中文篇章級(jí)句間語義關(guān)系體系及標(biāo)注

張牧宇，秦兵，劉挺

（哈爾濱工業(yè)大學(xué)，黑龍江哈爾濱150001）

1 引言

隨著詞匯語義、句子語義研究的逐漸成熟，篇章級(jí)語義分析逐漸成為研究熱點(diǎn)，作為篇章語義分析的重要內(nèi)容，篇章句間關(guān)系研究（Discourse Relation）也開始受到越來越多的關(guān)注。該研究以分析文本塊間的因果、比較等語義關(guān)聯(lián)為目標(biāo)，在缺少篇章級(jí)資源和方法的情況下，利用篇章句間關(guān)系將詞匯語義融合成為篇章級(jí)語義信息，成為語義分析的重要解決途徑之一，對(duì)自動(dòng)文摘［1］、自動(dòng)問答［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)依賴的核心內(nèi)容不同，傳統(tǒng)的語義分析方法大致可以分為以下3類。

（1）以詞匯語義為核心的分析理論。詞匯鏈理論（Lexical Cohesion）通過分析詞匯語義構(gòu)建主題詞匯鏈，利用主題詞匯的分布和轉(zhuǎn)移情況分析篇章語義［7］。該理論的操作性較強(qiáng)，但以詞匯為主要分析對(duì)象，表現(xiàn)力比較有限；中心理論［8］在給定的句子中跟蹤焦點(diǎn)變化，通過定義不同的焦點(diǎn)變化方式來描述篇章結(jié)構(gòu)并獲知語義信息。該理論主要關(guān)注句子間的焦點(diǎn)轉(zhuǎn)換，對(duì)篇章信息關(guān)注較少，轉(zhuǎn)移關(guān)系類型比較單一。

（2）以語義資源為核心的分析理論。框架語義學(xué)（FrameNet）通過構(gòu)建“語義框架”將語義知識(shí)轉(zhuǎn)化為計(jì)算機(jī)詞典［9］，用詞義間的關(guān)聯(lián)反映語義。山西大學(xué)劉開瑛教授、李茹教授領(lǐng)導(dǎo)的課題組研究構(gòu)建了中文框架語義知識(shí)庫(kù)（Chinese FrameNet，CFN）。該理論語義信息豐富，便于計(jì)算機(jī)使用，但專業(yè)性極強(qiáng)，構(gòu)建過程耗時(shí)耗力，腳本理論將文本語義轉(zhuǎn)化為具體的情景知識(shí)，通過對(duì)典型場(chǎng)景建模將文本語義具體化［10］。該理論構(gòu)思巧妙，但現(xiàn)實(shí)場(chǎng)景無法窮盡，限制了實(shí)用性。

（3）以篇章結(jié)構(gòu)為核心的分析理論。修辭結(jié)構(gòu)理論（Rhetorical Structure Theory，RST）將語義分析轉(zhuǎn)換為文本間的修辭結(jié)構(gòu)分析，用修辭結(jié)構(gòu)樹表示文本語義信息［11］。該理論非常完善，但關(guān)系定義偏近于修辭結(jié)構(gòu)，操作性不強(qiáng)；文本意義段劃分（Text tiling）通過統(tǒng)計(jì)詞匯共現(xiàn)和分布情況識(shí)別段落主題，并以主題為單位合并文本段，將篇章轉(zhuǎn)換為多個(gè)“意義段”的組合［12］。該理論以段落為分析對(duì)象，對(duì)分析語義結(jié)構(gòu)幫助較大，但分析過程依賴詞匯統(tǒng)計(jì)，對(duì)語義信息使用較少。

第一類方法最為直觀，操作性強(qiáng)，但以詞匯語義為核心，表現(xiàn)力略有不足；第二類方法表現(xiàn)力強(qiáng)，但構(gòu)建過程費(fèi)時(shí)費(fèi)力，限制了實(shí)用性。第三類方法兼有表現(xiàn)力和實(shí)用性，但偏近于結(jié)構(gòu)分析，不利于操作。在這種情況下PDTB（Penn Discourse Treebank）［13］應(yīng)運(yùn)而生，該理論在PTB樹庫(kù)基礎(chǔ)上，以篇章關(guān)聯(lián)詞語為核心，從語義角度出發(fā)構(gòu)建了篇章句間關(guān)系樹庫(kù)，語義信息豐富且操作性強(qiáng)。該理論以篇章關(guān)聯(lián)詞為核心，從任務(wù)定義、體系設(shè)計(jì)再到標(biāo)注方法，都是面向英文展開，考慮到中英文關(guān)聯(lián)詞使用和語義關(guān)系都存在一些差異，將PDTB體系直接平移到中文可能會(huì)出現(xiàn)偏差。

本文首次提出面向中文的篇章級(jí)句間語義關(guān)系體系，將基于篇章級(jí)句間關(guān)系的語義分析方法應(yīng)用于中文，通過分析中英文的差異指出中文體系的必要性，詳細(xì)介紹面向中文的語義關(guān)系體系并通過語料標(biāo)注證明了中文體系的一致性和完備性。余下內(nèi)容組織如下：第2節(jié)介紹篇章句間語義關(guān)系相關(guān)工作；第3節(jié)分析中英文的差異，說明中文體系的必要性；第4節(jié)介紹本文提出的中文篇章級(jí)句間語義關(guān)系體系；第5節(jié)介紹中文篇章級(jí)句間語義關(guān)系語料標(biāo)注及問題分析；第6節(jié)給出結(jié)論。

2 相關(guān)工作概述

篇章句間關(guān)系理論包括RST和PDTB兩類，其中RST理論［11］的出現(xiàn)是篇章句間關(guān)系研究的第一次高潮。Marcu［14］在RST框架下提出了一種篇章樹結(jié)構(gòu)的分析方法；隨后Soricut［15］使用概率模型結(jié)合詞匯特征和句法特征分析了句子級(jí)的篇章結(jié)構(gòu)；DuVerle［16］使用豐富的詞匯、句法和結(jié)構(gòu)化特征，采用SVM方法訓(xùn)練兩個(gè)獨(dú)立模型識(shí)別文本間的修辭關(guān)系；VW Feng［17］以RST體系為基礎(chǔ)，使用了大量的語言學(xué)特征構(gòu)建了文本分析器。

PDTB體系提出并開放樹庫(kù)之后［13］出現(xiàn)了一系列相關(guān)研究。Pitler［5］通過統(tǒng)計(jì)關(guān)聯(lián)詞識(shí)別顯式關(guān)系（存在關(guān)聯(lián)詞的篇章句間關(guān)系），取得了非常好的效果；隨后Piter［18］使用句法信息分析篇章關(guān)聯(lián)詞的歧義問題，并對(duì)隱式關(guān)系識(shí)別進(jìn)行了探索［19］；Wellner［20］和Elwell［21］分別使用了機(jī)器學(xué)習(xí)方法，以關(guān)聯(lián)詞為核心進(jìn)行了關(guān)系元素識(shí)別。

對(duì)于不存在關(guān)聯(lián)詞的關(guān)系（隱式關(guān)系）Lin［22］使用4類特征進(jìn)行了識(shí)別，證明句法產(chǎn)生規(guī)則最為有效；隨后Lin［23］提出了基于PDTB體系的篇章分析器，實(shí)現(xiàn)了篇章關(guān)聯(lián)詞識(shí)別、元素識(shí)別、關(guān)系分類等功能；Wang［24］采用核函數(shù)方法，結(jié)合時(shí)序信息識(shí)別篇章句間關(guān)系，取得了當(dāng)時(shí)的最佳效果；Zhou［25］選擇關(guān)聯(lián)詞插入隱式關(guān)系，并利用該關(guān)聯(lián)詞識(shí)別隱式關(guān)系類型；Chiarcos［26］利用事件關(guān)系指示詞幫助識(shí)別篇章句間關(guān)系。

目前除英文PDTB之外，印度語［27］、土耳其語［28］、阿拉伯語［29］也有類似的篇章句間關(guān)系研究出現(xiàn)。在中文上，Xue［30］針對(duì)篇章關(guān)聯(lián)詞進(jìn)行了研究，隨后Zhou［31］采用英文PDTB體系標(biāo)注了部分中文語料，但沒有提出適合中文特點(diǎn)的語義關(guān)系體系。本文提出面向中文的篇章句間語義關(guān)系體系，指出中文體系的必要性，并進(jìn)行了中文語料標(biāo)注和分析工作。

3 中英文差異分析

PDTB已經(jīng)出現(xiàn)并獲得了發(fā)展，但我們發(fā)現(xiàn)中英文間存在一些明顯差異，使得英文體系平移到中文時(shí)會(huì)出現(xiàn)一些偏差，主要包括以下幾個(gè)方面。

3.1 英文體系對(duì)中文語義覆蓋不完整

“英文重結(jié)構(gòu)，中文重語義”，中文中有許多獨(dú)特的語義關(guān)系在英文PDTB體系中沒有體現(xiàn)，平移到中文時(shí)體系覆蓋不完整，會(huì)出現(xiàn)信息丟失。

例1 為了報(bào)效祖國(guó)，他苦練殺敵本領(lǐng)。

例2 他不但還清了債，還蓋了新房子。

例1表示目的語義，例2表示遞進(jìn)語義。這兩類關(guān)系在中文里非常常見，但英文PDTB體系沒有對(duì)應(yīng)的關(guān)系類型，對(duì)該類句子不進(jìn)行標(biāo)注，遺漏了很大一部分信息。本文通過定義“目的關(guān)系”、“遞進(jìn)關(guān)系”覆蓋以上兩類語義信息。

3.2 英文體系對(duì)某些關(guān)系分類不清

“英文多從句，中文多分句”，中文篇章經(jīng)常出現(xiàn)多個(gè)語義地位相似的連續(xù)分句，描述問題的若干方面，語義獨(dú)立且地位并列，英文PDTB體系沒有覆蓋并列語義的關(guān)系類型。

例3 一方面通過限購(gòu)和限貸減少市場(chǎng)上的投機(jī)性需求；另一方面，增加保障性住房和普通商品房的供應(yīng)。

例3中兩個(gè)分句說明并列的兩方面舉措，這種用法在中文非常常見。英文PDTB體系缺少對(duì)應(yīng)的關(guān)系類型，通常會(huì)識(shí)別為“擴(kuò)展關(guān)系”等，在后續(xù)使用中（例如問答）常常會(huì)將后半部作為附屬丟棄，導(dǎo)致信息丟失，實(shí)際上二者并沒有內(nèi)容上的從屬關(guān)系。本文通過定義“并列關(guān)系”獲得元素間的語義并列。

3.3 英文時(shí)態(tài)關(guān)系平移困難

英文PDTB體系中包含面向時(shí)態(tài)信息定義的關(guān)系類型，由于中文缺少明顯的時(shí)態(tài)和從句信息，相關(guān)類型平移到中文時(shí)會(huì)導(dǎo)致識(shí)別困難，并影響信息間的區(qū)分方式。

例4 If they had this much trouble with Chicago，they are going to have an awful time with the rest.

例4屬于英文PDTB體系中“條件關(guān)系”下屬的“過去事實(shí)”，定義中使用了動(dòng)詞的時(shí)態(tài)信息。類似信息在中文里識(shí)別困難，而且依靠時(shí)態(tài)區(qū)別各類關(guān)系會(huì)隱藏信息間的其他區(qū)別。本文提出的中文體系刪除了時(shí)態(tài)相關(guān)關(guān)系類型，并采用其他區(qū)分標(biāo)準(zhǔn)重構(gòu)條件關(guān)系。

3.4 英文元素定義在中文上的使用困難

根據(jù)傳統(tǒng)的任務(wù)定義［13］，篇章句間關(guān)系包括兩個(gè)元素，在偏正復(fù)句中兩者功能不同［32］，需要在識(shí)別過程中加以區(qū)分。英文PDTB體系根據(jù)關(guān)聯(lián)詞的修飾關(guān)系區(qū)分元素：關(guān)聯(lián)詞修飾的元素稱為Arg2，另一個(gè)元素稱為Arg1。

例5 如果做完了功課（Arg2），你可以出去玩一會(huì)（Arg1）。

例6 做完了功課（Arg1），你就可以出去玩一會(huì)（Arg2）。

這種定義以關(guān)聯(lián)詞為核心，配合英文對(duì)關(guān)聯(lián)詞的嚴(yán)格限制可以滿足英文的處理要求。但該定義平移到中文時(shí)可能出現(xiàn)一些偏差，主要包括以下幾個(gè)方面。

（1）平行關(guān)聯(lián)詞

英文復(fù)句通常只允許一個(gè)關(guān)聯(lián)詞出現(xiàn)，而中文復(fù)句允許多個(gè)關(guān)聯(lián)詞語同時(shí)出現(xiàn)，兩個(gè)元素均有關(guān)聯(lián)詞修飾，按照英文定義無法區(qū)分Arg1和Arg2（例7）。

例7 因?yàn)楹永锝Y(jié)了冰，所以輪船開不出去了。

（2）關(guān)聯(lián)詞換位

英文關(guān)聯(lián)詞使用比較嚴(yán)格，以條件關(guān)系為例：關(guān)聯(lián)詞通常只出現(xiàn)在條件分句中（例5），因此英文PDTB條件關(guān)系只能覆蓋Arg1描述結(jié)果的實(shí)例，忽略Arg1描述條件的情況（例6）。中文關(guān)聯(lián)詞經(jīng)常在句子中換位出現(xiàn)，平移英文定義會(huì)丟失例6中的語義關(guān)系。

（3）語義歧義

同一個(gè)語義內(nèi)容可以使用不同的關(guān)聯(lián)詞（例8～9）。按照英文PDTB的定義方式，同一個(gè)句子在語義內(nèi)容不變的情況下可以對(duì)應(yīng)兩種關(guān)系，這會(huì)導(dǎo)致更多的語義歧義。

例8 河里結(jié)了冰，所以輪船開不出去了。（原因關(guān)系）

例9 因?yàn)楹永锝Y(jié)了冰，輪船開不出去了。（結(jié)果關(guān)系）

本文提出基于物理順序的元素定義方法：將前置的元素設(shè)為Arg1，后置的為Arg2。該方法識(shí)別簡(jiǎn)便，適用任何語言變化，在平行關(guān)聯(lián)詞、關(guān)聯(lián)詞換位和隱式關(guān)系處理上優(yōu)勢(shì)明顯；此外，在這種定義下例8～9將具有相同的關(guān)系類型，更加符合語義邏輯。

4 中文篇章句間語義關(guān)系體系

“英文是法制的，中文是人治的”［32］。中英文的差異較大：從語義表現(xiàn)上講，中文缺少時(shí)態(tài)、從句等標(biāo)識(shí)，句子間往往通過語義關(guān)聯(lián)，關(guān)系更為豐富；從表達(dá)方式上講，中文關(guān)聯(lián)詞的使用更為隨意，行文非常靈活；從組織方式上講，中文沒有明顯的修飾結(jié)構(gòu)，句子分割靈活，元素構(gòu)成更加復(fù)雜，因此直接使用英文體系處理中文存在一定偏差，有必要提出面向中文的篇章語義關(guān)系體系。

4.1 概念介紹

類似于傳統(tǒng)篇章句間關(guān)系［13］，中文篇章句間語義關(guān)系體系包含3個(gè)層次內(nèi)容：篇章句間關(guān)系、關(guān)系元素、語義關(guān)系體系。

篇章句間關(guān)系 兩個(gè)文本塊間存在的語義關(guān)聯(lián)，通常由關(guān)聯(lián)詞進(jìn)行標(biāo)識(shí)。根據(jù)關(guān)聯(lián)詞語不同可以分為以下3類。

（1）顯式關(guān)系：存在明顯的關(guān)聯(lián)詞語作標(biāo)識(shí)的篇章句間關(guān)系。

（2）隱式關(guān)系：缺少關(guān)聯(lián)詞語，需要進(jìn)行推理識(shí)別的篇章句間關(guān)系。

（3）替換關(guān)系：缺少關(guān)聯(lián)詞語，但具有功能類似的短語或其他成分的。

關(guān)系元素 構(gòu)成篇章句間關(guān)系的文本單元。根據(jù)關(guān)系類型不同可以分為以下3類。

（1）顯式關(guān)系元素：顯式關(guān)系元素以語義獨(dú)立為主、關(guān)聯(lián)詞為輔，允許嵌套情況，組成單位包括簡(jiǎn)單句、短語、復(fù)句、指代表達(dá)式4類。

（2）隱式關(guān)系元素：英文隱式關(guān)系只能位于段內(nèi)的相鄰句之間，考慮到中文跨句關(guān)系較多，中文體系取消了這個(gè)限制，隱式關(guān)系元素定義同顯式關(guān)系。

（3）替換關(guān)系元素：本文按照顯式關(guān)系處理替換關(guān)系，元素定義同顯式關(guān)系。

語義關(guān)系體系 篇章句間關(guān)系所有可能類型組成的層級(jí)體系，下面進(jìn)行詳細(xì)介紹。

4.2 篇章句間語義關(guān)系體系

中文篇章句間語義關(guān)系體系具有多層級(jí)結(jié)構(gòu)：每個(gè)一級(jí)類目都包括若干二級(jí)類目，部分二級(jí)類目可以細(xì)化為三級(jí)類目。這種層級(jí)結(jié)構(gòu)符合多標(biāo)注一致性規(guī)則，保證定義的精確性，并且支持一些非常實(shí)用的推理。本文用Arg1標(biāo)識(shí)位置前置的元素，Arg2標(biāo)識(shí)位置后置的元素，用下劃線標(biāo)識(shí)關(guān)聯(lián)詞語。

4.2.1 時(shí)序關(guān)系

兩個(gè)元素是通過時(shí)序聯(lián)系起來，稱之為“時(shí)序關(guān)系”。

·同步關(guān)系

兩個(gè)元素存在一定時(shí)間重合，稱之為“同步關(guān)系”。

例10 當(dāng)［他打籃球］Arg1的時(shí)候，［天突然下起了雨］Arg2。

·異步關(guān)系

兩個(gè)元素存在時(shí)間上的先后順序，稱之為“異步關(guān)系”。

兩個(gè)元素中Arg1在Arg2之前發(fā)生，稱之為“先序關(guān)系”。

例11在［上課鈴打響］Arg1之后，［他才跑回了教室］Arg2。

兩個(gè)元素中Arg1在Arg2之后發(fā)生，稱之為“后序關(guān)系”。

例12在［上課鈴打響］Arg1之前，［他飛快地跑回了教室］Arg2。

4.2.2 條件關(guān)系

兩個(gè)元素中一個(gè)提出某種條件或場(chǎng)景，另一個(gè)說明產(chǎn)生的結(jié)果，稱之為“條件關(guān)系”。

·直接條件關(guān)系

兩個(gè)元素分別描述條件和結(jié)果，兩者存在直接的條件影響，稱之為“直接條件關(guān)系”。

條件元素為真時(shí)，結(jié)果元素一定為真，稱之為“充分條件”。

例13只要［你通過了初試］Arg1，就［能參加面試了］Arg2。

結(jié)果元素為真時(shí)，條件元素一定為真，稱之為“必要條件”。

例14只有［贏下這場(chǎng)比賽］Arg1，［他們才能進(jìn)入下一輪］Arg2。

無論條件元素是否為真，結(jié)果元素都將發(fā)生，稱之為“無條件”。

例15無論［明天是否晴天］Arg1，［我們都將上路］Arg2。

·形式條件關(guān)系

兩個(gè)元素中一個(gè)提出某種場(chǎng)景，另一個(gè)以此為背景展開內(nèi)容，不存在直接的條件影響，而是形式上的鋪墊，稱之為“形式條件關(guān)系”。

例16如果［誰要鑒賞我國(guó)的園林］Arg1，［蘇州園林就不該錯(cuò)過］Arg2。

4.2.3 比較關(guān)系

兩個(gè)元素描述的內(nèi)容存在某些差異，并且突出這種差異時(shí)，稱之為“比較關(guān)系”。

·直接對(duì)比關(guān)系

兩個(gè)元素存在某些相似的屬性，突出兩者在該屬性上的差異，稱之為“直接對(duì)比關(guān)系”。

兩個(gè)元素在公用屬性上具有同趨勢(shì)的取值，稱之為“同向?qū)Ρ取薄?/p>

例17 2009年［公司盈利提升了69%］Arg1。但是［同年互聯(lián)網(wǎng)方面的開銷增加85%］Arg2。

兩個(gè)元素在公共屬性上具有不同趨勢(shì)的取值，存在一定語義轉(zhuǎn)折，稱之為“反向?qū)Ρ取薄?/p>

例18 ［公司的銷售額提升了］Arg1。但是［利潤(rùn)卻沒有增加］Arg2。

·間接對(duì)比關(guān)系（轉(zhuǎn)折關(guān)系）

兩個(gè)元素沒有明顯的屬性對(duì)比，而是語氣轉(zhuǎn)折或話題轉(zhuǎn)換，稱之為“間接對(duì)比關(guān)系”。

例19 ［中國(guó)的奢侈品消費(fèi)增長(zhǎng)如此之快］Arg1。但是［消費(fèi)者的眼光也越來越挑剔了］Arg2。

4.2.4 因果關(guān)系

兩個(gè)元素間存在事實(shí)性的因果影響，稱之為“因果關(guān)系”。

·直接因果關(guān)系（說明因果）

兩個(gè)元素中一個(gè)說明原因，另一個(gè)說明該原因?qū)е碌慕Y(jié)果，兩者均為客觀事實(shí)，稱之為“直接因果關(guān)系”。

兩個(gè)元素中Arg1說明原因，Arg2說明該原因?qū)е碌慕Y(jié)果，稱之為“原因關(guān)系”。

例20 ［他昨天淋了雨］Arg1。所以［今天有點(diǎn)發(fā)燒］Arg2。

兩個(gè)元素中Arg2說明原因，Arg1說明該原因?qū)е碌慕Y(jié)果，稱之為“結(jié)果關(guān)系”。

例21 ［他不能來開會(huì)了］Arg1，因?yàn)椋鬯×耍軦rg2。

·間接因果關(guān)系（推論因果）

兩個(gè)元素中一個(gè)提出某些依據(jù)，另一個(gè)由此得出主觀結(jié)論，稱之為“間接因果關(guān)系”。

例22 ［警察認(rèn)定他撒了謊］Arg1。［他們?cè)谒淖∷业搅耸е鞯腻X包］Arg2。

·目的關(guān)系

兩個(gè)元素中一個(gè)提出某種目標(biāo)，另一個(gè)指出該目標(biāo)所需的行動(dòng)，稱之為“目的關(guān)系”。

例23 ［為了讓老師相信他］Arg1，［他寫了八百多字的保證書］Arg2。

4.2.5 擴(kuò)展關(guān)系

兩個(gè)元素間存在內(nèi)容上的擴(kuò)展，推動(dòng)行文向前，稱之為“擴(kuò)展關(guān)系”。

·細(xì)化關(guān)系

兩個(gè)元素中一個(gè)是對(duì)另一個(gè)的展開和細(xì)化描述，稱之為“細(xì)化關(guān)系”。

兩個(gè)元素中Arg2是對(duì)Arg1的進(jìn)一步解釋，稱之為“解釋說明”。

例24 ［這是一個(gè)很古老的故事］Arg1。［它發(fā)生在500年前那個(gè)混亂的年代］Arg2。

兩個(gè)元素中一個(gè)覆蓋了某個(gè)集合，另一個(gè)描述該集合的特定實(shí)例，稱之為“實(shí)例關(guān)系”。

例25 ［今年他獲得了很多大獎(jiǎng)］Arg1。其中一個(gè)［是季度之星］Arg2。

兩個(gè)元素中一個(gè)提出某個(gè)理論，另一個(gè)指出例外情況，稱之為“例外關(guān)系”。

例26 ［中國(guó)男足一直無法突破世界杯預(yù)選賽］Arg1，除了［02年韓日世界杯］Arg2。

·泛化關(guān)系

兩個(gè)元素中Arg2是對(duì)Arg1的總結(jié)和泛化時(shí)，稱之為“泛化關(guān)系”。

例27 ［這個(gè)蒸鍋可以蒸玉米、番薯、熱飯啥的，還可以煲湯］Arg1，總之［用處蠻大滴］Arg2。

·遞進(jìn)關(guān)系

兩個(gè)元素間是層進(jìn)關(guān)系，Arg2比Arg1更進(jìn)一層，稱之為“遞進(jìn)關(guān)系”。

例28 ［他不但表達(dá)能力強(qiáng)］Arg1，而且［動(dòng)手能力也相當(dāng)不錯(cuò)］Arg2。

4.2.6 并列關(guān)系

兩個(gè)元素的內(nèi)容和語義相互并列，處于同等地位，稱之為“并列關(guān)系”。

·平行關(guān)系

兩個(gè)元素分別陳述幾個(gè)問題，或同一問題的幾個(gè)方面，稱之為“平行關(guān)系”。

例29 ［近來開發(fā)商資金越來越緊張］Arg1，同時(shí)［政府的調(diào)控也在加強(qiáng)］Arg2。

·選擇關(guān)系

兩個(gè)元素描述一種選擇情況，稱之為“選擇關(guān)系”。

兩個(gè)元素均可供選擇并且都鼓勵(lì)嘗試，稱之為“相容選擇”。

例30 建議你［平時(shí)多多讀書］Arg1，或者［多和其他人交流］Arg2。

兩個(gè)元素只能二中選一，不能同時(shí)出現(xiàn)，稱之為“互斥選擇”。

例31 要么［驕傲的死去］Arg1，要么［恥辱的活著］Arg2。

5 語料標(biāo)注實(shí)踐與分析

為了檢驗(yàn)中文篇章句間語義關(guān)系體系的合理性和完備性，本文首次進(jìn)行了中文體系上的語料標(biāo)注工作。我們認(rèn)為：如果多名標(biāo)注人員的一致性較高，說明語言實(shí)例到中文體系的映射比較一致，從而證明中文語義關(guān)系體系一致性較好；如果多名標(biāo)注者完全不同的實(shí)例較少，說明絕大多數(shù)關(guān)系實(shí)例都存在對(duì)應(yīng)的合適類型，從而證明中文語義關(guān)系體系的完備性。

5.1 標(biāo)注內(nèi)容

顯式關(guān)系標(biāo)注：要求識(shí)別所有存在關(guān)聯(lián)詞標(biāo)識(shí)的篇章句間關(guān)系并確定類型，這里的關(guān)聯(lián)詞除常用詞外，還包括“面對(duì)著”、“一上來”、“其中一個(gè)”等短語活用現(xiàn)象。

隱式關(guān)系標(biāo)注：要求識(shí)別所有不存在關(guān)聯(lián)詞標(biāo)識(shí)的篇章句間關(guān)系，包括相鄰和跨句兩種情況，在識(shí)別之后需要標(biāo)注人員選擇合適的關(guān)聯(lián)詞插入句子標(biāo)識(shí)該關(guān)系。

元素標(biāo)注：要求識(shí)別構(gòu)成篇章句間關(guān)系的文本塊，包括短語、分句、分句組合、復(fù)句、句群等，并且允許嵌套。

5.2 語料來源及標(biāo)注設(shè)置

本次標(biāo)注使用互聯(lián)網(wǎng)新聞?wù)Z料，來源包括新浪和搜狐兩個(gè)門戶網(wǎng)站。在網(wǎng)站新聞?lì)l道下屬的各個(gè)頂級(jí)類別下各選擇一篇質(zhì)量較好的語料，并分為兩組用于培訓(xùn)和測(cè)試。數(shù)據(jù)標(biāo)注由三名標(biāo)注者執(zhí)行，均有自然語言研究背景，但均無篇章句間關(guān)系研究經(jīng)歷。

為了證明中文體系的一致性，本文把語義標(biāo)注看成分類問題，采用標(biāo)準(zhǔn)Kappa值（式1）計(jì)算多名標(biāo)注人員的標(biāo)注一致性，并統(tǒng)計(jì)了多名標(biāo)注者結(jié)果完全相同的實(shí)例數(shù)目。

注：P（A）表示多名標(biāo)注者評(píng)定一致的百分比，P（E）表示理論上評(píng)定一致的百分比。

為了證明中文體系的完備性，本文統(tǒng)計(jì)了多名標(biāo)注人員結(jié)果完全不同的實(shí)例數(shù)目。如果這種強(qiáng)歧義的關(guān)系實(shí)例較多，說明現(xiàn)有體系中缺少合適的關(guān)系類型；反之則說明現(xiàn)有體系能覆蓋絕大多數(shù)關(guān)系實(shí)例。

5.3 標(biāo)注分析

本文采用嚴(yán)格匹配的方法計(jì)算3名標(biāo)注者（A1、A2、A3）的標(biāo)注一致性Kappa值：只有多個(gè)標(biāo)簽全部細(xì)化到底層類別，并且結(jié)果一致才認(rèn)為結(jié)果相同，詳細(xì)結(jié)果如表1所示。

分析下表可知：A2與A3標(biāo)注一致（A2＝A3）的Kappa值最高，達(dá)到了74.10%；A1與A3標(biāo)注一致（A1＝A3）的Kappa值為66.70%；而三名標(biāo)注者全部一致的Kappa值達(dá)到59.90%，整體Kappa值較高。根據(jù)之前分析，較高的標(biāo)注一致性說明中文篇章句間語義關(guān)系體系一致性較好。此外三名標(biāo)注者結(jié)果完全不同的實(shí)例極少，說明絕大部分實(shí)例都可以劃入合適的類別，從而證明中文體系的完備性。

另外值得注意的是三個(gè)標(biāo)注者彼此間標(biāo)注一致性差異較大：A2與A3標(biāo)注一致（A2＝A3）的Kappa值達(dá)到了74.10%，而A1與A2標(biāo)注一致（A1＝A2）的Kappa值只有59.30%；整體而言，標(biāo)注人員A1與A2、A3的一致性低于A2與A3的一致性。這從一個(gè)側(cè)面說明了語義問題的復(fù)雜性，標(biāo)注結(jié)果一定程度上依賴于標(biāo)注人員。語義問題本身具有歧義，再加上中文的變化較多，很難應(yīng)用統(tǒng)一的標(biāo)準(zhǔn)判別，為自動(dòng)處理增加了難度。

表1 標(biāo)注結(jié)果分析

5.4 標(biāo)注問題分析

語義問題本身具有一定的歧義性，再加上中文組織方式靈活，使得中文篇章句間關(guān)系分析更加困難。下面分析標(biāo)注過程中遇到的問題，并給出解決方案。

5.4.1 信息缺失

中文短句較多，很多分句的句法成分并不完整（例32加黑部分），但具有相對(duì)完整的語義（例如，省略、指代、特定表達(dá)），是否允許它們作為元素參與構(gòu)成關(guān)系值得我們思考。

例32 谷歌向開發(fā)人員提供這些工具還有什么意義呢？誰又愿意去開發(fā)那些需要ICS功能的應(yīng)用呢，更何況是Android 5.0？

目前考慮解決方案如下：

5.4.2 句法與語義關(guān)系的區(qū)別

中文允許分句作為句法成分，例32中“指出”以分句作為賓語，對(duì)行文展開有一定推動(dòng)作用，類似的句法關(guān)系是否屬于篇章句間關(guān)系的處理范圍值得我們思考。

例33 國(guó)外媒體今日撰文指出，谷歌每年推出一款重大升級(jí)的做法似乎并不恰當(dāng)。

目前考慮解決方案如下：

5.4.3 語義歧義

語義問題具有一定歧義性，加之中文語義表達(dá)方式豐富，使得很多關(guān)系類別的判定依賴于標(biāo)注人員。例34加黑部分介于“遞進(jìn)關(guān)系”與“解釋說明”之間，如何標(biāo)注類似的歧義關(guān)系值得我們思考。

例34 Android 4.0操作系統(tǒng)（代號(hào)“冰淇淋三明治”）自發(fā)布以來，僅占整個(gè)Android市場(chǎng)份額的1%。目前僅有一少部分手機(jī)和平板電腦采用Android4.0。

目前考慮解決方案如下：

6 結(jié)論

本文首次提出了面向中文的篇章句間語義關(guān)系體系，對(duì)中文篇章句間關(guān)系研究進(jìn)行了初步嘗試，基于中文體系進(jìn)行了新聞?wù)Z料標(biāo)注，分析了標(biāo)注過程中遇到的問題并給出解決辦法，對(duì)中文篇章句間關(guān)系研究進(jìn)行了初步嘗試。

本文提出的篇章句間語義關(guān)系體系符合中文語言學(xué)相關(guān)理論，通過語料標(biāo)注和多名標(biāo)注人員的標(biāo)注一致性分析驗(yàn)證了中文篇章句間語義關(guān)系體系的合理性，同時(shí)反映語義問題自身的歧義性。通過對(duì)比中英文的差異指出英文體系平移時(shí)可能遇到的問題，指出中文體系的必要性，并提出針對(duì)性的調(diào)整方案。

在此基礎(chǔ)上，我們計(jì)劃開展以下工作內(nèi)容：中文篇章句間關(guān)系語料標(biāo)注及語料庫(kù)構(gòu)建；中文篇章句間關(guān)系類型的自動(dòng)識(shí)別方法；中文篇章句間關(guān)系元素的定義域自動(dòng)識(shí)別方法；文本多級(jí)語義關(guān)系嵌套問題的分析與解決；文本語義分析器的設(shè)計(jì)與實(shí)現(xiàn)。

［1］ D Marcu.The theory and practice of discourse parsing and summarization［M］.MIT Press，2000.

［2］ R Girju.Automatic detection of causal relations for questions answering［C］／／Proceedings of the ACL 2003Workshop on Multilingual Summarisation and Question Answering，2003：76－83.

［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 EMNLP 2011（Oral presentation），Edinburgh，Scotland，July 27－31，2011.

［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：997－1006.

［7］ Morris J，Hirst G.Lexical cohesion computed by thesaural relations as an indicator of the structure of text［J］.Computational Linguistics，1991，17（1）：21－48.

［8］ Grosz Barbara J，Aravind K Joshi，Scott Weinstein.Centering：A Framework for Modelling the Local Coherence of Discourse［J］.Computational Linguistics，1995，21／2：203－25.

［9］ Fillmore，Charles J.Frame semantics and the nature of language［J］.In Annals of the New York Academy of Sciences：Conference on the Origin and Development of Language and Speech，1976，280：20‐32.

［10］ Schank，R C，A belson，R Scripts，Plans，Goals，and Understanding［M］.Hillsdale，N J：Earlbaum Assoc，1977.

［11］ Mann William C，Sandra A Thompson.Rhetorical structure theory［C］／／Proceedings of Toward a fanctional theory of text organizition Text 8.3.1988：243－281.

［12］ Marti A.Hearst.TextTiling：Segmenting text into multi－paragraph subtopic passages［J］.Computational Linguistics，1997，23（1）：33－64.

［13］ R Prasad，N Dinesh，A Lee，et al.The Penn Discourse Treebank 2.0［C］／／Proceedings of the 6th International Conference on Language Resources and E－valuation（LREC 2008）.

［14］ Daniel Marcu.The Rhetorical Parsing［C］／／Proceedings of Summarization，and Generation of Natural Language Texts.PhD thesis，University of Toronto，1997.

［15］ Radu Soricut，Daniel Marcu.Sentence level discourse parsing using syntactic and lexical information［C］／／Proceedings of the Human Language Technology Conference of the North American Chapter of the Association for Computational Linguistics，Edmonton，Canada，2003.

［16］ David duVerle，Helmut Prendinger.A novel discourse parser based on Support Vector Machine classification［C］／／Proceedings of the Joint Conference of the 47th Annual Meeting of the ACL and the 4th International Joint Conference on Natural Language Processing of the AFNLP，Singapore，2009.

［17］ VW Feng，Hirst.Text－level Discourse Parsing with Rich Linguistic Features［C］／／Proceedings Of ACL 2012.

［18］ E Pitler，Ani Nenkova.Using syntax to disambiguate explicit discourse connectives in text［C］／／Proceedings of the ACL－IJCNLP 2009，Conference Short Papers，Singapore，2009.

［19］ E Pitler，Annie Louis，Ani Nenkova.Automatic sense prediction for implicit discourse relations in text［C］／／Proceedings of the Joint Conference of the 47th Annual Meeting of the ACL and the 4th International Joint Conference on Natural Language Processing of the AFNLP，Singapore，2009.

［20］ Ben Wellner，James Pustejovsky.Automatically identifying the arguments of discourse connectives［C］／／Proceedings of the 2007Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning，Prague，Czech Republic，2007.

［21］ Robert Elwell，Jason Baldridge.Discourse connective argument identification with connective specific rankers［C］／／Proceedings of the IEEE International Conference on Semantic Computing，Washington，DC，USA，2008.

［22］ Ziheng Lin，Min－Yen Kan，Hwee Tou Ng.Recognizing implicit discourse relations in the Penn Discourse Treebank［C］／／Proceedings of the 2009Conference on Empirical Methods in Natural Language Processing，Singapore，2009.

［23］ Ziheng Lin，Hwee Tou Ng，Min－Yen Kan.A PDTB－styled end－to－end discourse parser［C］／／Proceedings of Technical Report TRB8／10，School of Computing，National University of Singapore，August，2010.

［24］ WenTing Wang，Jian Su，Chew Lim Tan.Kernel based discourse relation recognition with temporal ordering information［C］／／Proceedings of the 48th Annual Meeting of the Association for Computation，2010.

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

［27］ Rashmi Prasad，Samar Husain，Dipti Sharma，Aravind Joshi.Towards an annotated corpus of discourse relations in Hindi［C］／／Proceedings of the Third International Joint Conference on Natural Language Processing，Hyderabad，India，2008b.

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

［29］ Amal Al－Saif and Katja Markert.Modelling discourse relations for Arabic［C］／／Proceedings，Empirical Methods in Natural Language Processing，2011：736－747.

［30］ Xue Nianwen.Annotating discourse connectives in the Chinese Treebank［C］／／Proceedings of The ACL Workshop in Frontiers in Annotation II：Pie in the Sky.Ann Arbor，Michigan：ACL，2005.

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

［32］ 王力.《王力文集》.山東：山東教育出版社.1984：35－36.