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]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	邓茜, 范广生, 陈立前, 李暾, 王戟. 基于C语言程序分析验证技术的Verilog代码验证方法[J]. 计算机工程与科学, 2023, 45(12): 2146-2154.
[10]	周菊香, 周明涛, 甘健侯, 徐坚. 多阶段时序和语义信息增强的问题生成模型[J]. 计算机工程与科学, 2023, 45(10): 1847-1857.
[11]	尹春勇, 冯梦雪. 基于注意力机制的半监督日志异常检测方法[J]. 计算机工程与科学, 2023, 45(08): 1405-1415.
[12]	雷轩, 程光, 张玉健, 郭靓, 张付存. 基于电力网络态势感知平台的告警信息关联分析[J]. 计算机工程与科学, 2023, 45(07): 1197-1208.
[13]	张莉丽, 王睿伯, 王晓东, 张文喆. 自治故障管理系统推理规则的智能学习技术[J]. 计算机工程与科学, 2023, 45(05): 772-781.
[14]	梅侠峰, 吴晓鸰, 黄泽民, 凌捷. 融合RoBERTa的多尺度语义协同专利文本分类模型[J]. 计算机工程与科学, 2023, 45(05): 903-910.
[15]	曾祥俊, 叶晓庆, 刘盾. 基于细粒度观点挖掘和Kano模型的用户满意度分析研究[J]. 计算机工程与科学, 2023, 45(04): 701-710.