中文篇章級(jí)句間語(yǔ)義關(guān)系識(shí)別

張牧宇，宋 原，秦 兵，劉 挺

（哈爾濱工業(yè)大學(xué)，黑龍江 哈爾濱150001）

1 引言

隨著詞匯語(yǔ)義、句子語(yǔ)義研究的逐漸成熟，篇章級(jí)語(yǔ)義分析逐漸成為研究熱點(diǎn)。作為篇章語(yǔ)義分析的重要內(nèi)容，篇章句間關(guān)系識(shí)別（Discourse Relation Recognition）也受到了越來(lái)越多的關(guān)注。該研究檢測(cè)同一篇章內(nèi)，兩個(gè)文本單元（片段、分句、復(fù)句、句群、段落等）之間的邏輯語(yǔ)義關(guān)聯(lián)（例如，因果關(guān)系）。通過(guò)定義層次化的語(yǔ)義關(guān)系類(lèi)型體系將句內(nèi)的語(yǔ)義分析結(jié)果擴(kuò)展為篇章級(jí)的語(yǔ)義信息，從而成為語(yǔ)義分析的重要解決途徑之一，對(duì)自動(dòng)文摘［1］、自動(dòng)問(wèn)答［2］、傾向性分析［3－4］以及文本質(zhì)量評(píng)價(jià)［5］、文本連貫性評(píng)價(jià)［6］等許多NLP任務(wù)起到了很大的幫助。

根據(jù)文本單元間是否存在篇章連接詞（也稱(chēng)作篇章關(guān)聯(lián)詞），可將篇章句間關(guān)系分為顯式篇章句間關(guān)系（Explicit Discourse Relation，簡(jiǎn)稱(chēng)顯式關(guān)系）與隱式篇章句間關(guān)系（Implicit Discourse Relation，簡(jiǎn)稱(chēng)隱式關(guān)系）兩類(lèi)。其中顯式關(guān)系包含篇章關(guān)聯(lián)詞，如例1所示，篇章關(guān)聯(lián)詞“因?yàn)椤敝甘疽蚬?lèi)型的關(guān)系實(shí)例；隱式關(guān)系缺少顯式關(guān)聯(lián)詞，需要根據(jù)上下文推測(cè)語(yǔ)義類(lèi)型，如例2所示。

例1：因?yàn)槲沂悄惆职?，我愿意為你做所有一切。（顯式因果關(guān)系）

例2：他生病了，今天沒(méi)有來(lái)上課。（隱式因果關(guān)系）

已有篇章句間關(guān)系識(shí)別研究主要針對(duì)英文［7］，印度語(yǔ)［8］、土耳其語(yǔ)［9］和阿拉伯語(yǔ)［10］。雖然已有一些面向中文的研究［11－13］，但主要集中在分析和語(yǔ)料標(biāo)注，對(duì)關(guān)系識(shí)別研究不足；另外，已有研究大都直接使用了英文關(guān)系類(lèi)型體系，忽略了中文本身的特點(diǎn)。

本文對(duì)中文篇章句間關(guān)系識(shí)別進(jìn)行了探索，包括顯式關(guān)系識(shí)別和隱式關(guān)系識(shí)別兩方面。

針對(duì)顯式關(guān)系識(shí)別，我們提出一種基于關(guān)聯(lián)詞的識(shí)別方案，通過(guò)分析中文篇章句間關(guān)系語(yǔ)料獲得關(guān)聯(lián)詞對(duì)關(guān)系類(lèi)型的指示能力，并根據(jù)關(guān)聯(lián)詞指示規(guī)則決定顯式關(guān)系的語(yǔ)義關(guān)系類(lèi)型。針對(duì)隱式關(guān)系識(shí)別，由于缺少篇章關(guān)聯(lián)詞，我們主要采用機(jī)器學(xué)習(xí)方法，抽取詞匯、句法和語(yǔ)義等特征訓(xùn)練分類(lèi)模型，根據(jù)模型輸出判定最終的關(guān)系類(lèi)型。以上識(shí)別研究均采用面向中文的篇章句間關(guān)系體系，更好的適應(yīng)中文特點(diǎn)。

實(shí)驗(yàn)結(jié)果顯示，基于關(guān)聯(lián)詞的顯式關(guān)系識(shí)別方法取得了非常好的效果，取得了90%左右的識(shí)別準(zhǔn)確率，F(xiàn)值達(dá)到80%；此外，我們的隱式關(guān)系識(shí)別方法也取得了較好的效果。文章內(nèi)容組織如下：第2節(jié)介紹相關(guān)工作；第3節(jié)介紹顯式關(guān)系識(shí)別方法，給出實(shí)驗(yàn)結(jié)果與分析；第4節(jié)介紹隱式關(guān)系特征、識(shí)別方法及實(shí)驗(yàn)結(jié)果；第5節(jié)分給出結(jié)論。

2 相關(guān)工作

篇章句間關(guān)系體系及語(yǔ)料：作為有指導(dǎo)方法的基礎(chǔ)，英文中已經(jīng)出現(xiàn)一些篇章句間關(guān)系語(yǔ)料［14－16］。這些語(yǔ)料采用不同的關(guān)系類(lèi)型體系［14－17］描述文本單元之間的語(yǔ)義關(guān)系。典型的篇章句間關(guān)系語(yǔ)料包括以下兩種：基于RST理論［17］的修辭結(jié)構(gòu)理論樹(shù)庫(kù)（Rhetorical Structure Theory Discourse Treebank）［15］和基于PDTB體系的賓州篇章樹(shù)庫(kù)（Penn Discourse Tree Bank）［16］，它們采用不同的關(guān)系類(lèi)型體系和標(biāo)注標(biāo)準(zhǔn)［18］。目前已有的語(yǔ)料和標(biāo)注理論關(guān)注英語(yǔ)、印度語(yǔ)［8］、土耳其語(yǔ)［9］和阿拉伯語(yǔ)［10］。Xue［11］、Zhou和 Xue［12］、Huang 和 Chen［13］在中文上做了部分分析工作，不過(guò)這些研究直接將英文關(guān)系類(lèi)型體系平移到中文，忽略了中文本身的特點(diǎn)。本文采用了Zhang在2012年提出的面向中文的篇章句間關(guān)系類(lèi)型體系［19］，更好的適應(yīng)中文問(wèn)題。

顯式篇章句間關(guān)系識(shí)別：顯式篇章句間關(guān)系通常由篇章關(guān)聯(lián)詞作為指示，Pitler et al.［7］使用無(wú)指導(dǎo)方法，僅僅利用關(guān)聯(lián)詞的統(tǒng)計(jì)特征識(shí)別顯式篇章句間關(guān)系類(lèi)型，取得了較好的效果，證明關(guān)聯(lián)詞對(duì)顯式關(guān)系識(shí)別的重要性。除無(wú)指導(dǎo)方法之外，有指導(dǎo)模型也被用于顯式關(guān)系識(shí)別，Pitler et al.［20］使用關(guān)聯(lián)詞相關(guān)的標(biāo)準(zhǔn)句法特征幫助提高顯式關(guān)系識(shí)別性能；Wellner和Pustejovsky［21］采用有指導(dǎo)方法識(shí)別篇章句間關(guān)系元素范圍；Elwell和 Baldridge［22］使用關(guān)聯(lián)詞排序器識(shí)別關(guān)系元素范圍。本文提出基于中文關(guān)聯(lián)詞統(tǒng)計(jì)信息的識(shí)別方案探索顯式關(guān)系識(shí)別，并且取得比較好的效果。

隱式篇章句間關(guān)系識(shí)別：隱式篇章句間關(guān)系通常存在于相鄰句子之間，同時(shí)缺少關(guān)聯(lián)詞。類(lèi)似于顯式關(guān)系識(shí)別，隱式關(guān)系識(shí)別的相關(guān)研究最早出現(xiàn)在英文中，主要關(guān)注詞匯特征，例如，詞匯之間的依存關(guān)系［23－24］、詞匯的語(yǔ)義類(lèi)別［20］和關(guān)聯(lián)詞預(yù)測(cè)［25］。

由于隱式關(guān)系識(shí)別不同于顯式關(guān)系［26］，除了詞匯特征之外，一些額外信息被逐漸引入，例如，句法限制［20，27］、核函數(shù)［28］、實(shí)體特征［29］以及事件配對(duì)特征［30］。這些研究提高了隱式關(guān)系識(shí)別效果，但到目前為止，隱式關(guān)系識(shí)別效果依然不佳，而且缺少面向中文的隱式關(guān)系識(shí)別研究。本文提出基于中文篇章句間關(guān)系體系的隱式關(guān)系識(shí)別模型，通過(guò)引入詞匯、句法和語(yǔ)義特征識(shí)別隱式篇章句間關(guān)系。

3 顯式篇章句間關(guān)系識(shí)別

顯式關(guān)系的具體類(lèi)型通常由關(guān)聯(lián)詞標(biāo)識(shí)，如例3、例4所示。

例3：如果大家都同意這個(gè)方案，咱們就按照它來(lái)執(zhí)行；（條件關(guān)系）

例4：因?yàn)榇蠹叶纪膺@個(gè)方案，咱們就按照它來(lái)執(zhí)行；（因果關(guān)系）

例3、例4中，除關(guān)聯(lián)詞外的句子成分完全一

在顯式關(guān)系識(shí)別中，關(guān)聯(lián)詞往往作為關(guān)系類(lèi)型的指示標(biāo)志出現(xiàn)。本文提出基于關(guān)聯(lián)詞的中文顯式關(guān)系識(shí)別模型，利用關(guān)聯(lián)詞規(guī)則識(shí)別顯式關(guān)系。

3.1 基于關(guān)聯(lián)詞的識(shí)別方案

致，但不同的關(guān)聯(lián)詞使得兩個(gè)句子具有不同的語(yǔ)義和關(guān)系類(lèi)型?？梢酝茰y(cè)：關(guān)聯(lián)詞標(biāo)識(shí)了具體關(guān)系類(lèi)型?；谶@種想法，我們提出了基于關(guān)聯(lián)詞的顯式篇章句間關(guān)系識(shí)別方案。據(jù)我們了解，這是首個(gè)利用中文篇章關(guān)聯(lián)詞識(shí)別顯式關(guān)系類(lèi)型的研究工作。

3.1.1 識(shí)別方案

我們將中文篇章句間關(guān)系語(yǔ)料分為兩部分：Set 1包含996篇文本，用于抽取篇章關(guān)聯(lián)詞和對(duì)應(yīng)的關(guān)系類(lèi)型；Set 2包含100篇文本，用于測(cè)試識(shí)別方案。首先，我們從Set 1中抽取所有的篇章關(guān)聯(lián)詞和相應(yīng)的關(guān)系類(lèi)型；之后采用極大似然估計(jì)計(jì)算關(guān)聯(lián)詞對(duì)各關(guān)系類(lèi)型的指示能力，獲得“關(guān)聯(lián)詞—關(guān)系類(lèi)型”矩陣：其中橫軸對(duì)應(yīng)某一篇章關(guān)聯(lián)詞，縱軸對(duì)應(yīng)某一具體關(guān)系類(lèi)型。具體的計(jì)算方法如式（1）所示。

其中ci對(duì)應(yīng)某一關(guān)聯(lián)詞；sj表示待計(jì)算的關(guān)系類(lèi)型；S是所有關(guān)系類(lèi)型的集合。

對(duì)Set 2中的每一個(gè)測(cè)試實(shí)例，我們首先抽取篇章關(guān)聯(lián)詞；隨后查找“關(guān)聯(lián)詞—關(guān)系類(lèi)型”矩陣，獲得該關(guān)聯(lián)詞對(duì)各關(guān)系類(lèi)型的指示能力，從中選取最大值；并將該類(lèi)型作為測(cè)試實(shí)例的最終標(biāo)簽。

3.2 實(shí)驗(yàn)設(shè)置

3.2.1 類(lèi)型體系及語(yǔ)料獲取

為了支持關(guān)聯(lián)詞分析和后續(xù)的有指導(dǎo)識(shí)別方法，我們采用Zhang［19］提出的中文篇章句間關(guān)系體系，我們從 OntoNotes 4.0［31］中隨機(jī)篩選出1 096篇文本并進(jìn)行了人工標(biāo)注。在這份語(yǔ)料中，三名標(biāo)注人員獨(dú)立標(biāo)注了顯式關(guān)系和隱式關(guān)系。為了驗(yàn)證標(biāo)注質(zhì)量，檢驗(yàn)標(biāo)注一致性，我們計(jì)算了用于統(tǒng)計(jì)多類(lèi)、多標(biāo)注人員標(biāo)注一致性的Fleiss Kappa指標(biāo)［32］。

在最終的計(jì)算結(jié)果中，我們獲得了66.52%的Fleiss’Kappa值，根據(jù)Fleiss’Kappa指標(biāo)的性能分布區(qū)間，該數(shù)值反映了較好的標(biāo)注一致性；此外，該結(jié)果包括顯式關(guān)系和隱式關(guān)系在所有類(lèi)別上的標(biāo)注一致性，如果單獨(dú)計(jì)算顯式關(guān)系的標(biāo)注一致性，我們會(huì)獲得更好的結(jié)果。據(jù)我們所知，這是第一份中文篇章句間關(guān)系語(yǔ)料。

3.2.2 實(shí)驗(yàn)結(jié)果

訓(xùn)練語(yǔ)料中共標(biāo)記出1 273個(gè)不同的篇章關(guān)聯(lián)詞，利用這1 273個(gè)關(guān)聯(lián)詞構(gòu)成“關(guān)聯(lián)詞－關(guān)系類(lèi)型”矩陣，并根據(jù)該矩陣對(duì)測(cè)試實(shí)例進(jìn)行分類(lèi)。對(duì)每一個(gè)測(cè)試實(shí)例，我們抽取相應(yīng)的篇章關(guān)聯(lián)詞，之后檢索矩陣，找到概率最大的關(guān)系類(lèi)別作為最終結(jié)果。

我們?cè)谥形钠戮溟g關(guān)系體系［19］的六個(gè)頂層類(lèi)別進(jìn)行實(shí)驗(yàn)，包括“時(shí)序關(guān)系”、“因果關(guān)系”、“條件關(guān)系”、“比較關(guān)系”、“擴(kuò)展關(guān)系”、“并列關(guān)系”，采用標(biāo)準(zhǔn)P、R、F進(jìn)行評(píng)價(jià)，結(jié)果如表1所示。

表1 基于關(guān)聯(lián)詞的顯式關(guān)系識(shí)別方法實(shí)驗(yàn)結(jié)果

分析表1，我們?cè)凇耙蚬P(guān)系”、“條件關(guān)系”、“比較關(guān)系”三類(lèi)獲得了非常好的效果：準(zhǔn)確率均高于0.96，F(xiàn)值均高于0.91。效果最好的“條件關(guān)系”精確率達(dá)到0.989 0，召回率為0.904 5，F(xiàn)值則是0.944 9。這意味著絕大多數(shù)情況下，“條件關(guān)系”對(duì)應(yīng)的篇章關(guān)聯(lián)詞（例如，如果）都是無(wú)歧義的；一旦這些關(guān)聯(lián)詞出現(xiàn)，我們可以以非常高的概率將該關(guān)系實(shí)例判定為條件關(guān)系。類(lèi)似的情況同樣存在于 “因果關(guān)系”和“比較關(guān)系”中。

“時(shí)序關(guān)系”的實(shí)驗(yàn)結(jié)果略有不同，我們獲得了較高的準(zhǔn)確率（0.951 2），但召回率較低（0.715 6）。高準(zhǔn)確率說(shuō)明“時(shí)序關(guān)系”對(duì)應(yīng)的篇章關(guān)聯(lián)詞歧義性較小，低召回率說(shuō)明統(tǒng)計(jì)信息的覆蓋率較差。對(duì)于“擴(kuò)展關(guān)系”和“并列關(guān)系”情況則比較復(fù)雜。在這兩類(lèi)中，準(zhǔn)確率和召回率都相對(duì)較低，這意味著除了覆蓋率問(wèn)題外，兩類(lèi)關(guān)系對(duì)應(yīng)的篇章關(guān)聯(lián)詞歧義性也比較高。對(duì)于歧義問(wèn)題，很難單純通過(guò)語(yǔ)料擴(kuò)充或分析解決，需要后續(xù)工作的更多關(guān)注。

總的來(lái)說(shuō)，基于關(guān)聯(lián)詞的識(shí)別方案在各個(gè)類(lèi)別上的平均表現(xiàn)較好。但是，最高的F值（0.944 9）和最低的F值（0.563 8）之間差距較大，說(shuō)明不同的關(guān)系類(lèi)型之間差異非常明顯，這提示我們：不同的關(guān)系類(lèi)型適合不同的處理方法。

3.2.3 錯(cuò)誤分析與討論

進(jìn)一步分析實(shí)驗(yàn)結(jié)果，我們發(fā)現(xiàn)，大部分篇章關(guān)聯(lián)詞歧義較小；識(shí)別錯(cuò)誤主要由少部分高歧義導(dǎo)致。這些關(guān)聯(lián)詞種類(lèi)較少，但常用關(guān)聯(lián)詞較多（例如，而）。圖1描述出現(xiàn)次數(shù)Top 10的篇章關(guān)聯(lián)詞在各關(guān)系類(lèi)型上的分布情況：柱狀圖的不同顏色代表關(guān)聯(lián)詞對(duì)應(yīng)的關(guān)系類(lèi)型；不同的高度代表對(duì)應(yīng)關(guān)系類(lèi)型所占的比例；同一關(guān)聯(lián)詞對(duì)應(yīng)的關(guān)系類(lèi)型越少、類(lèi)型越集中，該詞的歧義性越小。從圖中可知，大部分關(guān)聯(lián)詞（例如，因?yàn)椋┑钠缌x性較小，90%以上指示同一關(guān)系類(lèi)型，但同時(shí)存在部分高歧義關(guān)聯(lián)詞。

圖1 Top 10關(guān)聯(lián)詞的關(guān)系類(lèi)型分布情況

以關(guān)聯(lián)詞“而”為例，它對(duì)應(yīng)的關(guān)系類(lèi)型分布情況包括以下幾類(lèi)：

（1）48．6% 對(duì)應(yīng)“擴(kuò)展關(guān)系”；

（2）41．8% 對(duì)應(yīng)“比較關(guān)系”；

（3）7．6% 對(duì)應(yīng)“并列關(guān)系”；

（4）2% 對(duì)應(yīng)“因果關(guān)系”。

根據(jù)3．1．1的計(jì)算公式，“擴(kuò)展關(guān)系”對(duì)應(yīng)的得分最高。在分類(lèi)過(guò)程中，所有由“而”標(biāo)識(shí)的篇章句間關(guān)系實(shí)例都被分為“擴(kuò)展關(guān)系”類(lèi)別。對(duì)于48．6%的實(shí)例而言，我們獲得了正確結(jié)果；然而對(duì)于剩余的51．4%，則發(fā)生了分類(lèi)錯(cuò)誤。實(shí)驗(yàn)分析發(fā)現(xiàn)，大部分分類(lèi)錯(cuò)誤都和該類(lèi)關(guān)聯(lián)詞有關(guān)。這提示我們對(duì)于歧義性大，出現(xiàn)次數(shù)較多的關(guān)聯(lián)詞，需要特殊的處理方案。

4 隱式篇章句間關(guān)系識(shí)別

隱式篇章句間關(guān)系缺少篇章關(guān)聯(lián)詞，沒(méi)有明顯的語(yǔ)義類(lèi)型標(biāo)志，需要人類(lèi)推理才能判斷關(guān)系的存在和具體類(lèi)型。這使得隱式篇章句間關(guān)系具有不同于顯式關(guān)系的分布特點(diǎn)。

4．1 隱式關(guān)系分析

在很多情況下，關(guān)聯(lián)詞不僅僅起銜接作用，還會(huì)影響關(guān)系類(lèi)型的分布，如例5、例6所示。

例5：如果你身體還沒(méi)恢復(fù)，就先不用來(lái)上班了。（條件關(guān)系）

例6：你身體還沒(méi)恢復(fù)，先不用來(lái)上班了。（因果關(guān)系）

例5首先描述某一假設(shè)條件，隨后說(shuō)明假設(shè)成立時(shí)的結(jié)果，屬于“條件關(guān)系”；例6首先描述某一事實(shí)，隨后指出事實(shí)引發(fā)的結(jié)果，屬于“因果關(guān)系”。除關(guān)聯(lián)詞“如果……就……”之外兩個(gè)例句內(nèi)容完全相同，但卻具有完全不同的語(yǔ)義類(lèi)型。換言之，對(duì)某些關(guān)系類(lèi)型來(lái)說(shuō)（例如，條件關(guān)系），如果刪除篇章句間關(guān)系關(guān)聯(lián)詞，句子語(yǔ)義會(huì)發(fā)生翻轉(zhuǎn)。這種現(xiàn)象使得對(duì)應(yīng)類(lèi)型的隱式關(guān)系實(shí)例大大減少，形成和顯式關(guān)系完全不同的分布特征。圖2描述了隱式關(guān)系和顯式關(guān)系在中文篇章句間關(guān)系體系［19］中六個(gè)頂層類(lèi)別上的分布情況，其中圖2（a）為顯式關(guān)系分布圖，圖2（b）為隱式關(guān)系分布圖。

分析圖2可知，相較于顯式關(guān)系，隱式關(guān)系的分布非常不均衡，其中“擴(kuò)展關(guān)系”的比例大大增加，占到了總數(shù)的60．37%；而“條件關(guān)系”、“時(shí)序關(guān)系”、“比較關(guān)系”的數(shù)量則大大壓縮，其中“條件關(guān)系”和“時(shí)序關(guān)系”分別只占0．72%和2．57%；只有“并列關(guān)系”和“因果關(guān)系”比例相對(duì)穩(wěn)定。

分析原因，對(duì)“條件關(guān)系”和“時(shí)序關(guān)系”而言，由于關(guān)聯(lián)詞的省略導(dǎo)致了語(yǔ)義翻轉(zhuǎn)，使得對(duì)應(yīng)類(lèi)型很少出現(xiàn)在隱式關(guān)系中，而“擴(kuò)展關(guān)系”則非常適合用隱式關(guān)系來(lái)表達(dá)，這導(dǎo)致了圖2中分布現(xiàn)象的出現(xiàn)。該特點(diǎn)提示我們，在隱式關(guān)系識(shí)別中，不同關(guān)系類(lèi)型具有不同的分布特性，適合不同的識(shí)別方法。考慮到隱式關(guān)系中“條件關(guān)系”和“時(shí)序關(guān)系”數(shù)量極少，我們主要識(shí)別“擴(kuò)展關(guān)系”、“因果關(guān)系”、“比較關(guān)系”、“并列關(guān)系”四類(lèi)。

圖2 顯式／隱式關(guān)系類(lèi)型分布圖

4.2 基于有指導(dǎo)方法的隱式關(guān)系識(shí)別模型

根據(jù)以上的分析，對(duì)隱式關(guān)系識(shí)別主要集中在“擴(kuò)展關(guān)系”、“因果關(guān)系”、“比較關(guān)系”、“并列關(guān)系”四類(lèi)。我們抽取了詞匯、句法、語(yǔ)義等多層次的特征，采用最大熵和SVM兩類(lèi)學(xué)習(xí)方法訓(xùn)練四元分類(lèi)模型，根據(jù)模型輸出判定隱式篇章句間關(guān)系類(lèi)型。

4.2.1 特征集合

核心動(dòng)詞：作為句子的主要成分，動(dòng)詞往往在語(yǔ)義表達(dá)中起很重要的作用，動(dòng)詞之間的關(guān)系常常反映了句子間的語(yǔ)義關(guān)系。如例7所示。

例7：塔利班10日晚襲擊了阿富汗北部一個(gè)村落，導(dǎo)致18人喪生。（因果關(guān)系）

上例中，“襲擊—喪生”之間存在因果聯(lián)系，同時(shí)也指示了兩個(gè)分句之間的因果關(guān)系。通過(guò)挖掘動(dòng)詞之間的搭配特性，有助于識(shí)別篇章句間關(guān)系類(lèi)型。這兩詞在依存句法分析結(jié)果中均作為“SBV（主謂關(guān)系）”的謂語(yǔ)動(dòng)詞出現(xiàn)，因此我們利用依存句法分析找到前后分句中的“SBV”關(guān)系，抽取其中的謂語(yǔ)動(dòng)詞；同時(shí)為了避免稀疏，我們將兩個(gè)謂語(yǔ)動(dòng)詞在同義詞詞林中泛化至第三層，并將泛化結(jié)果配對(duì)構(gòu)成核心動(dòng)詞特征。

極性特征：不同的極性信息常常指示特定的篇章句間關(guān)系類(lèi)型，如例8所示。

例8：他很喜歡 蘋(píng)果公司的產(chǎn)品，遺憾的是價(jià)格太高了。（轉(zhuǎn)折關(guān)系）

例8中“喜歡”指示“Positive”的極性信息；“價(jià)格太高”指示“Negative”的極性信息，前后分句的極性信息相反，指示該實(shí)例屬于“轉(zhuǎn)折關(guān)系”?；谶@種現(xiàn)象，我們引入了篇章單元的極性特征，采用極性詞匹配的方法判定篇章單元極性，并作為特征使用。

依存句法特征：篇章單元的句法結(jié)構(gòu)中，最核心的關(guān)系包括“SBV（主謂）”和“VOB（動(dòng)賓）”兩類(lèi)，它們描述了文本單元的主要信息。本文將兩個(gè)篇章單元中的“SBV”和“VOB”關(guān)系抽取出來(lái)，并將對(duì)應(yīng)詞匯在同義詞詞林中泛化至第三層，作為特征使用。

Unigram（句首）：在中文里，句首詞語(yǔ)通常起承上啟下的作用，對(duì)篇章句間關(guān)系類(lèi)型具有一定的指示作用。本文分別抽取兩個(gè)篇章單元中的第一個(gè)詞，作為識(shí)別特征使用。

Bigram（句首）：中文里承上啟下的可以是單個(gè)詞，也可以是雙詞或短語(yǔ)。因此除Unigram特征之外，本文還抽取兩個(gè)篇章單元中的前兩個(gè)詞，作為識(shí)別特征使用。

4.3 實(shí)驗(yàn)結(jié)果

我們?nèi)匀徊捎?.2.1中提到的中文篇章句間關(guān)系語(yǔ)料庫(kù)進(jìn)行實(shí)驗(yàn)，該語(yǔ)料庫(kù)包含1 096篇文本，手工標(biāo)注了顯式篇章句間關(guān)系和隱式篇章句間關(guān)系兩類(lèi)信息。我們將其中996篇作為訓(xùn)練語(yǔ)料，另外100篇作為測(cè)試語(yǔ)料，抽取前文提出的詞匯、句法、語(yǔ)義等特征，分別訓(xùn)練最大熵和SVM兩種模型進(jìn)行分類(lèi)。我們?cè)谥形钠戮溟g關(guān)系體系的四個(gè)頂層類(lèi)別進(jìn)行分類(lèi)，包括：“擴(kuò)展關(guān)系”、“因果關(guān)系”、“比較關(guān)系”、“并列關(guān)系”，結(jié)果如表2所示。

分析表2，除“擴(kuò)展關(guān)系”外，其他類(lèi)型存在高準(zhǔn)確率、低召回率的特性。以最大熵模型下的“因果關(guān)系”為例，識(shí)別準(zhǔn)確率達(dá)到0.687 5，召回率卻只有0.080 3。而“擴(kuò)展關(guān)系”情況恰恰相反。這說(shuō)明數(shù)據(jù)不均衡性使得模型傾向于將測(cè)試實(shí)例分為“擴(kuò)展關(guān)系”，導(dǎo)致“擴(kuò)展關(guān)系”類(lèi)型召回率增加，準(zhǔn)確率下降；同時(shí)使得其他類(lèi)型召回率降低。系統(tǒng)的整體性能不佳，很大一個(gè)原因是由于低召回率導(dǎo)致的。這提示我們?cè)陬?lèi)別分布嚴(yán)重不均衡的情況下，傳統(tǒng)的統(tǒng)一識(shí)別思路存在很大的困難。

表2 隱式篇章句間關(guān)系識(shí)別結(jié)果

注意到SVM實(shí)驗(yàn)結(jié)果普遍高于最大熵，這主要是由于隱式關(guān)系在各類(lèi)型上分布不均衡，而SVM模型對(duì)邊界實(shí)例敏感，但對(duì)數(shù)據(jù)不平衡有較強(qiáng)的容忍度，因此取得了相對(duì)較好的效果。此外，對(duì)比前文的顯式關(guān)系識(shí)別結(jié)果，我們發(fā)現(xiàn)“并列關(guān)系”識(shí)別效果始終不佳，這在一定程度上反映該類(lèi)型的特征不明顯，區(qū)分度較弱；同時(shí)考慮圖1，主要的關(guān)聯(lián)詞歧義集中在“擴(kuò)展關(guān)系”和“并列關(guān)系”，說(shuō)明這兩個(gè)類(lèi)別特征接近。從語(yǔ)義體系定義上來(lái)說(shuō)，是否有必要將“擴(kuò)展關(guān)系”和“并列關(guān)系”區(qū)分開(kāi)來(lái)，是值得考慮的一個(gè)問(wèn)題。

5 結(jié)論與展望

本文首次探索面向中文的篇章句間關(guān)系識(shí)別任務(wù)，嘗試了顯式篇章句間關(guān)系識(shí)別和隱式篇章句間關(guān)系識(shí)別兩方面研究。對(duì)于顯式篇章句間關(guān)系識(shí)別，我們首次提出基于篇章關(guān)聯(lián)詞的顯式關(guān)系識(shí)別方法，在關(guān)聯(lián)詞統(tǒng)計(jì)的基礎(chǔ)上識(shí)別關(guān)系類(lèi)型，取得了非常好的效果。對(duì)于隱式篇章句間關(guān)系識(shí)別，我們首先分析了隱式關(guān)系和顯式關(guān)系在類(lèi)型分布上的差別，指出隱式關(guān)系的特點(diǎn)，并在識(shí)別過(guò)程中進(jìn)行了針對(duì)性處理；隨后我們提出詞匯、句法、語(yǔ)法等一系列特征，采用最大熵和SVM兩種方案嘗試了隱式篇章句間關(guān)系識(shí)別。本文的分析和實(shí)驗(yàn)結(jié)果為后續(xù)的工作提供了參考，推動(dòng)了中文篇章分析研究，尤其是篇章句間關(guān)系分析的進(jìn)一步發(fā)展。

［1］D Marcu.The rhetorical parsing of unrestricted texts：A surface－based approach［J］.Computational Linguistics，2000，26（3）：395－448.

［2］R Girju.Automatic detection of causal relations for question answering［C］／／Proceedings of the ACL 2003 workshop on multilingual summarization and question answering.2003，12：76－83.

［3］S Somasundaran，J Wiebe，J Ruppenhofer.Discourselevel opinion interpretation［C］／／Proceedings of Coling 2008.

［4］Zhou L，Li B，Gao W，et al.Unsupervised Discovery of Discourse Relations for Eliminating Intra－sentence Polarity Ambiguities［C］／／Proceedings of the EMNLP 2011（Oral presentation），Edinburgh，Scotland，July：27－31.

［5］E Pitler，A Nenkova.Revisiting readability：A unified framework for predicting text quality［C］／／Proceedings of EMNLP 2008：186－195.

［6］Ziheng Lin，Hwee Tou NG，Min－Yen Kan.Automatically Evaluating Text Coherence Using Discourse Relations.［C］／／Proceedings of ACL－HLT，2011：997－1006.

［7］E Pitler，M Raghupathy，H Mehta，et al.Easily identifiable discourse relations［C］／／Proceedings of COLING 08.

［8］Rashmi Prasad，Samar Husain，Dipti Sharma，et al.Towards an annotated corpus of discourse relations in Hindi［C］／／Proceedings of the IJCNLP 2008，Hyderabad，India，2008.

［9］Deniz Zeyrek，Bonnie Webber.A Discourse Resource for Turkish：Annotating Discourse Connectives in theMETU Corpus［C］／／Proceedings of IJCNLP－2008.Hyderabad，India，2008.

［10］A AlSaif，K Markert.The leeds arabic discourse treebank：Annotating discourse connectives for arabic［C］／／Proceedings of LREC 2010.

［11］Xue Nianwen.Annotating discourse connectives in the Chinese Treebank［C］／／Proceedings of the ACL Workshop in Frontiers in Annotation II.2005.

［12］Hen－Hsen Huang， Hsin－Hsi Chen.Chinese Discourse Relation Recognition［C］／／Proceedings of IJCNLP 2011：1442－1446.

［13］Yuping Zhou，Nianwen Xue.PDTB－style Discourse Annotation of Chinese Text［C］／／Proceedings of ACL 2012.

［14］J.R.Hobbs.On the coherence and structure of dis－course［M］.CSLI，1985：37－85.

［15］Carlson L，Marcu D，Okurowski ME.Building a discourse－tagged corpus in the framework of rhetorical structure theory［M］.Springer Netherlands，2003：85－112.

［16］R Prasad，N Dinesh，A Lee，et al.The Penn discourse treebank 2.0［C］／／Proceedings of LREC 2008.

［17］William Mann，Sandra Thompson.Rhetorical structure theory：Toward a functional theory of text organization［J］.Text，1988，8（3）：243－281.

［18］A AlSaif，K Markert.The leeds arabic dis－course treebank：Annotating discourse connectives for arabic［C］／／Proceedings of LREC 2010.

［19］張牧宇，秦兵，劉挺.中文篇章級(jí)句間語(yǔ)義關(guān)系體系及標(biāo)注［C］／／Proceedings of CCIR 2012.

［20］Pitler E，Louis A，Nenkova A.Automatic Sense Predication for Implicit Discourse Relations in Text［C］／／Proceedings of ACL－IJCNLP 2009.

［21］Ben Wellner，James Pustejovsky.Automati－cally identifying the arguments of discourse connec tives［C］／／Proceedings of EMNLP－CoNLL 2007，Prague，Czech Republic.

［22］R Elwell，J Baldridge.Discourse connective argument identification with connective specific rankers［C］／／Proceedings of the International Conference on Semantic Computing.2008.

［23］D Marcu，A Echihabi.An unsupervised approach to recognizing discourse relations［C］／／Proceedings of ACL 2001：368－375.

［24］S Blair－Goldensohn，K R McKeown，O C Rambow.Building and Refining Rhetorical－Semantic Relation Models［C］／／Proceedings of NAACL HLT，2007：428－435.

［25］Z Zhou，Y Xu，Z Niu，et al.Predicting discourse connectives for implicit discourse relation recognition［C］／／Proceedings of Coling 2010：1507－1514.

［26］C Sporleder，A Lascarides.Using automatically labelled examples to classify rhetorical relations：an assessment［J］.NLE 2008：14（3）.

［27］Lin Z，Kan M，Ng H.Recognizing Implicit Discourse Relations in the Penn Discourse Tree－bank［C］／／Proceedings of EMNLP 2009，Singapore，August.

［28］W Wang，J Su，C Tan.Kernel－based discourse relation recognition with temporal ordering information［C］／／Proceedings of ACL 2010：710－719.

［29］A Louis，A Nenkova.Creating local coherence：An empirical assessment［C］／／Proceedings of NAACL 2010.

［30］C Chiarcos.Towards the Unsupervised Acquisition of Discourse Relations［C］／／Proceedings of ACL 2012.

［31］Eduard Hovy，Mitchell Marcus，Martha Palmer，et al.Ontonotes：The 90%solution［C］／／Proceedings of the Human Language Technology Conference of the NAACL，Companion Volume：Short Papers，2012：57－60.

［32］Fleiss，J.L.Measuring nominal scale agreement among many raters［J］.Psychological Bulletin，1971，76（5）：378－382.