中文復述模板及搭配抽取方法研究.pdf

1、復述是用不同方式表達同樣的語義，它不僅是人類自然語言中的一種普遍現象，同時對自然語言處理領域的許多研究都具有重要的意義。近年來，復述技術受到了越來越多的研究者的關注。
　　本文主要的研究對象是中文復述模板及搭配資源的抽取。抽取出來的這些復述資源不僅可以直接應用于復述生成中，也可以用于信息檢索、機器翻譯、自動問答等自然語言處理相關研究中。
　　本文首先提出了一種字幕語料的復述模板抽取方法。該方法基于這樣一個事實:對于同一種外文

2、的不同翻譯是天然的復述資源。本文首先利用對同一部外文電影的不同翻譯小組的翻譯字幕匹配候選的復述句對，并利用句長、長度比、詞重疊率、BLEU(Bilingual Evaluation Understudy)四條復述規(guī)則對這些候選的復述句對進行過濾。在這些過濾得到的復述句的基礎上，該方法依據“子樹”和“部分子樹”抽取模板。為了對抽取得到的模板進行匹配，該方法引入了HowNet進行詞語語義相似度的計算，并利用模板中的詞語的相似度來衡量兩個模板

3、之間的語義相似度。相比已有的方法，本方法提高了復述模板抽取的準確率，并且可以抽取大量的復述模板。
　　模板相比普通的短語含有帶有變量的槽，因此擁有更多的靈活性，但是其針對的只是句子局部的復述，不能解決遠距離搭配的問題，因此，本文提出了一種基于概念擴展的中文復述搭配的抽取方法。該方法在對語料進行了語法分析之后，抽取出了具有＜V，OBJ，N＞形式的動賓搭配和具有＜N，SUB，V＞形式的主謂搭配。之后對抽取出的搭配進行過濾并利用了基于概