張瑞霞，莊晉林，楊國增

(1. 華北水利水電學(xué)院 信息工程學(xué)院,河南 鄭州 450011；2.鄭州師范學(xué)院 數(shù)學(xué)系,河南 鄭州 450044)

1 引言

語義分析在中文信息處理領(lǐng)域中占有重要地位，特別是隨著一些知識(shí)庫和語義分析理論的成熟，使得語義分析的自動(dòng)化成為可能。《知網(wǎng)》是一個(gè)以英漢雙語所代表的概念以及概念的特征為基礎(chǔ)的常識(shí)知識(shí)庫，它主要描述了概念與概念之間以及概念所具有的特性之間的關(guān)系[1]，在中文信息處理中得到廣泛應(yīng)用[2]；而其中的重要組成部分之一，中文信息結(jié)構(gòu)(簡(jiǎn)記為CMS)描述了中文詞語的各個(gè)組成部分之間由《知網(wǎng)》所規(guī)定的動(dòng)態(tài)角色關(guān)系或?qū)傩?，其揭示了中文的語言結(jié)構(gòu)規(guī)律[3]，可以作為中文語義分析的規(guī)則庫；然而在《中文信息結(jié)構(gòu)庫》[4]中包含眾多CMS，因此對(duì)其消歧是應(yīng)用的必要前提之一；文獻(xiàn)[5]應(yīng)用了CMS的消歧，但沒有說明如何對(duì)其進(jìn)行消歧；文獻(xiàn)[6]構(gòu)建了基于《知網(wǎng)》的中文信息結(jié)構(gòu)抽取器，但其規(guī)則形式不簡(jiǎn)練且規(guī)則中忽略了動(dòng)態(tài)角色，其次消歧策略不明了；鑒于此，本文首先以《中文信息結(jié)構(gòu)庫》為藍(lán)本形式化了CMS；然后根據(jù)CMS的構(gòu)成形式對(duì)其進(jìn)行優(yōu)先級(jí)劃分，并提出了不同的消歧方法： 如詞性序列消歧法、圖相容匹配消歧法、圖相容度計(jì)算消歧法及基于實(shí)例的語義相似度計(jì)算消歧法；最后描述了信息結(jié)構(gòu)集的消歧流程。實(shí)驗(yàn)證明此消歧是有效的。

2 CMS的形式化描述

在《中文信息結(jié)構(gòu)庫》中每個(gè)CMS由四部分組成，即： SYN_S，表示相應(yīng)的句法結(jié)構(gòu)；SEM_S，表示語義結(jié)構(gòu)；Query 和Answer，表示該信息結(jié)構(gòu)模式傳達(dá)的真正信息，并由此可產(chǎn)生的問與答； 例子，給出符合該信息結(jié)構(gòu)模式的真實(shí)語料的實(shí)例。例如：

SYN_S=V <-- N

SEM_S=(事件,烹調(diào)) <-- [成品受事] (食物/植物/獸/部件,%動(dòng)物/部件,% 植物)

Query1: 什么食品？

Answer1: V+N

例子： 炒-菜，烤-鴨，鹵-蛋，烤-白薯，烤-面包，拌-涼菜，炒-雞蛋

為了便于消歧，在不改變信息結(jié)構(gòu)表達(dá)意義的基礎(chǔ)上，對(duì)信息結(jié)構(gòu)中的SYN_S和SEM_S進(jìn)行形式化描述，以使其與《知網(wǎng)》2005版知識(shí)詞典的描述一致，從而能夠充分利用知網(wǎng)中的語義資源進(jìn)行消歧；約定在形式化描述式中，“|”表示或者，“...”表示省略，其他符號(hào)均表示出現(xiàn)在描述式中的實(shí)際符號(hào)。并對(duì)信息結(jié)構(gòu)中的例子進(jìn)行了詞性、詞義、語義角色標(biāo)注。

2.1 句法結(jié)構(gòu)的形式化描述

在CMS中,SYN_S中使用弧表示了短語或詞語間的修飾關(guān)系，即弧指向部分是修飾語，弧的離開部分是被修飾語，在SYN_S的形式化描述中，用“L”代替指向SYN_S左部分的弧，用“R”代替指向SYN_S右部分的弧，SYN_S形式化描述如下所示。

SYN_S::=Syntax Direction Syntax | Syntax Direction {SYN_S} |{SYN_S} Direction Syntax | {SYN_S}Direction {SYN_S}

Syntax::=《知網(wǎng)》的詞性標(biāo)記

Direction::= L | R

例如： SYN_S=V <-- N，可形式化為： SYN_S=V L N

2.2 語義結(jié)構(gòu)的形式化描述

SEM_S主要包含了三種信息，即： 詞語的語義信息，用義原或義原的組合形式表示；短語或詞語間的修飾關(guān)系，用弧表示；短語或詞語間的語義關(guān)系，用動(dòng)態(tài)角色表示。因此對(duì)SEM_S的形式化描述主要就是對(duì)這三方面的形式化描述。

對(duì)詞語語義信息的形式化描述，采用《知網(wǎng)》2005版本知識(shí)詞典中對(duì)概念項(xiàng)的描述方法；對(duì)短語或詞語間的修飾關(guān)系的形式化描述與句法結(jié)構(gòu)形式化描述相同；短語或詞語間的語義關(guān)系，均采用《知網(wǎng)》中動(dòng)態(tài)角色對(duì)應(yīng)的英文形式。SEM_S的形式化描述如下所示：

DEF1::=(sememe) | (sememe/sememe/...) | (sememe:label1=(word)) | (#:label2=(punc))

DEF2::=(sememe:role=DEF1) | (sememe:role=DEF2) | DEF1/DEF 2

DEF::=DEF1 | DEF2

SEM_S::=DEF direction DEF |{SEM_S} direction DEF | DEF direction{SEM_S}| {SEM_S} direction {SEM_S}

sememe::=《知網(wǎng)》中的義原

word::=《知網(wǎng)》概念詞典中的中文詞語

punc::=標(biāo)點(diǎn)符號(hào)

role::=《知網(wǎng)》中的動(dòng)態(tài)角色

label1::=ALI

label2::= PUNC

direction:=[role] L | R [role]

例如：

SEM_S=(事件,烹調(diào)) <-- [成品受事] (食物/植物/獸/部件,%動(dòng)物/部件,% 植物)

可形式化為：

SEM_S=(烹調(diào)) [ProductPatient] L (食物/植物/獸)/(部件:whole=(動(dòng)物/植物))

3 基于《知網(wǎng)》的CMS消歧方法

CMS消歧主要是對(duì)給定的短語選擇最優(yōu)的CMS，例如，“教學(xué)生”，如何選擇最優(yōu)CMS？這里主要涉及三個(gè)問題：

(1) 在眾多CMS中，應(yīng)該按照怎樣的次序進(jìn)行消歧，即CMS優(yōu)先級(jí)的問題；

(2) 設(shè)計(jì)怎樣的消歧方法，即消歧方法的設(shè)計(jì)問題；

(3) 如何綜合應(yīng)用這些消歧方法，即消歧的流程問題；

3.1 CMS的優(yōu)先級(jí)

對(duì)CMS劃分優(yōu)先級(jí)的目的是確定CMS消歧的次序，即優(yōu)先級(jí)高的CMS先消歧；對(duì)CMS劃分優(yōu)先級(jí)的依據(jù)是根據(jù)其SEM_S的構(gòu)成形式。

第一優(yōu)先級(jí): SEM_S中含有具體詞語，例如： SEM_S= (文字/姓) [modifier] L (人:ALI=(嫌/員/局/隊(duì)/處/婦/女))，此信息結(jié)構(gòu)集中共含有29條CMS，記為PRISET1.

第二優(yōu)先級(jí):SEM_S中含有的義原均為義原樹上的葉節(jié)點(diǎn)，例如： SEM_S= (度過) R [patient] (時(shí)間)，此信息結(jié)構(gòu)集中共含有38條CMS，記為PRISET2。

第三級(jí)： SEM_S的中心義原為義原層次樹上的葉節(jié)點(diǎn)，例如： SEM_S=(事件) [duration] L (時(shí)間)，此信息結(jié)構(gòu)集中共含有33條CMS，記為PRISET3。

第四級(jí)： SEM_S的非中心節(jié)點(diǎn)含有葉節(jié)點(diǎn)義原，例如： SEM_S= (性別值) [modifier] L (動(dòng)物/植物/團(tuán)體)，此信息結(jié)構(gòu)集中共含有42條CMS，記為PRISET4。

第五級(jí)為未包含在前四級(jí)內(nèi)的CMS，例如： SEM_S= (使之是) R [ResultIsa] (萬物)，此信息結(jié)構(gòu)集中共含有124條CMS，記為PRISET5。

規(guī)定優(yōu)先級(jí)數(shù)越低，其優(yōu)先級(jí)越高，優(yōu)先級(jí)高的CMS先進(jìn)入消歧流程，即依次對(duì)PRISET1、PRISET2、PRISET3、PRISET4、PRISET5進(jìn)行消歧。對(duì)CMS進(jìn)行了優(yōu)先級(jí)劃分后，就可以對(duì)不同優(yōu)先級(jí)別的信息結(jié)構(gòu)集采用不同的消歧方法。

3.2 CMS的消歧方法

由于《知網(wǎng)》知識(shí)詞典對(duì)詞語概念項(xiàng)的描述均采用遞歸層次形式描述，形式化描述后的CMS中的SEM_S也是采用遞歸層次形式描述，所以可以用圖結(jié)構(gòu)表示詞語的概念項(xiàng)[7]及CMS的SEM_S，因此信息結(jié)構(gòu)集消歧過程中就是對(duì)圖結(jié)構(gòu)的處理，可以利用成熟的圖理論，結(jié)合《知網(wǎng)》和圖理論擴(kuò)展了圖理論中的相關(guān)定義。

設(shè)G1與G2均為概念圖，其中G1=，G2=

定義1：G1等相容于G2： 若存在雙射函數(shù)f：V1→V2，對(duì)于vi，vj∈V1，∈E1當(dāng)且僅當(dāng)∈E2，并且vi、vj所代表的義原分別與f(vi)、f(vj)所代表義原相同，則稱G1等相容于G2，vi等相容于f(vi)，vj等相容于f(vj)，分別記作G1≈G2、vi≈f(vi)、vj≈f(vj)

從圖等相容的定義易知： 圖的等相容性具有自反性、對(duì)稱性和傳遞性。

定義2：G1上相容于G2： 若存在雙射函數(shù)f：V1→V2，對(duì)于vi，vj∈V1，∈E1當(dāng)且僅當(dāng)∈E2，并且vi、vj所代表的義原分別是f(vi)、f(vj)所代表義原的子孫義原，則稱G1上相容于G2，vi上相容于f(vi)，vj上相容于f(vj)，分別記作G1≤G2、vi≤f(vi)、vj≤f(vj)。

從圖上相容的定義易知： 圖的上相容性具有自反性、反對(duì)稱性和傳遞性。

如圖1、圖2、圖3、圖4、圖5分別表示概念圖G1、G2、G3、G4、G5，由以上定義則有G1≈G2、G1≤G3、G1|≈G4、G1|≤G5.

圖1 G1 圖2 G2 圖3 G3

圖4 G4 圖5 G5

為了量化概念圖G1、G2的相容性，引入相容度的概念。令G1、G2的相容度為com(G1,G2)，設(shè)在不考慮節(jié)點(diǎn)所代表義原意義的情況下： 若G2?G1，則G1可能相容于G2，此時(shí)com(G1,G2)≥0；若G1?G2，則G2可能相容于G1，此時(shí)com(G1,G2)≤0；若G1?G2且G2?G1，則G1和G2不可能存在相容關(guān)系，此時(shí)com(G1,G2)=0。

計(jì)算comVex(v1i,f(v1i))時(shí)，當(dāng)兩個(gè)節(jié)點(diǎn)表示詞語時(shí)，若表示相同詞語，則comVex(v1i,f(v1i))=1，否則comVex(v1i,f(v1i))=0；當(dāng)兩個(gè)節(jié)點(diǎn)表示義原時(shí)，若表示相同義原，則comVex(v1i,f(v1i))=1；若表示的義原不具有子孫關(guān)系，則它們是不相容的，所以comVex(v1i,f(v1i))=0；若表示的義原具有子孫關(guān)系，那么兩個(gè)節(jié)點(diǎn)的相容度與其相似度有一定關(guān)系，即兩義原越相似，其相容度越大，所以參照相似度計(jì)算方法計(jì)算comVex(v1i,f(v1i))，如式(2)所示：

在式(2)中，s(v1i)表示節(jié)點(diǎn)v1i所代表的義原；depth(s(v1i))表示義原s(v1i)在義原樹上的深度；min取兩者的最小值；depthTree表示s(v1i)所在義原樹的高度；λ1為調(diào)節(jié)參數(shù)；dis(s(v1i),s(f(v1i))計(jì)算兩義原的距離。

計(jì)算dis(s(v1i),s(f(v1i))時(shí)，當(dāng)s(v1i)是s(f(v1i))的子孫義原時(shí)，則dis(s(v1i),s(f(v1i))為s(v1i)在義原樹上到s(f(v1i)的最短路徑長(zhǎng)度；當(dāng)s(v1i)是s(f(v1i))的祖先義原時(shí)，則dis(s(v1i),s(f(v1i)))= - dis(s(f(v1i)),s(v1i))，同時(shí)令λ1=-λ1。

若G1?G2，則com(G1,G2)=-com(G2,G1)。

以上對(duì)圖相容性進(jìn)行了研究，接下來根據(jù)SEM_S的構(gòu)成形式及圖理論提出四種信息結(jié)構(gòu)消歧方法，分別為： 詞性序列消歧法、圖相容匹配消歧法、圖相容度計(jì)算消歧法及基于實(shí)例的語義相似度計(jì)算消歧法。設(shè)輸入短語為phrase,某一信息結(jié)構(gòu)CMS中的語義結(jié)構(gòu)為SEM_S、句法結(jié)構(gòu)為SYN_S，具體消歧方法如下所示。

詞性序列消歧法： 若SYN_S的詞性序列與phrase的詞性序列一致，則該CMS有可能成為較優(yōu)信息結(jié)構(gòu)，否則不能成為較優(yōu)信息結(jié)構(gòu)。

圖相容匹配消歧法： 主要是通過對(duì)圖相容關(guān)系的定性分析進(jìn)行消歧，即若phrase中的詞圖與SEM_S中對(duì)應(yīng)的詞圖滿足一定的相容關(guān)系，則該CMS有可能成為較優(yōu)語義結(jié)構(gòu)，否則不能成為較優(yōu)信息結(jié)構(gòu)；根據(jù)圖的相容關(guān)系，圖相容匹配消歧法可分為圖局部等相容匹配消歧法、圖局部上相容匹配消歧法。

圖相容度計(jì)算消歧法： 按照?qǐng)D相容度的計(jì)算方法，經(jīng)過實(shí)驗(yàn)驗(yàn)證兩個(gè)圖越相容，則其相容度越大，而兩個(gè)圖的相容度越大，則其語義結(jié)構(gòu)越相似，所以此消歧法是通過計(jì)算phrase的概念圖與SEM_S概念圖的相容度，進(jìn)而選擇相容度較大的n個(gè)SEM_S所對(duì)應(yīng)的CMS構(gòu)成較優(yōu)信息結(jié)構(gòu)集。因此此方法關(guān)鍵是計(jì)算phrase和SEM_S的相容度。根據(jù)SYN_S可構(gòu)造一顆完全二叉樹SYN_TREE，并且在構(gòu)造SYN_TREE時(shí)，遵循右子樹修飾同一根節(jié)點(diǎn)左子樹的原則；若把SEM_S中每一詞語的概念圖看成一節(jié)點(diǎn)，則SEM_S的圖結(jié)構(gòu)與SYN_TREE在表示節(jié)點(diǎn)間的修飾關(guān)系方面是一致的；若phrase選取SEM_S作為其語義結(jié)構(gòu)，則phrase的圖結(jié)構(gòu)與SEM_S相同；所以計(jì)算phrase與SEM_S的相容度，即計(jì)算兩者圖結(jié)構(gòu)的相容度，設(shè)phrase中含有m個(gè)詞語，各個(gè)詞圖組成的集合GS1={G1i|1≤i≤m}，SEM_S各個(gè)概念圖組成的集合GS2={G2j|1≤j≤m},令G2i為SEM_S中心詞語的概念圖，則G1i為phrase中心詞語的概念圖，中心詞語概念圖的相容度對(duì)整體相容度影響要高于非中心詞語概念圖對(duì)整體相容度的影響；而關(guān)于非中心詞語對(duì)整體相容度影響與其距中心詞語的距離有關(guān)，即距離中心詞語越近，影響越大；所以GS1和GS2的相容度comGs(GS1,GS2)如式(3)所示：

comGs(GS1,GS2)=com(G1i,G2i)+β2×

(3)

式(3)中，n=|GS2|，com(G1i,G2i)表示概念圖G1i和G2i的相容度，按照式(1)計(jì)算；λ2為調(diào)節(jié)參數(shù)；disG(G2k,G2i)表示在SYN_TREE中代表G2k的葉節(jié)點(diǎn)到代表G2i葉節(jié)點(diǎn)的最短路徑長(zhǎng)度，即表示了非中心詞語與中心詞語間的距離。

基于實(shí)例的相似度計(jì)算消歧法： 由語言學(xué)規(guī)律易知，兩個(gè)短語的語義相似度越大，其語義結(jié)構(gòu)越相近，所以此方法主要通過比較phrase與CMS附帶短語實(shí)例的相似度進(jìn)行消歧。即對(duì)于待消歧的每個(gè)CMS，先計(jì)算phrase與CMS附帶例子中每個(gè)短語example的相似度，然后選擇最大相似度加入相似度比較序列，最后從相似度比較序列中選取n個(gè)較大相似度對(duì)應(yīng)的CMS構(gòu)成較優(yōu)信息結(jié)構(gòu)集。因此關(guān)鍵是計(jì)算phrase與example的相似度，由于可根據(jù)SYN_S構(gòu)造完全二叉樹SYN_TREE,同概念圖相容度計(jì)算分析,phrase與example中詞語間的修飾關(guān)系與SYN_TREE是一致的；為了使相似度計(jì)算與語義結(jié)構(gòu)相關(guān)，在合成整體相似度時(shí)，參照SYN_TREE的結(jié)構(gòu)進(jìn)行合成；計(jì)算它們概念圖的相似度可分為兩步：

第一步： 參照文獻(xiàn)[8]計(jì)算phrase與example對(duì)應(yīng)位置詞語概念圖的相似度，放入數(shù)組simPart中；

第二步： 根據(jù)SYN_TREE的結(jié)構(gòu)合成整體相似度，其算法為simTree(SYN_TREE,simPart,a,b)，其中SYN_TREE為SYN_S的樹結(jié)構(gòu)，a、b為參數(shù),分別表示中心詞語與非中心詞語在整體相似度計(jì)算過程中的權(quán)重，a+b=1,a>0.5,則simTree 的基本思想為：

當(dāng)SYN_TREE.lChild！=null&& SYN.TREE.rChild!=null時(shí)，

sim =simTree(SYN_TREE.lChild,sim,a,b)×a+simTree(SYN_TREE.rChild,sim,a,b)×b；

當(dāng)SYN_TREE.lChild==null&& SYN.TREE.rChild==null時(shí)，sim =(SYN_TREE的對(duì)應(yīng)位置詞圖的相似度)。

3.3 信息結(jié)構(gòu)集的消歧流程

假設(shè)輸入的短語為phrase,令備選信息結(jié)構(gòu)集為PRO_CMS，較優(yōu)信息結(jié)構(gòu)集為SUP_ CMS。

首先檢測(cè)phrase是否在某個(gè)信息結(jié)構(gòu)CMS附帶的例子中，若在，則把該CMS加入SUP_ CMS,消歧結(jié)束；否則按照信息結(jié)構(gòu)集的優(yōu)先級(jí)次序分別進(jìn)行消歧；對(duì)于每一優(yōu)先級(jí)的信息結(jié)構(gòu)集，均先通過詞性序列消歧法獲得PRO_ CMS，然后進(jìn)行不同的消歧流程。

PRISET1： PRO_ CMS中的每個(gè)信息結(jié)構(gòu)CMS，若通過圖局部上相容匹配消歧法，則加入SUP_ CMS；最后若|SUP_ CMS |大于0且不大于n，則消歧結(jié)束，否則應(yīng)用圖相容度計(jì)算消歧方法對(duì)SUP_ CMS進(jìn)行消減，消歧結(jié)束；

PRISET2： 對(duì)于PRO_ CMS中的每個(gè)信息結(jié)構(gòu)CMS，若通過圖局部等相容匹配消歧法，則加入到SUP_ CMS中；最后若|SUP_ CMS |大于0且不大于n，則消歧結(jié)束，否則利用圖相容度計(jì)算消歧法對(duì)SUP_ CMS進(jìn)行消減，消歧結(jié)束；

PRISET3： 對(duì)于PRO_ CMS中的每一個(gè)CMS，若phrase中心詞圖與SEM_S的中心詞圖通過圖的局部等相容匹配消歧法，其他對(duì)應(yīng)位置的詞圖通過圖的局部上相容匹配消歧法，則把CMS加入SUP_ CMS；最后若|SUP_ CMS |等于1，直接進(jìn)入PRISET4消歧過程，否則利用圖相容度計(jì)算消歧法對(duì)SUP_ CMS進(jìn)行消減后，再進(jìn)入PRISET4消歧過程。

PRISET4： 對(duì)于 PRO_ CMS中，若phrase的對(duì)應(yīng)位置的詞圖與CMS的SEM_S含有葉義原的詞圖通過圖的局部等相容匹配消歧法，其他對(duì)應(yīng)位置的詞圖通過圖的局部上相容匹配消歧法，則把該CMS加入SUP_ CMS；進(jìn)入PRISET5消歧過程；

PRISET5： 對(duì)于PRO_ CMS中的每個(gè)CMS，若phrase的每個(gè)詞圖與SEM_S對(duì)應(yīng)位置的詞圖均通過圖的局部上相容匹配消歧法，則把CMS加入到SUP_CMS中；最后若|SUP_ CMS |不大于n，則消歧結(jié)束，否則利用基于實(shí)例的相似度計(jì)算消歧方法對(duì)SUP_CMS進(jìn)行消減，消歧結(jié)束。

4 實(shí)驗(yàn)與分析

4.1 信息結(jié)構(gòu)消歧舉例

實(shí)驗(yàn)中參數(shù)的設(shè)置，參數(shù)n表示較優(yōu)信息結(jié)構(gòu)集SUP_ CMS中CMS的個(gè)數(shù)，理想狀態(tài)是n=1，但通過實(shí)驗(yàn)發(fā)現(xiàn)若令n=1,則消歧效果不是很好，所以根據(jù)經(jīng)驗(yàn)，各參數(shù)值如下所示： 令n=3，η1=1.2，λ1=1.8，λ2=1.6，a=0.6，b=0.4。

表1例舉了信息結(jié)構(gòu)消歧結(jié)果，若|SUP_CMS|>1，則用“√”標(biāo)注出實(shí)際應(yīng)該選擇的信息結(jié)構(gòu)。

表1 信息結(jié)構(gòu)消歧例表

在表1中，對(duì)于含有動(dòng)詞的短語例1-10，其消歧結(jié)果分為四類。

(1) |SUP_ CMS|=1，并且與實(shí)際最優(yōu)信息結(jié)構(gòu)一致，如例5、7、9；

(2) |SUP_ CMS|>1，且第一個(gè)較優(yōu)信息結(jié)構(gòu)為實(shí)際最優(yōu)信息結(jié)構(gòu)，選擇第一個(gè)信息結(jié)構(gòu)即完成消歧工作，如例2、4、8；

(3) |SUP_ CMS|>1，但第一個(gè)較優(yōu)信息結(jié)構(gòu)不為實(shí)際最優(yōu)信息結(jié)構(gòu)，但若進(jìn)一步研究事件的語義角色，利用其進(jìn)行消歧均可以得到唯一的最優(yōu)信息結(jié)構(gòu)，如例1、3、10。

(4) |SUP_ CMS|> 1，需要結(jié)合事件更深層次的內(nèi)容或結(jié)合上、下文環(huán)境進(jìn)一步消歧，如例6。

對(duì)于不含有動(dòng)詞的名詞性短語，其消歧結(jié)果中所含有的信息結(jié)構(gòu)數(shù)大多為1，如例11、12、13、16、17，主要原因有二，一是在于《知網(wǎng)》的知識(shí)詞典中對(duì)名詞性概念描述的較詳盡；二是在信息結(jié)構(gòu)庫中描述名詞性短語的語義結(jié)構(gòu)較細(xì)致；對(duì)于名詞性短語如例14，雖然出現(xiàn)了兩個(gè)信息結(jié)構(gòu)，但這兩個(gè)信息結(jié)構(gòu)的內(nèi)在形式是一致的，即其詞語間的修飾關(guān)系是一致的，所以無論選擇哪個(gè)信息結(jié)構(gòu)對(duì)于例14語義表示的效果是一樣的。

對(duì)于其他類型短語，如例18，在PRISET1的消歧過程中即可選定對(duì)應(yīng)的信息結(jié)構(gòu)。

4.2 實(shí)驗(yàn)結(jié)果分析

本實(shí)驗(yàn)的實(shí)驗(yàn)集由兩部分組成，第一部分來自《PFR人民日?qǐng)?bào)標(biāo)注語料》，從中抽取出符合CMS語義結(jié)構(gòu)的短語8 000個(gè)，其中含有動(dòng)詞的短語4 000個(gè)，不含動(dòng)詞的名詞性短語3 000個(gè)，其他種類的短語1 000個(gè)；第二部分來自哈工大信息檢索研究室語言技術(shù)平臺(tái)的標(biāo)注語料，從中抽取出符合CMS語義結(jié)構(gòu)的短語6 000個(gè)，其中含有動(dòng)詞的短語3 000個(gè)，不含動(dòng)詞的名詞性短語2 500個(gè)，其他種類的短語500個(gè)；并對(duì)這些短語進(jìn)行半自動(dòng)化語義標(biāo)注。

為了對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)，提出準(zhǔn)確率和精確率，其計(jì)算方法如式(4)、式(5)所示。

(4)

(5)

實(shí)驗(yàn)過程中的主要參數(shù)設(shè)定如4.1中參數(shù)設(shè)定，則實(shí)驗(yàn)結(jié)果如表2所示。

表2 實(shí)驗(yàn)結(jié)果

由實(shí)驗(yàn)結(jié)果可知，對(duì)于含有動(dòng)詞的短語，信息結(jié)構(gòu)消歧的準(zhǔn)確率較高，這是因?yàn)樵诤袆?dòng)詞的信息結(jié)構(gòu)中，SEM_S的語義描述較豐富，并且附帶了大量的例子；而精確率相對(duì)較低，是因?yàn)閯?dòng)詞本身語義豐富，有些語義要根據(jù)語言使用的習(xí)慣特征、語境特征來確定。

對(duì)于不含動(dòng)詞的名詞性短語，信息結(jié)構(gòu)消歧的準(zhǔn)確率較低，主要是因?yàn)榇朔N類型信息結(jié)構(gòu)的數(shù)量較多，其次名詞性短語構(gòu)成較靈活，再者由于CMS中例子的局限性，使用基于實(shí)例的相似度計(jì)算消歧也會(huì)產(chǎn)生誤差；精確率較高，是因?yàn)榇祟愋偷腃MS大都含有一些描述較細(xì)致的語義結(jié)構(gòu)，并且附帶豐富的例子。

其他類型短語，準(zhǔn)確率和精確率較高，主要是因?yàn)檫@些類型的信息結(jié)構(gòu)數(shù)量相對(duì)少，并且其語義結(jié)構(gòu)描述很細(xì)致，所以計(jì)算效果較好。

5 結(jié)束語

對(duì)中文信息結(jié)構(gòu)消歧進(jìn)行了研究，首先形式化描述了信息結(jié)構(gòu)；接著根據(jù)語義結(jié)構(gòu)的構(gòu)成形式對(duì)信息結(jié)構(gòu)進(jìn)行了優(yōu)先級(jí)劃分；然后根據(jù)信息結(jié)構(gòu)的特點(diǎn)提出了不同的消歧方法，如詞性序列消歧法、圖相容匹配消歧法、圖相容度計(jì)算消歧法、基于實(shí)例的相似度計(jì)算消歧法；最后設(shè)計(jì)了消歧流程。實(shí)驗(yàn)表明對(duì)信息結(jié)構(gòu)消歧的準(zhǔn)確率達(dá)到了90%以上，為其實(shí)際應(yīng)用奠定了基礎(chǔ)。

在下一步的工作中，需要繼續(xù)完善消歧方法，特別是提高消歧的精確率。例如，研究動(dòng)詞的角色，設(shè)計(jì)基于角色標(biāo)注的消歧方法；從語法角度，結(jié)合《現(xiàn)代漢語語法詞典》，研究基于語法規(guī)則的消歧方法；參照韻律信息，研究韻律對(duì)消歧的影響；再者從提高算法效率角度，研究高效的消歧算法。

[1] 董振東，董強(qiáng). 《知網(wǎng)》——《知網(wǎng)》簡(jiǎn)介[R].http://www.keenage.com.

[2] 董振東，董強(qiáng)，郝長(zhǎng)伶. 《知網(wǎng)》的理論發(fā)現(xiàn)[J].中文信息學(xué)報(bào)，2007，21(4)：3-9.

[3] 董振東，董強(qiáng). 關(guān)于《知網(wǎng)》——中文信息結(jié)構(gòu)庫[R]. http://www.keenage.com.

[4] 董振東，董強(qiáng). 《知網(wǎng)》——中文信息結(jié)構(gòu)庫[R]. http://www.keenage.com.

[5] 董強(qiáng)，郝長(zhǎng)伶，董振東. 基于《知網(wǎng)》的中文語塊抽取器[C]//全國第七屆語言學(xué)聯(lián)和學(xué)術(shù)會(huì)議論文集:234-239.

[6] 董強(qiáng)，郝長(zhǎng)伶，董振東. 基于《知網(wǎng)》的中文信息結(jié)構(gòu)抽取[R]. http://www.keenage.com.

[7] 張瑞霞，肖漢. 基于《知網(wǎng)》的詞圖構(gòu)造[J].華北水利水電學(xué)院學(xué)報(bào)，2008，29(3)： 53-56.

[8] 張瑞霞，朱貴良，楊國增. 基于知識(shí)圖的漢語詞匯語義相似度計(jì)算[J]. 中文信息學(xué)報(bào),2009,23(3):116-120.