詞、短語和句子級的相關(guān)研究日趨成熟,篇章成為了自然語言處理領(lǐng)域的研究焦點之一。篇章分析旨在研究篇章特點和篇章組成單元之間的語義關(guān)系,進而從整體上理解篇章。篇章結(jié)構(gòu)解析作為篇章分析的核心任務(wù),其研究目標(biāo)是依據(jù)篇章理論將篇章文本組織成結(jié)構(gòu)化數(shù)據(jù),為下游篇章級應(yīng)用提供支撐。基于中文篇章連接依存樹（Chinese Connective-driven Discourse Tree,CDT）理論和對應(yīng)資源庫CDTB,本文針對中文篇章結(jié)構(gòu)自動解析問題進行了研究,具體工作包括:（1）提出了一種基于長短期記憶神經(jīng)網(wǎng)絡(luò)和圖卷積神經(jīng)網(wǎng)絡(luò)組合的中文基本篇章單元（Elementary Discourse Unit,EDU）識別方法。該方法將EDU識別看作一個序列化標(biāo)記任務(wù),通過對上下文及EDU內(nèi)部各成分間依存結(jié)構(gòu)信息的表征來實現(xiàn)EDU分割點的確認(rèn),在CDTB語料上的實驗驗證了方法的有效性。（2）提出了一個基于神經(jīng)網(wǎng)絡(luò)和轉(zhuǎn)移系統(tǒng)的中文篇章結(jié)構(gòu)自底向上的自動解析方法。該方法將篇章樹的構(gòu)建過程看成狀態(tài)轉(zhuǎn)移過程,通過預(yù)測下一時刻的狀態(tài)轉(zhuǎn)移來完成篇章解析樹的自動構(gòu)建。在CDTB語料上的實驗驗證了方法的有效性。本文基于這一... 

【文章來源】：蘇州大學(xué)江蘇省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２?ＣＤＴ篇章關(guān)系類別和層次??２．２?ＣＤＴＢ語料庫介紹和統(tǒng)計??ＣＤＴＢ全稱連接依存樹庫篇章結(jié)構(gòu)語料，其在ＣＴＢ?６．０＿基礎(chǔ)上標(biāo)注有５００篇??

第二章相關(guān)知識?基于ＣＤＴＢ的篇章結(jié)構(gòu)解析器的自動構(gòu)建研究??有２３３６個有效的ＣＤＴ，包含５４２５個句子，１０６３２個ＥＤＵ，平均每個ＣＤＴ包含２．３??個句子、４．５個ＥＤＵ，每個句子平均可以分割為１．９５個ＥＤＵ。篇章樹的平均高度為??３．４２，最低高度為２，最高為１０。圖２－３給出了篇章樹的高度分布。可以看出，大部??分的篇章樹高度集中在２到４之間，也意味著大部分的ＣＤＴ都只有一層到三層內(nèi)??部關(guān)系節(jié)點。圖２－４給出了?ＣＤＴＢ中包含不同ＥＤＵ個樹的ＣＤＴ數(shù)量的分布情況。??與圖２－３反應(yīng)的統(tǒng)計特征一致，大部分ＣＤＴ只包含２到６個ＥＤＵ，最多包含２８個??ＥＤＵ。??７００?－?＿??６００?？圓漏??ｉｌｌ??？?１｜１｜??〇１?＿＿＿＿＿?＿Ｉ￣，￣￣??２３４５６７８９?１０?１１??篇章樹高度??圖２－３?ＣＤＴＢ篇章樹高度分布??ＣＤＴＢ共包含７３２１個關(guān)系節(jié)點，每個關(guān)系節(jié)點都標(biāo)注有驅(qū)動的連接詞、核心位??置和篇章關(guān)系。ＣＤＴ中核心位置分為三類，中心在左、中心在右和所有孩子節(jié)點??都是中心，為方便描述，下文中使用?ＮＳ?（Ｎｕｃｌｅｕｓ－Ｓａｔｅｌｌｉｔｅ）、ＳＮ?（Ｓａｔｅｌｌｉｔｅ－Ｎｕｃｌｅｕｓ）??和ＮＮ?（Ｎｕｃｌｅｕｓ－Ｎｕｃｌｅｕｓ）分別代表三種中心位置。統(tǒng)計所有關(guān)系節(jié)點的核心位置??得，ＮＮ，?ＮＳ?和?ＳＮ分別占比?５１．３％、２８．８％?和?３８．９％。??所有篇章關(guān)系中，顯式篇章關(guān)系１８１４個，占比２４．８％；隱式篇章關(guān)系５５０７個，??占比７５．２％。從句子層面考慮，可以將ＣＤＴＢ的篇章關(guān)系分為句內(nèi)關(guān)系和句間關(guān)系，??統(tǒng)計得ＣＤＴＢ語料中句內(nèi)關(guān)系５１０

基于ＣＤＴＢ的篇章結(jié)構(gòu)解析器的自動構(gòu)建研究?第二章相關(guān)知識??其中顯式關(guān)系占比１６．４％。??由上述ＣＤＴＢ總體統(tǒng)計結(jié)果可知，以段落為單位標(biāo)注的ＣＤＴＢ中篇章樹高度普??遍較低，多數(shù)只有２到３層關(guān)系，大多包含２到６個ＥＤＵ。篇章樹內(nèi)部節(jié)點的核心??位置中，ＮＮ核心位置超過一半以上。篇章關(guān)系類別中，超過７成是隱式關(guān)系，句間??關(guān)系中隱式關(guān)系占比更高。??６００?－Ｉ???５００?－??４００?－??！??Ｖ?３００?■??樹??個??數(shù)?２００?－?＾??２?３?４?５?６?７?８?９?１０?１２?１４?１６?１８?２０?２２?２４?２６?２８??ＥＤＵ個數(shù)??圖２－４?ＣＤＴＢ篇章樹ＥＤＵ數(shù)量分布??２．３數(shù)據(jù)預(yù)處理與數(shù)據(jù)集劃分??在基于ＣＤＴＢ完成中文篇章解析器的自動構(gòu)建之前，我們需要先對ＣＤＴＢ語料??進行預(yù)處理。ＣＤＴＢ在ＣＴＢ?６．０的句法之上構(gòu)建篇章結(jié)構(gòu)。通過將ＣＴＢ?６．０中對應(yīng)??句子編號的句法信息映射到ＣＤＴＢ對應(yīng)的句子上，就可以得到ＣＤＴＢ中每個句子和??ＥＤＵ的中文分詞、詞性信息和每個句子的成分句法信息。２．１節(jié)提到過ＣＤＴ中標(biāo)注??ＮＮ核心位置的關(guān)系節(jié)點孩子節(jié)點可以有多個，這會給篇章結(jié)構(gòu)的自動解析造成不??便。根據(jù)句法分析中的慣用方法，預(yù)處理階段首先通過對這種多元關(guān)系不斷合并最??右端的兩個孩子節(jié)點，將新產(chǎn)生的關(guān)系節(jié)點標(biāo)注與其父節(jié)點同樣的核心位置和篇章??關(guān)系，從而將多元關(guān)系節(jié)點二元化。轉(zhuǎn)化方法如圖２－５所示。轉(zhuǎn)換之后的ＣＤＴＢ語??料內(nèi)部節(jié)點數(shù)量增多到８２９６個，ＮＮ核心位置占比進一步上升，與ＮＮ經(jīng)常一起出??１１??

【參考文獻】：
期刊論文
[1]漢語篇章連接詞識別與分類[J]. 李艷翠,孫靜,周國棟.  北京大學(xué)學(xué)報(自然科學(xué)版). 2015(02)
[2]漢語隱式篇章關(guān)系識別[J]. 孫靜,李艷翠,周國棟,馮文賀.  北京大學(xué)學(xué)報(自然科學(xué)版). 2014(01)
[3]漢語復(fù)句關(guān)系詞庫的建設(shè)及其利用[J]. 胡金柱,吳鋒文,李瓊,舒江波.  語言科學(xué). 2010(02)
[4]面向中文信息處理的復(fù)句關(guān)系詞提取算法研究[J]. 胡金柱,舒江波,姚雙云,周星,吳鋒文,肖升.  計算機工程與科學(xué). 2009(10)
[5]修辭結(jié)構(gòu)理論與句群研究[J]. 陳莉萍.  蘇州大學(xué)學(xué)報(哲學(xué)社會科學(xué)版). 2008(04)



本文編號：3255794