分类

3.4 特征选择方法

3.5 基于整数线性规划的后推论

3.6 实验结果与评测成绩

3.7 本章小结

第4章 语义角色标注结果重排序

4.1 候选结果生成

4.2 全局特征构造

4.3 重排序方法

4.4 实验结果及分析

4.5 本章小结

结论

参考文献

攻读学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致谢