基于语义与规则的有标复句层次体系研究

计算机工程与科学

基于语义与规则的有标复句层次体系研究

李源1，刁胜权1，胡金柱1,2，翟宏森1，杨梦川1，黄文灿1

（1.华中师范大学计算机学院,湖北武汉 430079；2.华中师范大学语言与语言教育研究中心，湖北武汉 430079）

收稿日期:2016-03-20 修回日期:2016-07-09 出版日期:2017-12-25 发布日期:2017-12-25
基金资助:
教育部人文社会科学研究规划基金(14YJA740020)

Marked complex sentence hierarchy analysis

based on semantics and rules

LI Yuan1,DIAO Sheng-quan1,HU Jin-zhu1,2,ZHAI Hong-sen1,YANG Meng-chuan1,HUANG Wen-can1

（1.School of Computer Science，Huazhong Normal University，Wuhan 430079;

2.Language and Language Education Research Center,Huazhong Normal University,Wuhan 430079,China）

Received:2016-03-20 Revised:2016-07-09 Online:2017-12-25 Published:2017-12-25

摘要/Abstract

摘要：

汉语复句层次关系分析是中文信息处理领域极具挑战性的课题之一。为解决关系词标识信息不充足所导致的复句层次关系识别准确率下降问题，挖掘了影响分句关联的形式化语义知识，在此基础上构建了小句关联体识别算法并将其应用于相应的复句层次判定规则之中，以辅助分析其层次关系；对于其余单、多重有标复句的层次识别，使用基于搭配规则的移进-归约算法；最后提出了一种语义与规则相结合的复句层次分析模型。实验结果表明，此方法在一定程度上提高了复句层次关系识别的准确率。

关键词: 汉语复句, 层次关系, 语义, 挖掘, 规则, 移进-规约

Abstract:

Chinese complex sentence hierarchy analysis is one of the challenging topics in the field of Chinese information processing. In order to solve the accuracy decline of automatic recognition caused by inadequate relationship marks, we analyze formal semantic knowledge that affects sentence association, based on which we construct a small sentence association recognition algorithm and apply it to the hierarchy decision rules of complex sentences to help analyze the hierarchical relationship. As for the analysis of the hierarchy of single and multiple marked complex sentences, we leverage the shift-reduce algorithm based on collocation rules. Finally, we propose a marked complex sentence hierarchy analysis model, which combines semantics and rules. Experimental results show that this method enhances the accuracy of automatic identification to a certain extent.

Key words: Chinese complex sentence, hierarchy, semantics, mining, rule, shift and reduce

李源1，刁胜权1，胡金柱1,2，翟宏森1，杨梦川1，黄文灿1. 基于语义与规则的有标复句层次体系研究[J]. 计算机工程与科学.

LI Yuan1,DIAO Sheng-quan1,HU Jin-zhu1,2,ZHAI Hong-sen1,YANG Meng-chuan1,HUANG Wen-can1.

Marked complex sentence hierarchy analysis

based on semantics and rules

[J]. Computer Engineering & Science.

[1]	杨旭东, 李秋燕, 高岭, 刘鑫, 邓雅妮. 一种基于多区块链协作的分布式位置匿名方法[J]. 计算机工程与科学, 2024, 46(12): 2171-2185.
[2]	曹锋, 谢燏, 易见兵, 李俊. 矛盾体分离单元结果演绎方法及应用[J]. 计算机工程与科学, 2024, 46(12): 2252-2260.
[3]	徐欣, 李若诗, 袁野, 刘娜. 基于可学习图像滤波器的雾天驾驶场景图像语义分割[J]. 计算机工程与科学, 2024, 46(11): 2027-2034.
[4]	陈昌奉, 赵宏州, 周恺卿. 基于图神经网络的代码抄袭检测方法[J]. 计算机工程与科学, 2024, 46(10): 1815-1824.
[5]	王辉, 李燕, 丁丁, 吴坤, 黄雅平, . 一种基于关联程度的高效用数量比频繁模式挖掘算法[J]. 计算机工程与科学, 2024, 46(09): 1702-1710.
[6]	马冬梅, 王鹏宇, 郭智浩. 一种基于注意力机制的轻量级语义分割[J]. 计算机工程与科学, 2024, 46(08): 1503-1512.
[7]	徐捷, 邵玉斌, 杜庆治, 龙华, 马迪南. 结合混合特征提取与深度学习的长文本语义相似度计算[J]. 计算机工程与科学, 2024, 46(08): 1513-1520.
[8]	施禹, 董攀, 张利军. 一种不规则稀疏矩阵的SpMV方法[J]. 计算机工程与科学, 2024, 46(07): 1175-1184.
[9]	杨仕琦, 武优西, 耿萌, 李艳. 一次性条件下的三支序列模式挖掘[J]. 计算机工程与科学, 2024, 46(07): 1286-1295.
[10]	王钦晨, 段利国, 王君山, 张昊妍, 郜浩. 基于BERT字句向量与差异注意力的短文本语义匹配策略[J]. 计算机工程与科学, 2024, 46(07): 1321-1330.
[11]	张玉莹, 朱广丽, 谈光璞, . 基于情感增强和语义依存的金融隐式情感分析模型[J]. 计算机工程与科学, 2024, 46(06): 1112-1120.
[12]	赵琰, 马慧芳, 王文涛, 童海斌, 贺相春. 可靠响应表示增强的知识追踪方法[J]. 计算机工程与科学, 2024, 46(03): 535-544.
[13]	江志鹏, 王自全, 张永生, 于英, 程彬彬, 赵龙海, 张梦唯. 基于改进Deformable DETR的无人机视频流车辆目标检测算法[J]. 计算机工程与科学, 2024, 46(01): 91-101.
[14]	邱晓梦, 王琳, 谷文俊, 宋伟, 田浩来, 胡誉. 光流法修正的时序图像语义分割模型[J]. 计算机工程与科学, 2024, 46(01): 102-110.
[15]	范林雨, 李军辉, 孔芳. 基于无监督预训练的跨语言AMR解析[J]. 计算机工程与科学, 2024, 46(01): 170-178.