現(xiàn)代漢語(yǔ)動(dòng)賓搭配多角度考察及其自動(dòng)識(shí)別.pdf

1、詞語(yǔ)搭配是一種具有一定語(yǔ)法結(jié)構(gòu)關(guān)系的、可重復(fù)出現(xiàn)的詞語(yǔ)的組合。一般指具體詞語(yǔ)之間的組合關(guān)系，在自動(dòng)句法分析、機(jī)器翻譯等領(lǐng)域，能發(fā)揮不可替代的作用。而動(dòng)賓搭配更以其使用的高頻性、復(fù)雜性、靈活性受到學(xué)者的廣泛關(guān)注，其也更是構(gòu)建詞語(yǔ)搭配庫(kù)的核心問(wèn)題之一。單純依靠人工篩選建庫(kù)是不可取的，自然語(yǔ)言處理就是要對(duì)詞語(yǔ)搭配進(jìn)行深入地研究，找到適合計(jì)算機(jī)大規(guī)模處理的方法。 在廣義搭配觀下，基于精確標(biāo)注的清華漢語(yǔ)樹(shù)庫(kù)語(yǔ)料，針對(duì)動(dòng)賓搭配主要做了兩部分

2、工作，其一，對(duì)動(dòng)賓搭配的多角度考察；其二，對(duì)動(dòng)賓搭配的自動(dòng)獲取與識(shí)別。 第一部分從定性和定量相結(jié)合的角度考察了樹(shù)庫(kù)中抽取到的50611對(duì)(tokens)動(dòng)賓搭配實(shí)例。定性考察主要在搭配的詞序、詞性、動(dòng)詞的語(yǔ)法屬性、搭配中的詞匯語(yǔ)義作用等方面，圍繞詞語(yǔ)搭配所涉及到的語(yǔ)法、詞匯、語(yǔ)義(事理邏輯)等層面，作出相關(guān)分析，為后續(xù)識(shí)別階段提供理論參考；定量考察主要介紹了搭配自動(dòng)獲取與識(shí)別的常用統(tǒng)計(jì)量，并對(duì)樹(shù)庫(kù)中的動(dòng)賓搭配在搭配頻次、互信息、

3、距離的平均值與方著等方面作了統(tǒng)計(jì)與分析，甄別哪部分統(tǒng)計(jì)數(shù)據(jù)后續(xù)識(shí)別階段較為有用。 第二部分分別基于傳統(tǒng)統(tǒng)計(jì)方法和統(tǒng)計(jì)機(jī)器自動(dòng)學(xué)習(xí)方法對(duì)動(dòng)賓搭配進(jìn)行了自動(dòng)獲取與識(shí)別。傳統(tǒng)的統(tǒng)計(jì)方法，處理模型比較簡(jiǎn)單，多是單一的統(tǒng)計(jì)量，如共現(xiàn)頻率、互信息等，識(shí)別結(jié)果F值在50％左右，效果不甚理想。于是，轉(zhuǎn)向基于機(jī)器自動(dòng)學(xué)習(xí)的復(fù)雜統(tǒng)計(jì)模型條件隨機(jī)場(chǎng)CRFs進(jìn)行動(dòng)賓搭配的自動(dòng)識(shí)別。詳細(xì)實(shí)驗(yàn)了分詞與詞性標(biāo)記集不同對(duì)實(shí)驗(yàn)結(jié)果的影響，詞性組合序列類型的限定不