中文指代消解名词短语的识别

格式：pdf
大小：714.01 KB
文档页数：2

下载文档原格式

如何“破译”指代词语的指代义- -

如何“破译”指代词语的指代义- -【注】：本文在2001年3月于浙江温州召开的全国中语会教改中心第三届年会上获得第四届"语通杯"好文章大赛全国二等奖（由中国教育学会中学语文教学专业委员会教学改革研究中心与中国教育学会中学语文教学专业委员会会刊《语文教学通讯》联合主办）如何"破译"指代词语的指代义福建省福鼎市第五中学林承雄"理解词语在文中的含义"是高考现代文阅读的一项重要技能，而"理解指代词语在文中的指代义"又是文章词语阅读的一种常见的题型。

1990、1994、1996高考全国卷等先后多次考查过对指代词语的理解。

本文试图结合具体题例谈谈指代词语理解题的解答技巧。

指代词语包括指代词与指代短语两类。

指代词是指具有指示、代替作用的代词等。

主要起替代作用的有人称代词"我、你、他"，"我们、你们、他们"，"自己、人家、别人"等，"它"不指人，但习惯上也归入人称代词，既有代替作用，又有指称作用的有指示代词，包括近指代词"这"、"此"和远指代词"那"。

此外，现代书面语中经常使用两个文言代词"之"与"其"来指代一定内容，"之"相当于"他(它)"、"他(它)们"，在句中作宾语(或兼语)，不能作主语；"其"相当于"他(它)的"、"他(它)们的"在句中作领属性定语。

指代语是由代词与其他词类(如：名词、数量词、连词、动词等)复合生成的某些特殊的短语。

如"这些、那些"，"某些"，"这样、那样"，"如此"，"之所以如此"，"既然这样"等等。

基于多注意力机制的维吾尔语人称代词指代消解

的先行语, 因为文本中 “
(布葛热汗)” 与
“ (他)” 距离更近. 但是, 候选先行语 “
(吾
斯英)” 才是照应语 “ (他)” 正确的先行语. 所以,
人称代词指代消解应该充分考虑候选先行语距离特
征和更深层次的语境信息.
针对以上问题, 本文提出基于多注意力机制的
深度学习模型应用于维吾尔语人称代词指代消解任
2. Key Laboratory of software engineering technology, Xinjiang University, Urumqi 830046 3. Key Laboratory of Signal and Information Processing, Xinjiang University, Urumqi 830046 4. Network Center, Xinjiang University, Urumqi 830046 5. College of formation Science and Technology, Xinjiang University, Urumqi 830046
指代消解作为自然语言处理一个重要子任务, 深度学习模型在指代消解中得到广泛的研究. 这些研究关注照应语和候选先行语的语义信息, 应用大量的神经网络模型进行候选先行语预测[6−8]. 目前的研究主要针对中文和英文等具有充足语料库的语种, 对维吾尔语等小语种的研究不够深入, 针对小语种的研究无论是语料标注还是实体识别都需要掌握多级语法知识、语义知识, 甚至相应语言领域知识, 在当前自然语言处理的研究阶段, 要获取和学习研究中所需知识仍比较困难. 人称代词指代消解作为指代消解任务更细粒度的一个分支, 不仅依赖照应语和候选先行语特征信息, 还要关注距离特征和上下文语境信息. 例如句子:

中英文论文参考文献范例

中英文论文参考文献一、中英文论文期刊参考文献[1].面向中英文混合环境的多模式匹配算法.《软件学报》.被中信所《中国科技期刊引证报告》收录ISTIC.被EI收录EI.被北京大学《中文核心期刊要目总览》收录PKU.2008年3期.孙钦东.黄新波.王倩.[2].基于自适应特征与多级反馈模型的中英文混排文档分割.《自动化学报》.被中信所《中国科技期刊引证报告》收录ISTIC.被EI收录EI.被北京大学《中文核心期刊要目总览》收录PKU.2006年3期.夏勇.王春恒.戴汝为.[3].基于最大熵方法的中英文基本名词短语识别.《计算机研究与发展》.被中信所《中国科技期刊引证报告》收录ISTIC.被EI 收录EI.被北京大学《中文核心期刊要目总览》收录PKU.2003年3期.周雅倩.郭以昆.黄萱菁.吴立德.[4].中英文指代消解中待消解项识别的研究.《计算机研究与发展》.被中信所《中国科技期刊引证报告》收录ISTIC.被EI 收录EI.被北京大学《中文核心期刊要目总览》收录PKU.2012年5期.孔芳.朱巧明.周国栋.[5].基于树核函数的中英文代词消解?.《软件学报》.被中信所《中国科技期刊引证报告》收录ISTIC.被EI收录EI.被北京大学《中文核心期刊要目总览》收录PKU.2013年5期.孔芳.周国栋.[6].基于树核函数的中英文代词消解.《软件学报》.被中信所《中国科技期刊引证报告》收录ISTIC.被EI收录EI.被北京大学《中文核心期刊要目总览》收录PKU.2012年5期.孔芳.周国栋.[7].一种并行中英文混合多模式匹配算法.《计算机工程》.被中信所《中国科技期刊引证报告》收录ISTIC.被北京大学《中文核心期刊要目总览》收录PKU.2014年4期.王震.李仁发.李彦彪.田峥.[8].中英文混合文章识别问题.《软件学报》.被中信所《中国科技期刊引证报告》收录ISTIC.被EI收录EI.被北京大学《中文核心期刊要目总览》收录PKU.2005年5期.王恺.王庆人.[10].中英文混排扭曲文本图像快速校正方法.《图学学报》.被中信所《中国科技期刊引证报告》收录ISTIC.被北京大学《中文核心期刊要目总览》收录PKU.2015年6期.王景中.孙婷.童立靖.二、中英文论文参考文献学位论文类[1].中英文足球新闻标题中隐喻的对比研究.作者：郭浩.英语语言文学安徽大学2013（学位年度）[2].中英文汽车广告的人际意义比较研究.被引次数：2作者：王洁璁.外国语言学与应用语言学山东师范大学2012（学位年度）[3].中英文字体匹配初探.被引次数：1作者：姚文凭.艺术设计学湖南师范大学2011（学位年度）[4].多模态理论视角下中英文环保广告的对比研究.作者：张楠.外国语言学及应用语言学山西师范大学2013（学位年度）[5].基于字符串匹配的中英文混合分词技术研究.被引次数：4作者：王茜.计算机软件与理论四川师范大学2011（学位年度）[6].基于ROI原则的中英文公益广告修辞劝说及其诉求分析.作者：马欣宇.商务英语对外经济贸易大学2013（学位年度）[7].跨文化视角下中英文简历的语类分析.作者：高琳.外国语言学及应用语言学天津商业大学2015（学位年度）[8].中英文商务信函比较研究.作者：王卓.汉语言文字学长春理工大学2013（学位年度）[9].中英文混排名片识别系统研究.被引次数：4作者：金鑫.计算机应用技术南京航空航天大学2011（学位年度）[10].网上中英文招聘广告信息流动模式对比研究.作者：韩蕊.外国语言学及应用语言学天津理工大学2012（学位年度）三、中英文论文专著参考文献[1]VisualEPlus—EnergyPlus的中英文图形化界面工具.潘毅群.李歧强.周辉.黄治钟.何宗键，2010全国暖通空调制冷2010年学术年会[2]一种适合中英文混排的字符分割技术.刘娟.郭钧天.范依林，20082008中国计算机大会[3]医学期刊中英文姓名的著录及中英文转换.王冰，2003第三届中国科技期刊青年编辑学术研讨会[4]清管技术与设备中英文术语探析.杨路，2006第三届全国管道技术学术会议[5]科研论文写作中的汉英杂糅现象及编辑策略.石春让，2010第八届全国核心期刊与期刊国际化、网络化研讨会[6]高影响力医学期刊中英文参考文献著录差错分析.朱红梅.张大志.任红，2011第九届全国医药卫生期刊编辑出版学术会议[7]基于聚合关系的中英文词表概念映射方法及实证.邓盼盼.常春.李晓瑛，20142014年第五届全国知识组织与知识链接学术交流会[8]合理运用语言比例，提高经济学科双语教学质量.王时芬，2010第五届中国经济学教育年会暨院长(系主任)联席会议[9]VisualEPlus——EnergyPlus的中英文图形化界面工具.潘毅群.李歧强.周辉.黄治钟.何宗键，20092009年全国暖通空调专业委员会空调模拟分析学组学术交流会[10]‘大峡谷与谷地’名称问题讨论.凌小惠.钱方，2009中国地质学会旅游地学与地质公园研究分会第24届年会暨白水洋国家地质公园建设与旅游发展研讨会。

指代消解的主要方法及其机制

静态变元约束机制，意义被看作是模型中的状态变元之间的关系，语句的意义看作是语境更新的潜
力。
一
、
处理照应现象的主要方法
据笔者所知，到目前为止，处理指代现象的方法在逻辑学界就多达十多种，比如：话语表现理
收稿日期：０２０ — ０２１—６２
基金项目：国家社科基金重大招标项目“ 自然语言信息处理的逻辑语义学研究 ” 阶段性成果之一，目编号：０Ｄ０３项１＆Ｚ７作者简介：张晓君（９Ｏ）女，１７一，四川南充人，厦门大学哲学系博士后。研究方向：自然语言逻辑、动态认知行动逻辑。
指代（ｎｐｏａ是自然语言中非常普遍的语言现象，对于简化表述，衔接上下文和意义的连贯起ａａｈｒ）着重要的作用。在语言学中，指代词（ｎｐｏ所指的对象和内容叫做先行词，为指代词确定先行词的 ห้องสมุดไป่ตู้ａａｈＯ
过程叫做指代消解（ａｈｒｒｏｔｎ。指代消解在信息抽取、自ａｐｏａｅｌｉ）ｎｓｕｏ然语言接口、机器翻译、文本摘要和问答系统等人工智能的应用领域中起着重要的作用。ｎ在自然语言中，具有指代现象的典型语句
合性话语表现理论（ＰｏｐｓｉａＤＴ等，而仅使用范畴对指代现象进行处理的方法就有六种。ＳＣｍｏｉｏｌＲ）ｔｎ笔者通过对比研究发现：话语表现理论虽然具有动态地处理指代现象的能力，但它却不满足组合性原则；动态谓词逻辑虽然满足组合性且能够进行指代消解，但其语境增量具有破坏性；动态蒙太格语法在其动态内涵逻辑的翻译中，选择一个特别的话语标记对成分间可能的指代关系进行标示，能够很好地处理指代现象；带有内在动态广义量词的动态谓词逻辑允许在其第一个论元的动态存在量词与其第二个论元相应变元之间具有间接约束关系，能够进行指代消解；增量动态逻辑规定量词可以约束下一个可以达到的变元寄存器（ｇｔ），并定义了能够为代词找到先行词的语境；ｒｉｅ ① ｅｓｒｋＤＴ－Ｒ是通过向话语表现理论中添加入演算从而得到语句的组合性处理；【组合性话语表现理论是一８］ｍ

nlp面试题目及答案

nlp面试题目及答案NLP（自然语言处理）是人工智能领域中的一个重要分支，涉及到理解、处理和生成人类语言的能力。

对于从事NLP相关工作的人员来说，准备好面试题目及其答案是至关重要的。

本文将为大家提供一些常见的NLP面试题目及其答案，希望对大家的面试准备有所帮助。

一、基础理论题1. 请解释自然语言处理（NLP）的概念。

自然语言处理（NLP）是指计算机通过对自然语言进行分析和理解，并利用这些分析结果进行相关任务的一种技术。

它包括了文本理解、机器翻译、文本生成、信息抽取等一系列技术和应用。

2. 请介绍NLP的主要挑战是什么？NLP的主要挑战包括语义理解、语义生成、指代消解、语音识别、机器翻译等。

其中，语义理解是指理解句子的具体意义和上下文关联；语义生成是指根据一定的输出规则和输入生成句子；指代消解是解决代词、名词短语等的指代问题；语音识别是将语音转化为文字的过程；机器翻译是将一种语言的内容转化为另一种语言的过程。

3. 请解释什么是词嵌入（Word Embedding）？词嵌入是将单词转化为连续向量表示的技术。

它通过将单词映射到高维向量空间中的点来表示单词的语义。

通常使用的方法是通过训练语言模型或者神经网络自动学习词嵌入。

4. 请解释什么是词袋模型（Bag of Words Model）？词袋模型是一种简化的文本表示方法，将文本中的每个词都看做一个独立的特征，并将其转化为一个向量。

在词袋模型中，每个词的出现与否是一个二进制的特征，向量的每一维表示对应词的出现次数。

5. 请解释什么是TF-IDF值？TF-IDF（Term Frequency-Inverse Document Frequency）是一种用于衡量词语在文本中的重要性的方法。

TF指的是词语在文本中的频率，IDF指的是逆文档频率，即该词语在整个文本集合中的重要程度。

TF-IDF值越大，表示该词在文本中的重要性越高。

二、应用题1. 请解释一下词性标注是什么？词性标注是指为文本中的每个词语标注词性或者词类的过程。

自然语言处理领域存在哪些亟待解决的问题？

自然语言处理领域存在哪些亟待解决的问题？自然语言处理（Natural Language Processing, NLP）是计算机科学与人工智能领域中探索和处理人与机器之间的自然语言交互的研究领域。

随着人工智能的迅速发展，NLP也取得了长足的进步和成就。

然而，尽管取得了重要的突破，但NLP领域仍然面临许多亟待解决的问题。

本文将重点介绍一些当前NLP领域中存在的亟待解决的问题。

一、语义理解与推理语义理解是指计算机对语句进行深入的理解和解释，使其能够捕捉到言外之意、常识性知识和上下文的相互关系。

目前，NLP系统的语义理解仍然相对较浅，无法涵盖复杂的语义推理和逻辑推理。

在真正地理解人类语言的同时，将语言转化为计算机可处理的结构将是一个重要的问题。

此外，许多基于统计的方法在处理复杂的语义关系上也存在局限性。

二、语言生成语言生成是指计算机根据一定的输入信息生成自然语言。

虽然自动生成某些文本内容的技术已经取得了进展，但生成的文本在语义和流畅性方面仍然存在问题。

生成文本往往不自然，缺乏结构和条理性，特别是当涉及到长篇文章或复杂议题时。

为了解决这个问题，需要进一步改进生成模型，提高生成文本的自然程度和准确性。

三、语言理解的上下文语言理解的上下文理解是NLP中一个重要的挑战。

人类往往依靠上下文信息来理解含糊或模棱两可的语句，但对于计算机而言，理解语句时上下文信息往往是不可见的。

因此，在NLP中引入上下文信息变得非常重要。

解决这个问题的方法包括引入语义角色标注、指代消解和共指消解等技术，以更好地利用语境信息来理解和解释自然语言。

四、多语言处理随着全球化的发展，多语言处理成为NLP领域的一个重要问题。

许多NLP技术在处理英语之外的其他语言时效果不佳。

在处理多语言数据时仍存在着语言差异和结构差异的挑战。

如何在各种不同的语言和语境中进行高效准确的处理，仍然是一个亟待解决的问题。

五、数据稀缺和数据偏见大规模的高质量数据是许多NLP任务的基础。

中文指代消解方法研究讲义brmq

搭配
数
饰限定饰数量
类型
类型
I、J的距 I、J的全 I、J的子 I、J的抽
离
匹配信串缩略取缩略
息
信息
信息
Outline
研究背景及意义国内外研究现状论文研究方法及内容名词短语识别及特征向量选定基于决策树的中文指代消解结合规则的决策树中文指代消解结论下一步工作
基于决策树的中文指代消解
{19980101-01-001-002/m}Q {中共中央 /nt}O {总书记/n 、/w 国家/n 主席/n}G {江 /nr 泽民/nr}H
特征向量选定
参考国内外相关研究选定16个特征
I
搭配
数
饰限定饰数量
类型
类型
J的句法 J的单复 J的性别 J的类型 J的被修 J的被修
名词短语识别(识别步骤)
第一步：识别出基本名词成分。各种名词成分分为六组，如上页所示。
第二步：同组短语局部最大化，亦即如果两个相邻的标出的短语的组别相同，那么就将二者合并为一个短语。
第三步：并列名词性短语合并。如果出现在 “和”、“与”或“、”两侧的短语组别相同，则将两侧短语连带“和”、“与”或“、”一起合并为一个短语（这里排除代词组的情况）。
决策树学习概况：ID3、C4.5、C5.0 实验数据准备情况
正反例类型指代类型
正例（有指代名词短语关系）代词
反例（无指代名词短语关系）代词
数百分量比
44 29.3%
35 23.3%
58 38.7%
13 8.7%
样例的不同类型分布情况
C5.0生成的决策树
IJ全匹配
T
F
+

指代消解中代词待消解项识别研究

指代消解中代词待消解项识别研究陈九昌;孔芳;朱巧明;周国栋【摘要】This paper studies the identification of pronouns to be resolved on the basis of a machine learning based coreference resolution platform.A filter of pronouns to be resolved is generated with machine learning method by combining these two: to mine sets of features which are able to discriminate whether the pronouns are the items to be resolved or not, and to summarise and educe syntactic structure of pronouns to be resolved with rules, and they are add onto the pronouns coreference resolution platform. The performance of the filter and the contribution to pronouns coreference resolution are tested with ACE2003 benchmark corpus. Experiment shows that the filter achieves higher precision rate and the performance of pronouns coreference resolution system can be improved outstandingly.%以基于机器学习的指代(Anaphora)消解平台为基础,研究代词待消解项识别问题.挖掘能区分代词是否为待消解项的特征集,总结归纳具有规律的代词待消解项的句法结构,使用机器学习的方法将二者结合生成代词待消解项过滤器并将其加入到代词指代消解平台.在ACE2003基准语料上测试过滤器自身性能及对代词指代消解的贡献.实验表明过滤器具有较高的准确率,能明显地提高代词指代消解系统的性能.【期刊名称】《计算机应用与软件》【年(卷),期】2011(028)003【总页数】4页(P217-219,249)【关键词】指代消解;待消解项识别;机器学习【作者】陈九昌;孔芳;朱巧明;周国栋【作者单位】【正文语种】中文0 引言指代是自然语言中常见的语言现象,它是指在语篇中用一个指代词回指某个以前说到过的语言单位,这对保持文章的连贯性上起着重要的作用。

中文词义消歧的方法研究

中文词义消歧的方法研究摘要：词义消歧一直是自然语言处理领域的难题之一，它的研究对包括机器翻译、信息检索、文本分类等众多研究领域都会有一个积极的推动作用。

本文阐述了词义消歧的方法，以及各种消歧方法的优缺点，分析了影响词义消歧效果的因素，并给出了自己在词义消歧方面的想法。

关键词：词义消歧；自然语言处理；规则；统计词义消歧是自然语言处理领域一个重要的研究课题．也是近年来该领域研究的热点问题之一。

歧义的存在使计算机在“理解”自然语言时发生了困难，并很可能出现了错误。

词义消歧要解决的问题是如何让计算机理解多义词在特定的上下文环境中具体代表的语义。

汉语的词义消歧研究起步比较晚，整体水平不容乐观．尚局限在几个歧义词，譬如说选择5～10个有歧义的名词或动词作为消歧研究对象，个别正确率很高，但难以推广至全文(即所有的歧义词)。

目前的词义消歧研究还停留在实验室阶段，离实际应用还有很长的一段距离。

一、词义消歧方法语言学知识描述了词汇间的关系，歧义的产生源于词汇所涉及的领域、所处的结构等因素。

消解歧义的前提是为歧义词选择恰当上下文。

所有歧义的消解都依赖于多义词上下文提供的信息。

所以通过特定的上下文环境判断歧义词的特定词义是解决词义消歧问题的唯一出发点，是所有词义消歧技术、方法的源头。

1、基于规则的词义消歧方法早期的词义消歧研究重点在于基于规则的方法。

该方法依赖语言学家的语言知识来描述词义之间的关系，并建立规则库。

通过对歧义词及其上下文词语的分析，选择满足规则、条件的词义作为正确答案。

该方法符合人类的认知习惯，像专家系统那样很容易理解并被接受。

但由于规则通常由语言专家制定，具有很大的主观性，难免存在一些错误。

此外，如何保证规则库的一致性、可扩充性和完备性是该方法面临的难题。

2、统计词义消歧方法统计词义消歧方法借助统计学的思想和方法来处理词义歧义问题，统计学的方法不需要制定规则，自动在语料库、知识库中获取所需信息，来指导词义消歧。

统计与规则相结合的中文指代消解

析和测试入规则来进行分
距离特征定义如下：［３】王厚峰．汉语篇章的指代消解浅论［Ｊ］．语言文字应用，２００４（４）：１１３ — １９．规则三：如果出现了第三人称代词 “ 他” ，那么后面出现的代词１ “ 他” 是全匹配，即指代的是相同的先行词。『４】孔芳，周国栋等．指代消解综述『Ｊ］计算机工程，２０１０，３６（８）：３３ — ３６．规则四：第三人称在指代消解是比较好判断，由于第一人称 “ 我”
科技论坛
・１１５・
统计与规则相结合的中文指代消解
韦丽红王继钢
（呼伦贝尔学院计算机科学与技术学院，内蒙古海拉尔０２１００８）摘要：研究选定了６种特征向量，在１２０个手工标注的指代样本的基础上采用Ｃ５．０决策树方法训练得到一棵用于中文名词短语指代消解的决策树，并对其进行实验测试。采用决策树的ｉｆ－ｔｈｅｎ规则之前加入四奈针对代词指代消解的规则的方法来改进系统。关键词：指代消解；特征；规则；决策树采用统计和规则相结合的方式来进行指代消解。解决召回率较或者 “ 我们” 这样的指代词在判断起来有一定的难度，所以本文不加低的方法是通过大量的手工标记得出更好的决策树和向量特征，但以考虑。以上四条规则从上到下依次判断执行。２加入了规则的消解流程图指代消解在国外多采用规则的方式，多在句法层面上进行研究，本文实验人民Ｅｔ报１９９８年１月份和２０００年４月份新闻版的如ＲＡＰ算法等。国外的规则多是在句法和语法层面上进行的，国内文章作为语料，首先确定语料的特征属性，通过Ｃ５．０算法构建形成的基于规则的制定，比较有代表性的是王厚斌提出的排斥规则，此外个新的决策树算法，再结合上面提出的四个规则进行指代消解，将参考文献中可以查看汉语的消解特点。这次消解后的语料作为自动文摘生成的源语料。１规则的选定使用５０个样本进行实际文档的指代消解问题，通过实验加入了在语言学中，我们总结了以下一些常识原则：上面的四个规则过滤之后，进行指代消解，实验得到的实验测试结果１．１Ｊ陛别统一原则。指示语和相应的先行语的性别必须是一致显示召回率有了明显的提高。的。如果指示语和相应的先行语的性别得性别不一致，基本上可以利用统计中的决策树与规则相结合的方法来改进方法之后，使排除指代关系。例如： “ 母亲／ｎａｐ王／ｎｒｆ玲／ｎｒｇ ” （根据 “ 母亲” ，性别为该方法能更加细致的区分在消解范围内的代词在具体的语境中是 “ 女性” ），但是这时候要考虑识别优先问题， “ 王／ｎｒｆ玲／ｎｒｇ ” 性别为不否需要消解，并且能够进行正确的消解。在统计方法中加人了规则确定。这里需要考虑 “ 人名 ” 的优先级比“ 普通指人名词 ” 的高，但是方法之后，代词的消解范围扩大了。在具体的应用时还需要考虑层次捆绑的问题，较为复杂，在本文中不将利用统计与规则相结合的方法生成的语料用于基于事件的加以考虑。自动文摘中之后，对于文摘的性能也有所提高，利用统计与规则相结１．２单复数一致原则。指示语和相应的先行语的单复数必须是合的方法进行消解要比单纯利用统计的方法进行消解所生成的自致的。分析情况规定如下：动文摘的性能有所提高。（１）若主语为表示人、机构、地点的单一名词时，对应的代词用表 “ 在，ｐ老工人，ｎ闫戌麟，ｎｒ家，ｎ，，ｗ当，ｐ李鹏／ｎｒ了解，ｖ到／ｖ示单数的代词；老闰／ｎｒ退休，ｖ前，ｆ一直，ｄ都／ｄ是／ｖ厂，ｎ里，ｆ的，ｕ先进，ａ工作（２）若主语为表示距离、时间、长度、价值、金额、重量的名词时，者，ｎ、，ｗ曾经，ｄ被／ｐ评为，ｖ北京市，ｎｓ五／ｍ好，ａ职工，ｎ，，ｗ退休对应代词应为单数代词；／ｖ后，ｆ仍然，ｄ为，ｖ改善，ｖ职工，ｎ的／ｕ住房／ｎ而，ｃｃ奔波，ｖ时，（３）集合名词做主语时，若表示整体概念时，对应代词用单数形，ｗ十分，ｄ高兴，ａ，，ｗ对，ｐ他／ｒ为，ｐ工厂，ｎ建设，ｖｎ作出，ｖ的，ｕ式；若表示集合中的每个成员对应代词用复数形式。贡献／ｎ／／ｎ表示，ｖ感谢，ｖ。，ｗ ” １．３人称一致性。当指示语是人称代词，相应的先行语也是人称消解后的语料为：在，ｐ老工人／ｎ闫戌麟，ｎｒ家，ｎ，／ｗ当，ｐ李鹏代词时，他们必须是一致（相同的）的。人称代词也可以作为指代的对／ｎｒ了解，ｖ到，ｖ老闫／ｎｒ退休，ｖ前／ｆ一直，ｄ都，ｄ是，ｖ厂，ｎ里，ｆ的象，但原则上人称代词只能指代相同的人称代词，不同的人称代词应，ｕ先进，ａ工作者，ｎ、，ｗ曾经，ｄ被，ｐ评为，ｖ北京市，ｎｓ五，ｍ好，ａ当排斥掉。职工，ｎ，，ｗ退休，ｖ后，ｆ仍然，ｄ为／ｖ改善，ｖ职工，ｎ的，ｕ住房，ｎ而１．４距离近优先原则。距离指示语近的先行语优先指代。例：张，ｃｃ奔波，ｖ时／ｇ，／ｗ十分／ｄ高兴／ａ，／ｗ对／ｐ闫戌麟，ｎｒ为，Ｄ工厂／ｎ三的哥哥气走了他的朋友（这里，他优先选择：哥哥）。建设，ｖｎ作出，ｖ的，ｕ贡献／ｎ／／ｎ表示，ｖ感谢，ｖ。，ｗ１．５重复出现优先原则。上下文中重复出现的先行语优先指尽管加入规则后我们的消解后的语料增加了可读性和连贯性，代。但是相对于英文而言，中文指代消解的研究相对较少，人工添加的规１．６“ 这／那等代词 ” 。指代消解系统中对于代词短语中出现的则有很多不足，规则的数量有限，选用的规则也很难覆盖全部的自然 “ 这／这些 ” 、 “ 那／那个那些 ” 、 “ 哪／哪些／哪个”等情形还没有深入语言现象。本论文讨论的规则相对还是比较简单，针对较复杂的文在做测试时，可能会有很多的未消解内容，还需要进一步改进。研究，为了使指代消解系统对于指代关系识别的精确率提高而不强章，调召回率，这种情形留待以后深入研究，现在不对这种情况进行消３结论解。本文在基于决策树的中文指代消解的基础上加入了四条规则，根据上面常识原则和对语料的分析总结，本文提出以下四个规绘制出了消解流程图，主要针对的是指代消解中的人称代词。通过则：实验对比，可以看出加入规则的识别结果，代词的指代消解，召回率规则一：指代词的一致性，即如果句子中出现了人名，那么后面有了一定的提高，但是由于本文加入的规则相对简单，好多的中文指出现的指代词如“ 他” 、 “ 她” 等有指代关系；如果前方出现的是机构、代的内容没有考虑全面，比较复杂的指代消解还存在一些问题。参考文献地点或者是物品名，则指代词“ 它” 或者“ 它们” 等存在指代关系。规则二：指代消解中的名词短语在进行指代时，如果指代词如【１】汤姆逊，马丁内特．牛津使用英语语法【Ｍ】锑四版．北京：外语教学与２０１Ｉ． “ 他” 、 “ 他们 ” 等，与照应词的位置应控制在代词所在的当前句子和研究出版社。前几句，即距离应该３句范围内，指代的可能性很大。句子距离大于【２】史树敏，黄河燕，刘东升．自然语言文本指代消解技术研究『Ｊ１．计算３的可以不加考虑。机科学，２００７，３４（１２）：２１４ — ２１５，２３７．

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。