汉语宏观篇章资源建设与结构分析方法研究
发布时间：2021-01-30 18:22
在自然语言处理领域,随着研究对象逐渐从字词和句子转移到句群、段落和章节等更大的语义层面,篇章分析变得越来越重要。篇章分析是理解文本整体语义的基础,广泛应用于情感分析、问答系统、自动摘要等更深层次的自然语言处理应用。相较于微观篇章分析研究取得的成功,宏观篇章分析面临诸多挑战。宏观篇章分析包括篇章结构分析、篇章主次识别和篇章关系识别三个子任务。基于汉语宏观篇章结构表示体系,本文对汉语宏观篇章资源建设与结构分析方法展开深入研究,主要研究内容包括以下三个方面:（1）针对汉语宏观篇章语料匮乏的问题,本文构建汉语宏观篇章语料库（MCDTB）。首先,基于汉语宏观篇章结构表示体系,标注宏观篇章结构树,并额外标注段落主题句和篇章摘要等更高层次的宏观篇章信息;其次,在详细的标注流程和标注准则确定后,开发标注工具并提出质量保证策略,以保证标注速度和标注质量;最后,共标注720篇汉语新闻语料,并取得一致率大于80%和Kappa值大于0.6的标注一致性。在MCDTB上的篇章主次识别实验验证了该语料库的可用性。（2）针对高层次篇章结构识别由于样本过少而产生过拟合的问题,本文提出基于标签退化组合模型的宏观篇章结构识...
【文章来源】：苏州大学江苏省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图１－１?ｃｈｔｂ＿００５６的宏观篇章结构树??
章构建一棵完整??的篇章结构树，没有显式区分微观层次和宏观层次。??＼ｆ＼?２－＼ｉ?（ａ）?Ｉｎ?ａｄｄｉｔｉｏｎ，?（ｂ）?Ｍｒｓ．?Ｌｉｄｅｎｖｏｏｄｓａｉｄ，?（ｃ）?Ｎｏｒｆｏｌｋ?ｉｓ?ｈｋｅｌｙ?ｔｏ?ｄｒａｗ?ｄｏｗｎ?ｉｔｓ??ｃａｓｈ?ｉｎｉｔｉａｌｌｙ?（ｄ）?ｔｏ?ｆｉｎａｎｃｅ?ｔｈｅ?ｐｕｒｃｈａｓｅｓ?（ｅ）?ａｎｄ?ｔｈｉｓ?ｆｏｒｆｅｉｔ?ｓｏｍｅ?ｉｎｔｅｒｅｓｔ?ｉｎｃｏｍｅ．??例２－１为ＲＳＴ－ＤＴ中ｗｓｊ＿ｌ１１１的一个句子，其篇章结构树标注如图２－１所示，标??注内容主要包括篇章的结构、主次（核性）和关系三个方面。篇章基本单元为ａ，?ｂ，ｃ，??ｄ和ｅ，箭头指向的节点（如ａ，?ｃ，ａ－ｄ）为篇章关系中较为重要的部分，即核心（Ｎｕｃｅｌｕｓ）。??两个篇章单兀使用篇章关系（如ａｔｔｒｉｂｕｔｉｏｎ－ｅｍｂｅｄｄｅｄ，?ｓａｍｅ－ｕｎｉｔ）连接，从而合并为更??大的篇章单元，ＲＳＴ－ＤＴ的篇章关系分为１８大类７８小类。??ａ－ｅ??ｃｏｎｓｅｑｕｅｎｃｅ－ｓ??ａ－ｄ?ｅ??ｓａｍｅ－ｕｎｉｔ??ａ－ｂ?ｃ－ｄ??ａｔｔｒｉｂｕｔｉｏｎ－ｅｍｂｅｄｄｅｄ?ｐｕｒｐｏｓｅ??ａ?ｂ?｜?ｃ?—?ｄ??图２－１?ＲＳＴ－ＤＴ?ｗｓｊｊ?１１１的篇章结构子树??１０??
料库语料来源于ＣＴＢ６．０，共标注５００篇新??闻类文章，其中有效标注２３４２个篇章（段落），篇章基本单元（ＥＤＵ）为子句或句子。??你＼１－１１?（ａ）亚洲国家和地区是中国主要外资来源，（ｂ）来自香港、台湾、日本、??韩国、东盟等国家和地区，投资额占全国利用外资总额的百分之八十五以上。（ｃ）其??中香港仍是内地吸收外资的主要来源，（ｄ）占累计实际吸收外商投资的比重为百分之??五十五以上。??在ＣＤＴＢ中，文章ｃｈｔｂ＿００７６的部分片段如例２－２所示，其标注的篇章结构树如??图２－２所示，相较于ＲＳＴ－ＤＴ和ＰＤＴＢ，?ＣＤＴＢ既标注篇章的结构、主次和关系（如??ＲＳＴ－ＤＴ），也标注篇章关系中所包含的连接词（共标注２７８个连接词）和显式、隐式??关系（共标注７３１０个关系，其中显式１８１４个，隐式５４％个）等。与ＲＳＴ－ＤＴ不同，??ＣＤＴＢ以－个段落构建？棵篇章结构树，没有构建段落及以上的篇章结构。??ａ－ｄ?（＇今分）｛其中，符合语感，＋吋删除！??〈符合语感，ｆ可添加＞?〈符合语感，ｆ可删除〉???ａ???ｂ??Ｉ?ｃ?Ｉ??ｄ???图２－２?ＣＤＴＢ的基于链接依存树的篇章结构树（ｃｈｔｂ＿００７６）??２．２汉语宏观篇章分析相关任务介绍??篇章分析分为两个层次：微观层面和宏观层面。在微观层面，篇章基本单元（ＥＤＵ）??为子句或句子，而在宏观层面，篇章基本单元（ＥＤＵ）为自然段落。篇章分析目的是??分析出篇章的层次结构及语义关系，具体的，是判断篇章单元间是否存在关系、判断??篇章单元的重要性以及对篇章单元间存在的关系分类。??篇章分析主要分为３个子任务：篇章结构分析、
【参考文献】：
期刊论文
[1]基于转移的中文篇章结构解析研究[J]. 孙成,孔芳. 中文信息学报. 2018(12)
[2]自然语言处理中的篇章主次关系研究[J]. 褚晓敏,朱巧明,周国栋. 计算机学报. 2017(04)
[3]基于框架的汉语篇章结构生成和篇章关系识别[J]. 吕国英,苏娜,李茹,王智强,柴清华. 中文信息学报. 2015(06)
[4]汉语篇章修辞结构的标注研究[J]. 乐明. 中文信息学报. 2008(04)
[5]汉英语篇主题与段落结构模式的比较研究[J]. 李锦,廖开洪. 暨南学报(哲学社会科学版). 2001(05)
博士论文
[1]汉语篇章结构表示体系及资源构建研究[D]. 李艳翠.苏州大学 2015
硕士论文
[1]面向问答系统的复述识别技术研究与实现[D]. 徐帅.哈尔滨工业大学 2009
本文编号：3009369
【文章来源】：苏州大学江苏省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图１－１?ｃｈｔｂ＿００５６的宏观篇章结构树??
章构建一棵完整??的篇章结构树，没有显式区分微观层次和宏观层次。??＼ｆ＼?２－＼ｉ?（ａ）?Ｉｎ?ａｄｄｉｔｉｏｎ，?（ｂ）?Ｍｒｓ．?Ｌｉｄｅｎｖｏｏｄｓａｉｄ，?（ｃ）?Ｎｏｒｆｏｌｋ?ｉｓ?ｈｋｅｌｙ?ｔｏ?ｄｒａｗ?ｄｏｗｎ?ｉｔｓ??ｃａｓｈ?ｉｎｉｔｉａｌｌｙ?（ｄ）?ｔｏ?ｆｉｎａｎｃｅ?ｔｈｅ?ｐｕｒｃｈａｓｅｓ?（ｅ）?ａｎｄ?ｔｈｉｓ?ｆｏｒｆｅｉｔ?ｓｏｍｅ?ｉｎｔｅｒｅｓｔ?ｉｎｃｏｍｅ．??例２－１为ＲＳＴ－ＤＴ中ｗｓｊ＿ｌ１１１的一个句子，其篇章结构树标注如图２－１所示，标??注内容主要包括篇章的结构、主次（核性）和关系三个方面。篇章基本单元为ａ，?ｂ，ｃ，??ｄ和ｅ，箭头指向的节点（如ａ，?ｃ，ａ－ｄ）为篇章关系中较为重要的部分，即核心（Ｎｕｃｅｌｕｓ）。??两个篇章单兀使用篇章关系（如ａｔｔｒｉｂｕｔｉｏｎ－ｅｍｂｅｄｄｅｄ，?ｓａｍｅ－ｕｎｉｔ）连接，从而合并为更??大的篇章单元，ＲＳＴ－ＤＴ的篇章关系分为１８大类７８小类。??ａ－ｅ??ｃｏｎｓｅｑｕｅｎｃｅ－ｓ??ａ－ｄ?ｅ??ｓａｍｅ－ｕｎｉｔ??ａ－ｂ?ｃ－ｄ??ａｔｔｒｉｂｕｔｉｏｎ－ｅｍｂｅｄｄｅｄ?ｐｕｒｐｏｓｅ??ａ?ｂ?｜?ｃ?—?ｄ??图２－１?ＲＳＴ－ＤＴ?ｗｓｊｊ?１１１的篇章结构子树??１０??
料库语料来源于ＣＴＢ６．０，共标注５００篇新??闻类文章，其中有效标注２３４２个篇章（段落），篇章基本单元（ＥＤＵ）为子句或句子。??你＼１－１１?（ａ）亚洲国家和地区是中国主要外资来源，（ｂ）来自香港、台湾、日本、??韩国、东盟等国家和地区，投资额占全国利用外资总额的百分之八十五以上。（ｃ）其??中香港仍是内地吸收外资的主要来源，（ｄ）占累计实际吸收外商投资的比重为百分之??五十五以上。??在ＣＤＴＢ中，文章ｃｈｔｂ＿００７６的部分片段如例２－２所示，其标注的篇章结构树如??图２－２所示，相较于ＲＳＴ－ＤＴ和ＰＤＴＢ，?ＣＤＴＢ既标注篇章的结构、主次和关系（如??ＲＳＴ－ＤＴ），也标注篇章关系中所包含的连接词（共标注２７８个连接词）和显式、隐式??关系（共标注７３１０个关系，其中显式１８１４个，隐式５４％个）等。与ＲＳＴ－ＤＴ不同，??ＣＤＴＢ以－个段落构建？棵篇章结构树，没有构建段落及以上的篇章结构。??ａ－ｄ?（＇今分）｛其中，符合语感，＋吋删除！??〈符合语感，ｆ可添加＞?〈符合语感，ｆ可删除〉???ａ???ｂ??Ｉ?ｃ?Ｉ??ｄ???图２－２?ＣＤＴＢ的基于链接依存树的篇章结构树（ｃｈｔｂ＿００７６）??２．２汉语宏观篇章分析相关任务介绍??篇章分析分为两个层次：微观层面和宏观层面。在微观层面，篇章基本单元（ＥＤＵ）??为子句或句子，而在宏观层面，篇章基本单元（ＥＤＵ）为自然段落。篇章分析目的是??分析出篇章的层次结构及语义关系，具体的，是判断篇章单元间是否存在关系、判断??篇章单元的重要性以及对篇章单元间存在的关系分类。??篇章分析主要分为３个子任务：篇章结构分析、
【参考文献】：
期刊论文
[1]基于转移的中文篇章结构解析研究[J]. 孙成,孔芳. 中文信息学报. 2018(12)
[2]自然语言处理中的篇章主次关系研究[J]. 褚晓敏,朱巧明,周国栋. 计算机学报. 2017(04)
[3]基于框架的汉语篇章结构生成和篇章关系识别[J]. 吕国英,苏娜,李茹,王智强,柴清华. 中文信息学报. 2015(06)
[4]汉语篇章修辞结构的标注研究[J]. 乐明. 中文信息学报. 2008(04)
[5]汉英语篇主题与段落结构模式的比较研究[J]. 李锦,廖开洪. 暨南学报(哲学社会科学版). 2001(05)
博士论文
[1]汉语篇章结构表示体系及资源构建研究[D]. 李艳翠.苏州大学 2015
硕士论文
[1]面向问答系统的复述识别技术研究与实现[D]. 徐帅.哈尔滨工业大学 2009
本文编号：3009369
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3009369.html
