本文關(guān)鍵詞：融入背景知識的篇章語義分析方法研究　出處：《哈爾濱工業(yè)大學(xué)》2016年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 背景知識 聯(lián)想 語義分析 篇章語義關(guān)系 連貫性分析

【摘要】：篇章語義分析以獲取篇章級語義信息為目標(biāo),以篇章語義結(jié)構(gòu)分析和篇章語義內(nèi)容分析為主要內(nèi)容,是一個新興的研究熱點。目前,篇章語義分析研究主要關(guān)注如何挖掘原文內(nèi)容語義信息。實際上,根據(jù)認(rèn)知心理學(xué)中的聯(lián)想主義理論,原文并不能脫離背景知識而存在,缺少背景知識必定會影響對原文語義的分析與理解。為了更好地進行篇章語義分析,融入背景知識是必不可少的輔助手段。本文首先在背景知識獲取方面切入,出基于搜索引擎的篇章背景知識聯(lián)想模型,并在其基礎(chǔ)上進一步改進出基于分布式語義的篇章背景知識聯(lián)想模型,賦予機器獲取背景知識的能力;隨后,將背景知識融入篇章語義分析研究最重要的兩個方面:篇章語義結(jié)構(gòu)分析和篇章語義內(nèi)容分析,并相應(yīng)地探索了篇章語義關(guān)系分析和篇章語義連貫性分析兩個子問題,其中篇章語義關(guān)系分析研究以獲取篇章語義結(jié)構(gòu)信息為目標(biāo),篇章語義連貫性分析則以篇章語義內(nèi)容信息為分析對象。本文主要研究內(nèi)容可概括如下:1.基于搜索引擎的篇章背景知識聯(lián)想研究本文出基于搜索引擎的篇章背景知識聯(lián)想模型,采用“Subject,Predicate,Object”(主語,指示詞,賓語)三元組作為知識表示方案,從人工構(gòu)建知識庫和自動抽取知識庫中引入背景知識候選。本文出基于三元組關(guān)聯(lián)網(wǎng)絡(luò)的篇章表示方案,將背景知識候選和原文信息統(tǒng)一表示起來,并進一步引入搜索引擎作為資源,出基于權(quán)重傳播的排序模型計算背景知識候選與原文的相關(guān)性,依此對背景知識候選進行排序。在評價方面,我們采用排序問題的方式評估模型性能,并采用人工標(biāo)注的方式判定結(jié)果。實驗結(jié)果顯示:本文最終獲得MAP值為0.676,P@20值為0.417,取得了較好的性能。2.基于分布式語義的篇章背景知識聯(lián)想研究為了彌補上文方法計算效率低、評價不夠完整等缺點,本文進一步出基于分布式語義的篇章背景知識聯(lián)想模型。本文利用主題模型和深度學(xué)習(xí)等方法將背景知識候選和原文信息同時轉(zhuǎn)換為質(zhì)密的實值向量,并使用向量運算代替搜索引擎計算結(jié)點之間的語義相關(guān)度。本文隨后采用改進的權(quán)重傳播模型對背景知識候選進行排序,并選出相關(guān)性較高的背景知識引入文本分類任務(wù)中,通過基于任務(wù)的評價方式驗證背景知識聯(lián)想模型的分析效果。實驗結(jié)果顯示:該模型在背景知識引入上取得的MAP值為0.649,P@5值為0.5596;同時,通過引入背景知識使得文本分類模型性能高2.55%。3.融入背景知識的中文篇章語義關(guān)系研究之后,本文將背景知識融入篇章語義分析的重要方面:篇章語義結(jié)構(gòu)分析,并通過探索篇章語義關(guān)系分析任務(wù)來獲取篇章語義結(jié)構(gòu)信息�？紤]到中文篇章關(guān)系分析尚無成熟的任務(wù)定義和語料資源,本文首先出面向中文的篇章關(guān)系任務(wù)及關(guān)系類型體系,并探索大規(guī)模篇章關(guān)系語料資源的構(gòu)建方法,出句群、復(fù)句、分句的三層標(biāo)注方案,構(gòu)建包含1096篇文檔、超過兩萬個實例的高質(zhì)量中文資源。隨后,本文融合背景知識信息,探索了顯式篇章關(guān)系識別和隱式關(guān)系識別,并將結(jié)果應(yīng)用于傾向性分析任務(wù)中,取得了較好的效果,同時為后續(xù)研究供了資源基礎(chǔ)和模型參考。4.融入背景知識的篇章語義連貫性分析研究本文在篇章語義關(guān)系分析的基礎(chǔ)上更進一步,將背景知識融入篇章語義分析的另一個重要方面:篇章語義內(nèi)容分析,并通過探索篇章語義連貫性分析任務(wù)來獲取篇章語義內(nèi)容信息。給定一篇待分析的文章,本文使用前文介紹的方法獲取背景知識,并將其融入已有連貫性分析模型中,包括基于圖的無指導(dǎo)模型和基于實體的有指導(dǎo)模型兩類。我們在句子排序和摘要連貫性評估兩個任務(wù)上測試模型,實驗結(jié)果顯示:融合背景知識的無指導(dǎo)、有指導(dǎo)兩類模型,在兩個任務(wù)上均獲得了非常顯著的性能升,證明了本研究的實際價值。綜上,本文在背景知識獲取和融入背景知識的篇章語義分析兩方面都做了嘗試并取得一定成果,希望本文融入背景知識來支持相關(guān)研究的思路能對其他研究人員有所啟發(fā)。在本文的部分工作中,為了更好地與已有研究進行對比,我們的實驗針對英文語料展開,但需要指出的是本文所出的方法并沒有語言依賴性。相信隨著自然語言處理技術(shù)的進步,以及各種資源的不斷豐富,背景知識獲取和原文語義分析方法都將不斷進步,并進而促進機器翻譯、自動問答、傾向性分析、自然語言生成、以及自動文摘等相關(guān)研究的進一步發(fā)展。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.1

【相似文獻】

相關(guān)期刊論文 前10條

1 錢鵬;隱喻與語義分析[J];情報雜志;2004年11期

2 張文秀;陳偉;朱慶華;;基于本體的語義分析過程與方法的研究應(yīng)用[J];計算機應(yīng)用研究;2011年03期

3 戚世遠;英漢機器翻譯中的語義分析[J];計算機應(yīng)用;1991年05期

4 梁堯,楊家沅;語音理解中語法與語義分析的方法與實現(xiàn)[J];四川大學(xué)學(xué)報(自然科學(xué)版);1992年02期

5 戚世遠;;英漢機器翻譯中的語義分析[J];計算機應(yīng)用與軟件;1993年04期

6 周皓東;劉煒;;基于隱含語義分析的音樂檢索[J];計算機工程與設(shè)計;2013年06期

7 王建波 ,曹福民 ,宋清秀;VAX/VMS Ada編譯語義剖析[J];計算機工程與設(shè)計;1989年06期

8 柏建普;田芳;;基于語義分析的微博熱點話題發(fā)現(xiàn)技術(shù)研究[J];內(nèi)蒙古科技大學(xué)學(xué)報;2013年03期

9 李良炎,何中市,易勇;基于詞聯(lián)接的語義分析原理及其算法[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2004年08期

10 魏維;鄒書蓉;劉鳳玉;;基本聲音語義分析與提取技術(shù)研究[J];小型微型計算機系統(tǒng);2007年09期

相關(guān)會議論文 前10條

1 陳小芳;張桂平;蔡東風(fēng);葉娜;;基于統(tǒng)計和規(guī)則相結(jié)合的漢語術(shù)語語義分析方法[A];第六屆全國信息檢索學(xué)術(shù)會議論文集[C];2010年

2 王金龍;;文藝學(xué)中形式范疇的語義分析[A];中國中外文藝?yán)碚搶W(xué)會年刊（2008年卷）——理論創(chuàng)新時代:中國當(dāng)代文論與審美文化的轉(zhuǎn)型[C];2008年

3 潘新玲;;我的地盤——表總括的“都”的語義分析及其左鄰右舍的限制[A];2007年福建省辭書學(xué)會第18屆年會論文提要集[C];2007年

4 梁W，

本文編號：1336755