基于組合范疇文法的中文語義解析.pdf_第1頁
已閱讀1頁，還剩50頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、語義解析(semantic parsing)指的是將自然語言句子轉換成其意義表示的過程。近年來，英文語義解析的研究成果豐碩，特別是基于組合范疇文法(combinatory categorialgrammar, CCG)的語義解析方法取得了不俗的結果。相比英文，中文語義解析研究的歷史還比較短。目前，中文語義解析器的構建方法主要基于手寫規(guī)則和模板，使用機器學習方法的研究還很少。除此之外，中文語義解析的應用也基本集中在地理信息系統(tǒng)(Geogr

2、aphic Information System，GIS)領域。中英文之間的差異使得許多優(yōu)異的英文語義解析方法無法直接應用于中文。本文嘗試將基于組合范疇文法的語義解析方法應用于中文，并針對中文的特點進行改進。主要工作如下:
　　(1)將英文語義解析數據集GeoQuery翻譯成中文，并手工分詞。GeoQuery數據集包含880個美國地理查詢實例。每個實例由自然語言句子和對應的意義表示組成。
　　(2)將基于組合范疇文法的語義解

3、析方法應用到中文上。本文采用因子化的概率組合范疇文法(probabilistic combinatory categorial grammar, PCCG)作為語義解析器的模型。該模型使用詞典歸納過程歸納CCG詞典，使用參數估計過程從數據集中學習參數。在中文GeoQuery數據集上進行實驗，語義解析器的F1值僅為60.08％，遠低于該方法在英文上的結果。這表明需要針對中文特點對基于組合范疇文法的語義解析方法進行改進。
　　(3)針

4、對詞典歸納過程產生較多候選詞項的問題，提出逐層切分的詞項生成方法。原始方法采用了基于合一的詞項生成方法，該方法會產生大量的候選詞項。過多的候選詞項會導致解析器性能下降，訓練時間變長。實驗表明，使用逐層切分的詞項生成方法后，語義解析器的F1值提升至76.56％。
　　(4)針對中文中長距離依賴現象普遍的問題，提出了詞組合并的方法。在使用逐層切分的詞項生成方法時，詞組合并對語義解析器的性能提升很大。實驗表明，使用詞組合并方法后，語義解

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論