零指代消解是自然語(yǔ)言處理任務(wù)中的一個(gè)重要研究方向,其目的是對(duì)文本中的不完整的表述進(jìn)行補(bǔ)充,進(jìn)而形成符合要求的沒(méi)有成分缺失的“完整”文本。在自然語(yǔ)言構(gòu)成的文本中,同一個(gè)相同的實(shí)體的表述方式往往是不同的,例如有很多實(shí)體以代詞的形式存在于文本中。指代消解可以對(duì)分散在文本中各個(gè)地方的有著不同表述形式的實(shí)體或事件之間的關(guān)系進(jìn)行識(shí)別,從而更好地對(duì)文本中的相關(guān)信息進(jìn)行抽取。指代消解在信息抽取等自然語(yǔ)言理解任務(wù)中扮演著關(guān)鍵的角色。零指代是一種特殊的指代現(xiàn)象,廣泛存在于中文等代詞缺失的文本中。對(duì)于這些存在省略(零代詞)的自然語(yǔ)言處理表述,人由于有著彼此類似的知識(shí)背景是能夠很容易理解其中的含義的,但是對(duì)于機(jī)器來(lái)說(shuō)則十分困難。因此,零指代消解在中文自然語(yǔ)言理解中十分重要。傳統(tǒng)的中文零指代消解方法主要采用離散的特征向量作為輸入,通過(guò)機(jī)器學(xué)習(xí)算法訓(xùn)練分類器,進(jìn)而對(duì)零代詞的先行語(yǔ)進(jìn)行判斷。這些方法對(duì)人工選擇的特征有很大的依賴性,而且由于零代詞語(yǔ)義缺失的特性,現(xiàn)有方法在選取先行語(yǔ)的過(guò)程中都忽略了語(yǔ)義信息。近些年,隨著深度神經(jīng)網(wǎng)絡(luò)模型被不斷的被成功的應(yīng)用在自然語(yǔ)言處理領(lǐng)域,分布式的特征表示方法也獲得了更多的重視。同傳統(tǒng)...

【文章頁(yè)數(shù)】：127 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１－１指代示例??Ｆｉｇ．?１－１?Ｅｘａｍｐｌｅ?ｏｆ?ｐｒｏｎｏｕｎ?ｒｅｓｏｌｕｔｉｏｎ．??

與前者蘊(yùn)含著相同的語(yǔ)義■息，指向域一個(gè)實(shí)體。通常將位于前序文本中的被??指向的語(yǔ)言單位定義為后者的“先行語(yǔ)（Ａｎｔｅｃｅｄｅｎｔ）”，而指代消解指的就是為??給定的語(yǔ)言單位．尋找正確先行語(yǔ)的過(guò)程圖１－１是一個(gè)中文指代現(xiàn)象實(shí)例在??這個(gè)例子中，代詞“他”就對(duì)應(yīng)著其先行語(yǔ)“小明”，而....

圖１－２中文零代詞示例??Ｆｉｇ．?１－２?Ｅｘａｍｐｌｅ?ｏｆ?Ｃｈｉｎｅｓｅ?ｚｅｒｏ?ｐｒｏｎｏｕｎ．??

與前者蘊(yùn)含著相同的語(yǔ)義■息，指向域一個(gè)實(shí)體。通常將位于前序文本中的被??指向的語(yǔ)言單位定義為后者的“先行語(yǔ)（Ａｎｔｅｃｅｄｅｎｔ）”，而指代消解指的就是為??給定的語(yǔ)言單位．尋找正確先行語(yǔ)的過(guò)程圖１－１是一個(gè)中文指代現(xiàn)象實(shí)例在??這個(gè)例子中，代詞“他”就對(duì)應(yīng)著其先行語(yǔ)“小明”，而....

圖１－３基于神經(jīng)網(wǎng)絡(luò)的以實(shí)體為中心的指代消解模型示意圖??．－－．??

，后利用這類憧息用于后續(xù)聚類ｓ?Ｄａｕｍ?Ｋ［和Ｍａｒｃｕ提出了?一種在線學(xué)習(xí)（ＯｎＬｅａｒｎｉｎｇ）的方掛２６］，為候選名詞短語(yǔ)＿增肇式的建無(wú)ｆｔ指鏈＾?．在共指鏈的的過(guò)程中，他們利用現(xiàn)存共指鏈抽取類特征，并以此為基礎(chǔ)對(duì)后續(xù)共指關(guān)出決策。Ｃｌａｒｋ和Ｍａｉｎｉｎｇ提．出＿?了一....

圖１－５神經(jīng)概率語(yǔ)言模型結(jié)構(gòu)示意圖??Ｆｉｇ．?１－５?Ｉｌｌｕｓｔｒａｔｉｏｎ?ｏｆ?ｔｈｅ?ｎｅｕｒａｌ?ｐｒｏｂａｂｉｌｉｓｔｉｃ?ｌａｎｇｕａｇｅ?ｍｏｄｅｌ．??

陣Ｃ映射為對(duì)應(yīng)的詞向量《然后將一系列的詞向量輸入神經(jīng)網(wǎng)絡(luò)并經(jīng)過(guò)計(jì)算得??到目標(biāo)詞的概率分布。通過(guò)這種方式，該模型將經(jīng)過(guò)訓(xùn)練的映射矩陣Ｃ視為訶??的表征向量：，：．其結(jié)構(gòu)如圖１－５所示。??第ｉ個(gè)輸出Ｐ（ｗｔ＝ｉ丨ｃｏｎｔｅｘｔ）??１?ｓｏｆｔｍａｘ??（／?／?￣＾Ｔ）??，ｉ....

本文編號(hào)：4040170