汉语句子的信息处理.PPT

第四章 汉语句子的信息处理 授课时间：2006年12月18日 授课人：徐艳华 教学目标 汉语树库的建设 汉语自动句法分析的方法 汉语语义结构分析 一、汉语树库的建设 汉语树库的构建分成两个阶段进行： 第一阶段：在经过正确切分和词性标注处理的汉语语料文本上，标注正确的功能语块信息，形成语块库。 第二阶段：在汉语句子的语块标注结果上，分析并标注句子的正确句法结构树，形成完整的树库。 分阶段的汉语树库构建模式 二、汉语自动句法分析 1、汉语自动句法分析的目标 在语法层面，一个句子如果有结构歧义，应给出多个分析树。分析树以句子为根结点，以其他短语标记为中间结点，以词为叶子结点。 在语义层面，应标注出每个结点之间的动态语义关系。例如，“关心的是他母亲”，语法上没有结构歧义，但表述了不同的动态语义关系： 谓词：关心；施事：他母亲；受事：他（？） 谓词：关心；施事：他（？）；受事：他母亲 2、自动句法分析的方法 （一）完全句法分析 定义 “完全”包括两个意思，一是语法分析＋语义分析，二是分析到每个词。 完全句法分析的困难 形态贫乏，分析时缺少形式标记 词类多功能，组合可能性指数增长 “名＋动＋名”是什么结构？ 缺乏可利用的词语知识和语义知识 “转移到X的轨道上” “X点了Y的穴位” 缺乏可利用的大规模树库 （二）部分分析法 定义：只作语法分析，并且不一定分析到每个词。其目标不那么“宏伟”，但可行性较强。包括： 骨架分析（Skeleton Parsing），只要求分析出句子的主干成分，例如核心谓词，全句的主语、宾语等。 所谓“核心谓词”，是指一个准子句中充当核心谓语的谓词（动词或形容词）。英语只要根据动词形式找到限定动词就可以了，但汉语的句子里出现多个谓词时，难以判断哪一个是核心谓词。 一个谓词在准子句中是否核心谓词，跟以下因素有关： （一）谓词本身的类别，某些谓词比别的谓词更经常充当核心 （二）谓词之前状语的个数、谓词之后的结果补语（语料中标为vc）或动态助词的个数。经简单的统计可以看出，挂在谓词上头的这种“零碎”越多，谓词充当核心的概率越高。不过，介词结构状语可以很长，其内部层次可以很复杂，可能包含别的谓词，这时就很难确定是哪个谓词的状语了。 （三）谓词前后的结构助词“的”，谓词类别相同时，离“的”越近，充当核心的可能性就越低。当然也要看夹在中间的是什么词性标记，例如谓词＋结果补语＋“的”，其中谓词不可能充当核心，而谓词＋名词＋“的”，其中谓词有可能充当核心（“咬死了猎人的狗”）。另外，名词后缀会取消紧邻其前的谓词充当核心的可能性（“出勤率”）。 浅层分析： 浅层分析（Shallow Parsing），只要求识别句子中某些相对简单的结构，它包括两种： 一种是专门针对特定结构的短语进行分析，例如动宾组块： 美国/npu 国会/npu [发布/vgn 命令/ng] ，/，禁止/vgs 在/pzai 美/nps [从事/vgn 或/c 学习/vgn 理/ng 工/ng 农/ng 医/ng] 的/usde 中国/nps 人/ng [回/vgn 国/ng] 。/。 另一种是不针对特定结构的分析，例如实词组块： 关于/pg [李正海/npc [感人/a 事迹/ng]NP]NP 的/usd [报告会/ng] ,/w 正/dr 在/pg [广西/nps 各地/s]NP 举行/vg ./w 从组块角度看汉语的短语类型 左边界确定的短语类型：介词结构、动宾结构。 右边界确定的短语类型：“的”字结构、方位结构。 左右边界都确定的短语类型：某些介词结构，如“在…期间”、“从…之中”；补附结构（动词＋动态助词，动词＋结果补语）、量词结构（数词＋量词，指示词＋量词）、某些状中结构（副词状语＋动词），等等。 左右边界都不确定的短语类型：并列结构、定中结构、主谓结构。 （三）骨架分析与浅层分析的区别 骨架分析是只做上层结构的分析，不再往下深入；浅层分析是只做叶子结点的归并，“浅尝辄止”。 骨架分析的前提是，句子结构分析跟短语结构分析有不同的方法和依据，否则可以用同样的方法和依据来做完全的句法分析了。浅层分析的前提是，句子中有一些短语其内部无嵌套结构，或嵌套不深，这些短语的分析可以不依赖上下文的完全分析。 三、汉语句子语义结构分析 （一）句模、句类、句型 句模：句子的语义结构分类，又叫语义句型或语 义结构关系 句类：句子按照语气进行的分类，包括陈述、疑问、祈使和感叹句。 句型：根据结构关系对句子划分出的类型简称句型。 （二）语义结构成分的确立 国内学者提出了很多“格”系统。其中影响比较大的是林杏光先生、鲁川先生根据现代汉语的特点提出的“格关系”。林杏光等先生从3000多个