基于謂詞及句義類型塊的漢語句義類型識別

王倩，羅森林，韓磊，潘麗敏

（北京理工大學(xué)信息與電子學(xué)院信息系統(tǒng)安全對抗實(shí)驗(yàn)中心，北京100081）

1 引言

自然語言處理是計(jì)算機(jī)科學(xué)領(lǐng)域和人工智能領(lǐng)域中的一個(gè)重要方向，它研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語言進(jìn)行有效的通信的各種理論和方法。計(jì)算語言學(xué)發(fā)展至今，已能夠達(dá)到較為熟練的詞法和句法分析并大量的應(yīng)用到實(shí)際應(yīng)用中，在一定程度上能夠滿足人機(jī)交互的需求，而要讓計(jì)算機(jī)能夠真正的理解自然語言還必須從語義上進(jìn)行分析。語義分析從20世紀(jì)70年代起就有人開始研究，然而到現(xiàn)在為止仍然是自然語言處理研究的一個(gè)難以跨越的瓶頸。本文進(jìn)行的句義類型識別研究就是語義研究中句義分析的一項(xiàng)內(nèi)容。為了讓計(jì)算機(jī)能夠自動(dòng)分析漢語句子并得出句義結(jié)構(gòu)模型［1］，從而對漢語句子進(jìn)行進(jìn)一步的研究和應(yīng)用，本課題組對句義分析相關(guān)工作進(jìn)行了分步研究（課題組將其分為謂詞識別、句義類型識別、句義結(jié)構(gòu)框架提取、語義格識別等9個(gè)步驟）。其中，句義類型的識別作為在整體上對句義結(jié)構(gòu)進(jìn)行描述的方式之一，是對漢語句子進(jìn)行完整句義結(jié)構(gòu)分析的重要步驟。

由于語言學(xué)家對于漢語句子分類的目的和要求不同，漢語句子存在多種分類方式，最常見的有：按句子結(jié)構(gòu)進(jìn)行的分類、按句子語氣進(jìn)行的分類、按句子成分進(jìn)行的分類、按句子在語段中的地位和作用進(jìn)行的分類、按句子意思的復(fù)雜程度進(jìn)行的分類等。其中，按結(jié)構(gòu)進(jìn)行分類的方法還可以細(xì)分為：按句子結(jié)構(gòu)的復(fù)雜程度將句子分為單句和復(fù)句；按句子結(jié)構(gòu)特征將句子分為“把”字句、“被”字句、連動(dòng)句、兼語句、雙賓句、存現(xiàn)句等；按句子的語氣不同進(jìn)行的分類，可將句子分為陳述句、疑問句、祈使句和感嘆句；按句子成分進(jìn)行的分類又可以細(xì)分為：按句子成分在句中的排列順序?qū)渥舆M(jìn)行的分類，按組成句子成分的詞性或短語的功能屬性對句子進(jìn)行的分類，按句子成分是否按照常規(guī)順序排列將句子分為常式句和變式句，按句子成分是否完整將句子分為完全句和省略句等；按句子在語段中的地位和作用可以將句子分為始發(fā)句、后續(xù)句、終止句、中心句和獨(dú)立句等［2］。本文中句義類型的概念來源于賈彥德先生的《漢語語義學(xué)》［3］，即句義結(jié)構(gòu)的類型。句義類型是根據(jù)句義的復(fù)雜程度以及分句義之間的組合方式，將句子分為簡單句義、復(fù)雜句義、復(fù)合句義和多重句義4類［3］。

在中文信息處理領(lǐng)域，對其他句子類型識別已有不少人做出研究，如句型識別和句式識別的研究就有很多，句類識別主要集中在進(jìn)行HNC（概念層次網(wǎng)絡(luò)）研究的相關(guān)研究機(jī)構(gòu)。對漢語句子類型識別研究目前采用較多的是規(guī)則匹配的方法和統(tǒng)計(jì)的方法，文獻(xiàn)［4－8］均是采用規(guī)則的方法或利用規(guī)則構(gòu)建正則表達(dá)式對句子類型進(jìn)行識別。相比于規(guī)則的方法，統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法已經(jīng)逐漸被中文信息處理研究者青睞，并運(yùn)用到句子類型識別中，文獻(xiàn)［9－10］即是采用統(tǒng)計(jì)的方法進(jìn)行識別研究。漢語句子的靈活多變性使得利用規(guī)則的方法進(jìn)行句子類型識別存在一定的局限性，且規(guī)則的方法本身就存在無法窮盡的缺點(diǎn)，統(tǒng)計(jì)學(xué)習(xí)的方法具有自學(xué)習(xí)和自適應(yīng)性，避免了規(guī)則方法的缺點(diǎn)，適用于漢語句子分類研究，因此，本文對于句義類型識別采用了統(tǒng)計(jì)的方法。

對于句義類型的識別僅文獻(xiàn)［10］做了一些研究，本文是在其基礎(chǔ)上以提高識別準(zhǔn)確率和效率為目標(biāo)進(jìn)行的改進(jìn)。

2 句義類型

句義類型即句義結(jié)構(gòu)的類型［3］，分為簡單句義、復(fù)雜句義、復(fù)合句義和多重句義4種類型。簡單句義表現(xiàn)為一個(gè)命題，通常包含一個(gè)謂詞或并列謂詞，只有一層句義結(jié)構(gòu)；復(fù)雜句義指的是一個(gè)句義中又包含著句義，包含兩層句義結(jié)構(gòu)的情況；復(fù)合句義是指兩個(gè)或兩個(gè)以上的簡單句義按照某種語義關(guān)系緊密地聯(lián)接在一起的情況，也包含兩層句義結(jié)構(gòu)；多重句義包含三層或三層以上的句義結(jié)構(gòu)，如果復(fù)雜句義的成分句義包含更多層的句義結(jié)構(gòu)則為多重句義，同樣的，如果復(fù)合句義的分句義包含更多層次的句義結(jié)構(gòu)則為多重句義。

馮揚(yáng)按照賈彥德先生《漢語語義學(xué)》中句義結(jié)構(gòu)的理論將漢語句子在語義上進(jìn)行結(jié)構(gòu)化分析，提出并構(gòu)建了漢語句義結(jié)構(gòu)模型［1］。圖1為BFS－CTC漢語標(biāo)注語料庫［11］（Beijing Forest Studio－Chinese Tag Corpus）中句義結(jié)構(gòu)模型的一個(gè)標(biāo)注實(shí)例。

如圖1所示，粗邊框所示的即是句義結(jié)構(gòu)模型中的句義類型塊，其中，頂層句義類型塊的內(nèi)容即是整個(gè)句子的句義類型。本文要做的工作即是在已知謂詞和句子的詞法、句法標(biāo)注的情況下，給出整個(gè)句子的句義類型。

圖1中有灰色底紋的框是謂詞塊，其中的內(nèi)容即是句子中的謂詞。為了表述方便，在句義結(jié)構(gòu)模型的樹形結(jié)構(gòu)中，從謂詞出發(fā)向上搜索，經(jīng)過的句義類型塊的個(gè)數(shù)用Numofsen表示，例如，圖1中謂詞“利用”和“推薦”的Numofsen均為2，謂詞“發(fā)表”的Numofsen為3；句子中所有謂詞的Numofsen的最大值用Maxnumofsen表示。在大量的句義標(biāo)注工作中，總結(jié)出這樣一條規(guī)律：當(dāng)Maxnumofsen＝1時(shí)，必定是簡單句義；當(dāng)Maxnumofsen≥3時(shí)，必定是多重句義；當(dāng)Maxnumofsen＝2時(shí)，必定是復(fù)雜句義或復(fù)合句義中的一種。同樣，在句法分析中可以總結(jié)出這樣一條規(guī)律：句法標(biāo)注中的頂端句子節(jié)點(diǎn)（Top－Sentence）（包括單句（dj）和復(fù)句（fj）兩種，在3.1節(jié)的特征提取中會(huì)有圖示說明。）如果為dj，則其相對應(yīng)的句義標(biāo)注中的頂層句義類型必定為簡單句義、復(fù)雜句義和多重句義中的一種；而句法標(biāo)注的頂端句子節(jié)點(diǎn)如果為fj，則其對應(yīng)的句義標(biāo)注中的頂層句義類型必定為復(fù)合句義或多重句義。其中，dj指的是最基本的句型組合情況，包括最為常見的主謂結(jié)構(gòu)、由狀語加上主謂結(jié)構(gòu)形成的狀中結(jié)構(gòu)、包含有連詞的結(jié)構(gòu)以及主謂結(jié)構(gòu)加上語氣詞所組成的結(jié)構(gòu)等；fj指的是有多個(gè)dj通過連詞或標(biāo)點(diǎn)符號連接而成的情況。綜合以上兩條規(guī)律，我們可以得出句義類型判定的一個(gè)判決方法，如式（1）所示。

圖1 句義結(jié)構(gòu)模型的一個(gè)標(biāo)注實(shí)例

3 算法原理

根據(jù)第2節(jié)的分析，在已知Maxnumofsen值和句法標(biāo)注中頂端句子節(jié)點(diǎn)的基礎(chǔ)上，可以利用式（1）所示的判決方法直接判斷出句義類型，這樣，句義類型識別的工作重心就轉(zhuǎn)移到Maxnumofsen值的獲取上了。這里，我們采用統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法，選用計(jì)算較為簡單、速度快且利于探測式發(fā)現(xiàn)的C4.5決策樹算法［12］。由于只包含一個(gè)謂詞的句子必定是簡單句，且含有一個(gè)謂詞的簡單句又占常見簡單句的絕大部分，因此可以在求Maxnumofsen值之前先判斷句子中謂詞的個(gè)數(shù)，進(jìn)行一個(gè)初步識別，將謂詞個(gè)數(shù)為1的句子直接判斷為簡單句而不需要進(jìn)行后面的步驟，從而進(jìn)一步提高識別效率。句義類型識別的算法原理如圖2所示。

整個(gè)原理圖分為兩個(gè)大的模塊，即訓(xùn)練模塊和識別模塊。訓(xùn)練模塊的輸入是經(jīng)過完整句法和句義標(biāo)注的句子，輸出的是用于識別Numofsen的判定模型（C4.5分類器）；識別模塊的輸入是經(jīng)過完整句法標(biāo)注且已知謂詞的句子，輸出的是句子的句義類型判定結(jié)果。

訓(xùn)練模塊包括預(yù)處理、特征提?。ㄓ?xùn)練）和C4.5訓(xùn)練三個(gè)步驟。其中，預(yù)處理是刪除謂詞個(gè)數(shù)為1的句子，僅用剩下的句子進(jìn)行訓(xùn)練，原因是識別階段僅對謂詞個(gè)數(shù)大于1的句子進(jìn)行Numofsen判定；訓(xùn)練階段的特征提取是根據(jù)句法和句義標(biāo)注的句子提取出每個(gè)謂詞相應(yīng)的特征和句義中對應(yīng)的Numofsen值；C4.5訓(xùn)練是根據(jù)特征提取得到的帶標(biāo)號的特征訓(xùn)練出用于Numofsen值判定的分類模型。

圖2 句義類型識別算法原理

識別模塊分為兩步識別。第一步識別即初步識別，是根據(jù)句中的謂詞個(gè)數(shù)進(jìn)行判定，如果謂詞個(gè)數(shù)為1則直接判定為簡單句，否則進(jìn)行第二步識別；第二步識別包括特征提?。ㄗR別）、Numofsen值判定、頂端句子節(jié)點(diǎn)提取和判決4個(gè)步驟。其中，識別階段的特征提取是根據(jù)句法標(biāo)注的句子提取出與已知的謂詞相應(yīng)的特征；Numofsen判定是利用訓(xùn)練階段得到的判定模型對提取的特征進(jìn)行分類，得出Numofsen的判定值；頂端句子節(jié)點(diǎn)提取是從句法標(biāo)注的句子中直接讀取出頂端句子節(jié)點(diǎn)；最后的判決是將句子中所有謂詞對應(yīng)的Numofsen值的最大值Maxnumofsen和得到的頂端句子節(jié)點(diǎn)值作為輸入，利用式（1）所示的判決方法進(jìn)行判定，最終給出句義類型的判定結(jié)果。

3.1 特征提取

1）特征選擇

本文用于謂詞的Numofsen值判斷的特征主要來源于人工標(biāo)注的經(jīng)驗(yàn)，即選取標(biāo)注者在人工標(biāo)注過程中常關(guān)注的一些特征。特征全部來源于句法標(biāo)注的句子，圖3即為BFS－CTC漢語標(biāo)注語料庫［11］中句法樹的一個(gè)標(biāo)注實(shí)例。

圖3 句法樹的一個(gè)標(biāo)注實(shí)例

如圖3所示的句法標(biāo)注中的頂端句子節(jié)點(diǎn)如果是復(fù)合句，則謂詞的Numofsen值必定大于1，因此，頂端句子節(jié)點(diǎn)可以作為一個(gè)特征；又如謂詞的詞性不同，其句法標(biāo)注的結(jié)果也會(huì)有很大差異，這樣在訓(xùn)練模型的過程中，詞性不同可能會(huì)結(jié)合不同的特征進(jìn)行組合，因此，謂詞的詞性也可以作為一個(gè)特征；此外，在句法樹中還有一些路徑數(shù)目特征與謂詞的Numofsen值判斷有一定的關(guān)系。所有的特征列表如表1所示。其中，路徑數(shù)目特征中的“路徑”指的是句法樹中從謂詞所在節(jié)點(diǎn)向上搜索直到根節(jié)點(diǎn)所經(jīng)過的各個(gè)標(biāo)注節(jié)點(diǎn)，如圖3中虛線箭頭所示的謂詞“推薦”到頂端句子節(jié)點(diǎn)的路徑。

表1 特征列表

2）特征篩選

為了得到最優(yōu)的特征組合，對選取的特征進(jìn)行特征篩選。特征篩選分為兩步。第一步是利用Weka平臺中InfoGain的屬性選擇類對屬性進(jìn)行選擇，然后利用Ranker類對屬性進(jìn)行了一個(gè)簡單的排序；第二步是針對第一步排序后的特征進(jìn)行按信息增益率從低到高依次去除特征的實(shí)驗(yàn)，最后根據(jù)實(shí)驗(yàn)結(jié)果分析給出最優(yōu)特征組合。

其中，Weka的全名是懷卡托智能分析環(huán)境（Waikato Environment for Knowledge Analysis），是一個(gè)免費(fèi)的，非商業(yè)化的，基于JAVA環(huán)境下開源的機(jī)器學(xué)習(xí)以及數(shù)據(jù)挖掘軟件。軟件中的InfoGain屬性選擇類（InfoGainAttributeEval）主要是計(jì)算出各個(gè)屬性的InfoGain信息。在Weka中為屬性選擇方法配備有搜索算法（seacher method），這里我們用最簡單的Ranker類對特征進(jìn)行簡單的排序。

實(shí)驗(yàn)數(shù)據(jù)來自于BFS－CTC漢語標(biāo)注語料庫［11］。相比于目前在漢語語義角色標(biāo)注領(lǐng)域主要使用的CPB語料庫（Chinese Proposition Bank）［13］，BFS－CTC中的語料增加了對句子句義類型的標(biāo)注，并且提供了完整的語義角色標(biāo)注以及各句義成分之間的組合關(guān)系。

BFS－CTC由北京理工大學(xué)信息安全與對抗技術(shù)實(shí)驗(yàn)室自行開發(fā)，其原始語料來源于新聞?wù)Z料中的句子（如Sohu、Sina、人民日報(bào)等），所有的句子均經(jīng)過了詞法、句法、句義結(jié)構(gòu)的標(biāo)注。其中，詞法標(biāo)注集采用北京大學(xué)的詞性標(biāo)注規(guī)范［14－15］；句法標(biāo)注集采用北京大學(xué)計(jì)算語言學(xué)研究所規(guī)范［16］；句義結(jié)構(gòu)標(biāo)注集則依據(jù)賈彥德先生的漢語語義學(xué)理論制定，定義了句義類型（4種，包括簡單句義、復(fù)雜句義、復(fù)合句義、多重句義）、語義格類型（基本格7種，如施事格、受事格等，一般格12種，如時(shí)間格、空間格等）、謂詞類型（4種，包括0目、1目、2目、多目）、謂詞時(shí)態(tài)（3種，包括過去時(shí)、現(xiàn)在時(shí)、將來時(shí)）等，并規(guī)范了漢語句義成分之間的關(guān)系。目前BFS－CTC的規(guī)模為10 000句，約92 000詞，涵蓋了漢語中的主謂句、非主謂句、把字句、被字句、連動(dòng)句、兼語句等各種句式。圖4是BFS－CTC的一個(gè)句子標(biāo)注實(shí)例。

圖4 BFS－CTC中的一個(gè)句子標(biāo)注實(shí)例

實(shí)驗(yàn)采用BFS－CTC中10 221個(gè)句子，其中包括簡單句4 338個(gè)，復(fù)雜句2 171個(gè)，復(fù)合句1 512個(gè)，多重句2 200個(gè)。

特征篩選實(shí)驗(yàn)的輸入是對10 221個(gè)句子進(jìn)行預(yù)處理并對每個(gè)謂詞進(jìn)行特征提取后得到的特征文件。實(shí)驗(yàn)采用十折交叉驗(yàn)證的方法，以Numofsen值的整體識別準(zhǔn)確率為指標(biāo)進(jìn)行評價(jià)，其計(jì)算方法如式（2）所示。

第一步實(shí)驗(yàn)得到的特征排序列表如表2所示。

表2 屬性按信息增益排序結(jié)果

從表2中可以看出，編號為4、10和11的三個(gè)特征信息增益為0，因此可以考慮去掉這三個(gè)特征。

實(shí)驗(yàn)證明在去除這三個(gè)特征之后識別結(jié)果沒有任何改變，因此先排除這三個(gè)屬性，進(jìn)行第二步實(shí)驗(yàn)，即將剩下的11個(gè)特征，按照信息增益由低到高依次去除，再利用剩下特征進(jìn)行識別。識別結(jié)果如圖5所示。

圖5 按信息增益由低到高依次去除特征Numofsen值識別結(jié)果

由圖5可知，在不斷去除信息增益率較低的特征后，識別結(jié)果越來越差，在去除編號為13的特征N＿RBBISAP＿NVD和編號為7的特征N＿RBBISAP＿VD時(shí)識別結(jié)果沒有變化，即與11個(gè)特征的識別結(jié)果相同，而在去除編號為14的特征N＿ RBBISDJ＿NVD時(shí)，識別準(zhǔn)確率降低了0.6個(gè)百分點(diǎn)。由此可得，去除編號為13和7的兩個(gè)特征在現(xiàn)有的數(shù)據(jù)源下并沒有影響，因此可以去除這兩個(gè)特征，最終保留剩下的9個(gè)特征。

3.2 分類算法及參數(shù)選取

1）分類算法

目前，各種機(jī)器學(xué)習(xí)算法都已經(jīng)比較成熟，而且在語義分析領(lǐng)域也得到了越來越多的應(yīng)用。決策樹方法是挖掘分類規(guī)則的有效方法。第一步，從一組帶有類標(biāo)記的訓(xùn)練樣本學(xué)習(xí)建立決策樹；第二步，使用決策樹模型對待測樣本進(jìn)行分類。決策樹的構(gòu)造算法有很多，Quinlan于1986年提出的ID3算法，是國際上最早的、具有影響力的決策樹算法。1993年，Quinlan又提出了ID3的改進(jìn)版本C4.5算法，C4.5算法繼承了ID3算法的優(yōu)點(diǎn)，并且增加了其他的一些功能，如對未知屬性的處理、對連續(xù)屬性的離散化和產(chǎn)生規(guī)則［12］。

本文采用C4.5決策樹算法［12］進(jìn)行訓(xùn)練判定Numofsen值決策樹模型，主要有以下幾點(diǎn)原因。

①Numofsen值識別方法沒有先驗(yàn)知識可借鑒，而決策樹的構(gòu)造不需要任何領(lǐng)域知識和參數(shù)設(shè)置，適合于探測式發(fā)現(xiàn)；

② 決策樹計(jì)算較為簡單，速度較快，并且容易轉(zhuǎn)化為分類規(guī)則。

在C4.5中，需要調(diào)節(jié)的參數(shù)有兩個(gè)：ConfidenceFactor和MinObj，以下簡稱C和M。C影響剪枝的程度，其值越小剪枝越少，值越大剪枝越多，值為0時(shí)為不剪枝。M是在節(jié)點(diǎn)上能夠產(chǎn)生分枝的最小支撐樣本數(shù)，例如M值為3時(shí)，則某一節(jié)點(diǎn)上的樣本數(shù)大于等于3時(shí)，才會(huì)繼續(xù)向下劃分。

2）參數(shù)選取

參數(shù)選取的實(shí)驗(yàn)數(shù)據(jù)源和評價(jià)方法同3.1節(jié)。

實(shí)驗(yàn)采用網(wǎng)格分析法進(jìn)行參數(shù)選擇，首先將C以步長0.05從0.1增長到1，M以步長10從0增長到100，獲得對應(yīng)參數(shù)下的識別準(zhǔn)確率，如圖6所示。然后根據(jù)結(jié)果分布縮小C和M的取值范圍和步長進(jìn)行進(jìn)一步實(shí)驗(yàn)，最后分析實(shí)驗(yàn)結(jié)果給出最優(yōu)參數(shù)。

由圖6可以看出，固定M值變化C，識別準(zhǔn)確率變化不大，在C＝0.55時(shí)會(huì)有一個(gè)小的上升；固定C變化M時(shí)，識別準(zhǔn)確率跳變較大，在M＝10時(shí)達(dá)到最大值。由于M的初步取值步長較大，為了進(jìn)一步確定M的最佳取值，固定C為0.55，將M以步長為1從1增長到19做進(jìn)一步實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖7所示。

圖6 參數(shù)選擇實(shí)驗(yàn)結(jié)果1

圖7 參數(shù)選擇實(shí)驗(yàn)結(jié)果2

由圖7可得，當(dāng)M為14或15時(shí)，達(dá)到最高識別準(zhǔn)確率。因?yàn)镸為最小支撐事例數(shù)，一般越大越好，因此最終選擇M為15，C為0.55為最優(yōu)參數(shù)。

4 實(shí)驗(yàn)及結(jié)果分析

對句義類型的識別僅有文獻(xiàn)［10］進(jìn)行了一些研究，因此本文將在相同的數(shù)據(jù)源下與文獻(xiàn)［10］中的C4.5－SVM算法進(jìn)行對比實(shí)驗(yàn)，以驗(yàn)證本文算法的有效性。

C4.5－SVM方法的主要思想是綜合C4.5算法和SVM算法對不同句義類型識別的優(yōu)勢。其使用了詞法和句法近50個(gè)特征，分別用C4.5算法和SVM算法進(jìn)行識別，最后將兩份識別結(jié)果融合給出句義類型的判定結(jié)果。

4.1 實(shí)驗(yàn)數(shù)據(jù)源

實(shí)驗(yàn)采用BFS－CTC中10 221個(gè)句子，包括簡單句4 338個(gè)，復(fù)雜句2 171個(gè)，復(fù)合句1 512個(gè)，多重句2 200個(gè)。其中9 198個(gè)用于訓(xùn)練，1 023條用于測試。由于C4.5－SVM算法［10］沒有對復(fù)合句進(jìn)行識別，因此在與C4.5－SVM算法進(jìn)行對比實(shí)驗(yàn)時(shí)，去掉其中的復(fù)合句。對比實(shí)驗(yàn)的實(shí)驗(yàn)數(shù)據(jù)分布如表3所示。

表3 對比實(shí)驗(yàn)數(shù)據(jù)分布說明

4.2 評價(jià)方法

實(shí)驗(yàn)以單個(gè)類別的準(zhǔn)確率、召回率、F值及整體準(zhǔn)確率為指標(biāo)對結(jié)果做出評價(jià)。假設(shè)類別A（簡單句義、復(fù)雜句義、復(fù)合句義和多重句義其中之一），其準(zhǔn)確率、召回率、F值計(jì)算方法如式（3）～式（5）所示。

最后綜合所有類別的分類結(jié)果，得出算法的整體識別準(zhǔn)確率，計(jì)算方法如式（6）所示。

4.3 結(jié)果及對比分析

與C4.5－SVM算法的對比實(shí)驗(yàn)結(jié)果如表4所示。

表4 對比實(shí)驗(yàn)結(jié)果

其中，F(xiàn)值（F－Score）為準(zhǔn)確率（Precision）和召回率（Recall）的綜合體現(xiàn)，因此，將F值的對比結(jié)果另用柱形圖更直觀的表示，如圖8所示。

圖8 F值結(jié)果對比

由表4和圖8可知，本文的算法不僅能夠識別出C4.5－SVM算法不能識別的復(fù)合句，而且其他三種句義類型的識別結(jié)果也得到了大幅度的提升；總體識別準(zhǔn)確率提升了11個(gè)百分點(diǎn)，達(dá)到了97%以上；單個(gè)句義類型的識別結(jié)果也得到了不同程度的提升，其中復(fù)雜句的準(zhǔn)確率和多重句的召回率提高了40多個(gè)百分點(diǎn)，除了復(fù)合句義的識別準(zhǔn)確率為93.7%以外，簡單句義、復(fù)雜句義和多重句義的識別準(zhǔn)確率均達(dá)到了97%以上。以上結(jié)論充分證明了本文所用算法的有效性。

5 結(jié)束語

句義類型是現(xiàn)代漢語語義學(xué)中從語義角度對句子句義結(jié)構(gòu)的劃分，包括簡單句義、復(fù)雜句義、復(fù)合句義和多重句義4類。對句義類型進(jìn)行識別是構(gòu)建完整的句義結(jié)構(gòu)，進(jìn)行深層次句義分析的必要步驟，為句義結(jié)構(gòu)的深入研究，包括句義成分識別、句義結(jié)構(gòu)框架提取等提供了基礎(chǔ)條件。本文基于經(jīng)過詞法、句法和句義結(jié)構(gòu)標(biāo)注的漢語標(biāo)注語料庫，通過總結(jié)人工標(biāo)注經(jīng)驗(yàn)，設(shè)計(jì)并實(shí)現(xiàn)了基于謂詞和句義類型塊的句義類型識別方法。該方法先利用“只含有一個(gè)謂詞的句子一定是簡單句”這一規(guī)律對待測句子進(jìn)行第一步識別，對于沒有給出句義類型的句子才會(huì)對其進(jìn)行第二步識別；第二步識別是先利用C4.5機(jī)器學(xué)習(xí)算法得到一個(gè)中間結(jié)果（謂詞經(jīng)過的句義類型塊的個(gè)數(shù)Numofsen），再結(jié)合句法標(biāo)注中頂端句子節(jié)點(diǎn)進(jìn)行判決，最終給出剩余句子的句義類型判定結(jié)果。本文利用Weka數(shù)據(jù)挖掘軟件進(jìn)行了特征篩選實(shí)驗(yàn)和參數(shù)選取實(shí)驗(yàn)，最終確定了9個(gè)特征和最優(yōu)的參數(shù)組合。在BFS－CTC漢語標(biāo)注語料庫中10 221條數(shù)據(jù)的基礎(chǔ)上做了與C4.5－SVM算法的對比實(shí)驗(yàn)，取得了97.6%的整體識別準(zhǔn)確率，提升了11個(gè)百分點(diǎn)，驗(yàn)證了本文算法的有效性。綜上所述，本文提出的句義類型識別方法，能夠有效地識別4種句義類型，從而為基于語義學(xué)的句義分析研究奠定了基礎(chǔ)。

［1］ 馮揚(yáng).漢語句義模型構(gòu)建及若干關(guān)鍵技術(shù)研究［D］.北京理工大學(xué)碩士學(xué)位論文，2010.

［2］ 北京市語臺學(xué)會(huì).教學(xué)語法系列講座［C］.北京：中國和平出版社，1987.

［3］ 賈彥德.漢語語義學(xué)［M］.北京：北京大學(xué)出版社，1995.

［4］ 林世平，許細(xì)清.面向中文文本的觀點(diǎn)檢索技術(shù)研究［J］.福州大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，38（05）：681－687.

［5］ 張濤.基于HNC理論的句子語義分析［D］.北京理工大學(xué)碩士學(xué)位論文，2010.

［6］ 吳鋒文.面向中文信息處理的三句式有標(biāo)復(fù)句層次關(guān)系自動(dòng)識別研究［D］.華中師范大學(xué)博士學(xué)位論文，2010.

［7］ 徐斌.基于PCFG－HDSM模型的語義句式識別［D］.南京航空航天大學(xué)碩士學(xué)位論文，2008.

［8］ 羅振聲，鄭碧霞.漢語句型自動(dòng)分析和分布統(tǒng)計(jì)算法與策略研究［J］.中文信息學(xué)報(bào)，1994，8（2）：1－19.

［9］ 李祖樞，劉朝濤.基于句型系統(tǒng)的中文問題理解研究［J］.鄭州大學(xué)學(xué)報(bào)（理學(xué)版），2010，42（01）：53－56.

［10］ 劉莉莉.漢語句義類型及謂詞時(shí)態(tài)識別算法研究［D］.北京理工大學(xué)碩士學(xué)位論文，2010.

［11］ 羅森林，劉盈盈，馮揚(yáng)等.BFS－CTC漢語句義結(jié)構(gòu)標(biāo)注語料庫［J］.北京理工大學(xué)學(xué)報(bào)，2012（3）：311－315.

［12］ Quinlan J R.Induction of Decision Trees［J］.Machine Learning，1986，1（1）：81－106.

［13］ Xue N，Palmer M.Annotating the Propositions in the Penn Chinese Treebank［C］／／Proceedings of the 2nd SIGHAN Workshop on Chinese Language Processing.Sapporo，Japan，2003：47－54.

［14］ 俞士汶，段慧明，朱學(xué)鋒，等.北京大學(xué)現(xiàn)代漢語語料庫基本加工規(guī)范［J］.中文信息學(xué)報(bào)，2002，16（5）：49－64.

［15］ 俞士汶，段慧明，朱學(xué)鋒，等.北京大學(xué)現(xiàn)代漢語語料庫基本加工規(guī)范（續(xù)）［J］.中文信息學(xué)報(bào)，2002，16（6）：58－64.

［16］ 周強(qiáng).漢語語料庫的短語自動(dòng)劃分和標(biāo)注研究［D］.北京大學(xué)博士學(xué)位論文，2002.