華卻才讓，姜文斌，趙海興，劉 群

（1.青海師范大學(xué) 藏文信息研究中心，青海 西寧810008；2.中國(guó)科學(xué)院 計(jì)算技術(shù)研究所智能信息處理重點(diǎn)實(shí)驗(yàn)室，北京100190；3.陜西師范大學(xué) 計(jì)算機(jī)學(xué)院，陜西 西安710062）

1 引言

依存句法樹(shù)庫(kù)作為依存句法分析、句法機(jī)器翻譯、文本挖掘等熱門研究領(lǐng)域的支撐語(yǔ)料，其重要性不言而喻。藏語(yǔ)依存句法樹(shù)構(gòu)建，從句法標(biāo)注規(guī)范、句法樹(shù)庫(kù)構(gòu)建及其規(guī)模均比較滯后。文獻(xiàn)［1]結(jié)合純手工構(gòu)建的藏語(yǔ)依存句法樹(shù)庫(kù)（Tibetan Depend－ency Treebank，TDT）規(guī)模為1萬(wàn)句左右，采用一層感知機(jī)判別式方法訓(xùn)練模型，在3百句測(cè)試集上的依存識(shí)別正確率達(dá)到81%［1]，中心詞識(shí)別正確率為87%，完整依存標(biāo)注句子正確率為34%。藏語(yǔ)作為SOV語(yǔ)序結(jié)構(gòu)，并含有豐富的格助詞接續(xù)規(guī)則，一句子中中心詞在句末，直接賓語(yǔ)和間接賓語(yǔ)在主謂之間［2]，導(dǎo)致加大了純手工標(biāo)注依存句法或修改小規(guī)模訓(xùn)練語(yǔ)料上訓(xùn)練模型，解碼分析得到正確率不算高的句法樹(shù)。因此本文提出基于依存詞對(duì)分類的藏語(yǔ)依存樹(shù)庫(kù)半自動(dòng)構(gòu)建方法，在分詞標(biāo)注的語(yǔ)料和句法分析器分析得到的句法樹(shù)（標(biāo)注結(jié)果不完全正確）上，呈現(xiàn)出比較直觀和具有輔助提示功能的依存標(biāo)注和修改功能。一定程度上加快了藏語(yǔ)依存句法的標(biāo)注進(jìn)展，保證了依存標(biāo)注的正確性。并利用此方法對(duì)已有藏語(yǔ)依存句法樹(shù)庫(kù)的修改和補(bǔ)充，對(duì)已有藏語(yǔ)依存句法分析的正確率提升了3%。

本文第2節(jié)介紹了藏語(yǔ)依存句法、標(biāo)注體系和樹(shù)庫(kù)構(gòu)建情況；第3節(jié)提出了依存詞對(duì)分類模型和特征抽取以及半自動(dòng)依存輔助模式，包括依存關(guān)系輔助模式和依存邊標(biāo)注輔助模型；第4節(jié)討論了基于依存詞對(duì)分類的半自動(dòng)句法樹(shù)庫(kù)構(gòu)建及句法分析實(shí)驗(yàn)結(jié)果。

2 句法理論

2.1 藏語(yǔ)依存句法

句子中詞與詞之間存在的支配和被支配的關(guān)系稱作依存關(guān)系。其理論可追溯到20世紀(jì)50年代，Tesniere.L在其著作《結(jié)構(gòu)句法基礎(chǔ)》中首次提出了“依存語(yǔ)法”的概念，主張每個(gè)句子有一個(gè)中心詞（一般為動(dòng)詞），支配句子中的其他成分，而它本身不受任何句子成分的支配。此后為總結(jié)依存句法的概念1970年Robinson J.J提出了句法依存關(guān)系的四條公理，稱之為依存語(yǔ)法的理論基礎(chǔ)［3]，描述為：（1）一個(gè)句子中只有一個(gè)成分是核心成分；（2）其他成分直接依存于某一成分；（3）任何成分后不能依存于兩個(gè)或兩個(gè)以上的成分；（4）如果成分P依存于成分Q，那么P和Q之間的任意成分R就不能依存到P和Q所構(gòu)成的跨度之外，成分R或者直接依存于P，或者直接依存于Q，或者直接依存于P和Q之間的某一成分，總之，依存成分之間不能交叉。

依據(jù)現(xiàn)有其他語(yǔ)言的依存樹(shù)庫(kù)構(gòu)建經(jīng)驗(yàn)，例如，斯坦福大學(xué)英語(yǔ)依存標(biāo)準(zhǔn)［4]和文獻(xiàn)［5]中闡述的中文依存體系，在設(shè)計(jì)藏語(yǔ)依存句法關(guān)系時(shí)，同樣考慮了對(duì)依存關(guān)系的易于理解和使用的要求，使其能為藏語(yǔ)句法研究提供真實(shí)文本標(biāo)注素材，便于語(yǔ)言學(xué)家從中總結(jié)語(yǔ)言規(guī)則和規(guī)律。用一個(gè)三元組r（v，w）描述詞對(duì)之間依存關(guān)系，意為詞v支配詞w，v是主詞，w是從詞，r稱作v向w的下依存關(guān)系。例如，可解釋為的主語(yǔ)是“ ／nr”。這種句法依存關(guān)系有利于從句子的詞語(yǔ)線性排列中獲取內(nèi)部語(yǔ)言信息。例如，藏語(yǔ)句子（卓嘎給同學(xué)們講朗薩雯蚌傳。）”的依存句法關(guān)系可描述為：

依存關(guān)系可轉(zhuǎn)換為有向圖句法樹(shù)（V，E）模式，其中每一個(gè)詞表示圖中的一個(gè)結(jié)點(diǎn)v∈V，詞對(duì)間的依存關(guān)系r為有向邊e∈E的標(biāo)簽。上面藏語(yǔ)句子依存分析樹(shù)同樣可以表示為圖1。

圖1 有向圖模式藏語(yǔ)依存句法分析樹(shù)

在沒(méi)有邊標(biāo)簽的依存句法分析應(yīng)用中，我們可將藏語(yǔ)的依存樹(shù)結(jié)構(gòu)表示為如下形式：

2.2 句法標(biāo)注體系及層次結(jié)構(gòu)

傳統(tǒng)藏語(yǔ)文法包括兩部分，一是文法根本三十頌，講藏語(yǔ)拼寫結(jié)構(gòu)、格助詞和各類虛詞的用法；二是字形組織法，主要講以動(dòng)詞為中心的形態(tài)變化、時(shí)態(tài)，施受和能所關(guān)系等［6]。藏語(yǔ)句子是格助詞、虛詞和動(dòng)詞等依據(jù)句法理論發(fā)生結(jié)構(gòu)關(guān)系而成的詞語(yǔ)線性排列，其基本語(yǔ)序結(jié)構(gòu)為＜主語(yǔ)＞＋＜間接賓語(yǔ)＞＋＜直接賓語(yǔ)＞＋＜結(jié)果補(bǔ)語(yǔ)＞＋＜狀語(yǔ)＞＋謂語(yǔ)＋＜狀態(tài)補(bǔ)語(yǔ)＞。據(jù)藏語(yǔ)詞頻統(tǒng)計(jì)，藏語(yǔ)語(yǔ)料庫(kù)中格助詞類的頻率最高，其通用度穩(wěn)定，句子中內(nèi)部組織成分的層次結(jié)構(gòu)也基本與格助詞結(jié)合相關(guān)。例如，句子中出現(xiàn)主格時(shí)，其前面一般為使動(dòng)成分而后面部分為被動(dòng)成分，即基本可確定主語(yǔ)和賓語(yǔ)?？紤]到依存關(guān)系過(guò)于細(xì)致和龐大，會(huì)導(dǎo)致交互式句法分析器的魯棒性、可操作性下降和統(tǒng)計(jì)數(shù)據(jù)的稀疏等問(wèn)題，本文結(jié)合藏語(yǔ)實(shí)際切分標(biāo)注語(yǔ)料制訂了36類藏語(yǔ)依存關(guān)系［7]，其數(shù)量相對(duì)英語(yǔ)和漢語(yǔ)比較少，但盡可能使制訂的句法依存關(guān)系滿足藏語(yǔ)的各種語(yǔ)法現(xiàn)象，涵蓋句法規(guī)律。句子中一條依存句法關(guān)系表示了一個(gè)支配詞（一頭節(jié)點(diǎn)）和一個(gè)被支配詞（一個(gè)孩子節(jié)點(diǎn)）的二元支配關(guān)系。由于論文篇幅，本文中對(duì)依存句法關(guān)系的定義以及與其他主流依存句法體系的差異不作具體贅述，將在藏語(yǔ)依存句法體系一文中做詳細(xì)討論。藏語(yǔ)依存句法層次結(jié)構(gòu)如表1所示。

表1 藏語(yǔ)依存句法層次結(jié)構(gòu)見(jiàn)表

SUW－離合詞結(jié)構(gòu)SC－待述詞結(jié)構(gòu)MOD－修飾QUANT－限定（限量、時(shí)間）結(jié)構(gòu)AFFIX－詞綴結(jié)構(gòu)QDIG－數(shù)詞附加語(yǔ)結(jié)構(gòu)GENI－屬格結(jié)構(gòu)YY－陳述詞結(jié)構(gòu)（“”）OS－飾集詞結(jié)構(gòu)PRON－代詞結(jié)構(gòu)EXIAU－存在助詞結(jié)構(gòu)（“ ”）DUP－詞的重疊結(jié)構(gòu)ADVMOD－狀語(yǔ)結(jié)構(gòu)ADVANG－狀態(tài)修飾結(jié)構(gòu)（“ ”）APPOS－同位語(yǔ)結(jié)構(gòu)GLC－關(guān)聯(lián)詞結(jié)構(gòu)EXCL－嘆詞結(jié)構(gòu)FASQP－終結(jié)和疑問(wèn)結(jié)構(gòu)PUNCT－標(biāo)點(diǎn)符號(hào)DEP－未知依存結(jié)構(gòu)

2.3 藏語(yǔ)依存樹(shù)庫(kù)及問(wèn)題

藏語(yǔ)依存樹(shù)庫(kù)的構(gòu)建目前處在起步階段，是一項(xiàng)比較龐大的工程。以現(xiàn)有依存庫(kù)TDTreebank 1.0作為訓(xùn)練語(yǔ)料的統(tǒng)計(jì)句法分析器分析能力還比較弱，主要原因可歸結(jié)為句法樹(shù)庫(kù)的規(guī)模??；人工標(biāo)注的平均句子詞數(shù)小于17［1]，對(duì)一些歧義結(jié)構(gòu)，特別是復(fù)雜句子的的分析錯(cuò)誤還很多。有了之前TDTreebank 1.0樹(shù)庫(kù)語(yǔ)料，目前藏語(yǔ)依存樹(shù)庫(kù)的構(gòu)建大致分為三步，一為預(yù)處理，主要對(duì)生語(yǔ)料做斷句、分詞和詞性標(biāo)注，以及語(yǔ)料全半角等的統(tǒng)一工作。本文中使用了青海師范大學(xué)的藏語(yǔ)分詞和詞性標(biāo)注規(guī)范［8]；二是機(jī)器分析，用句法分析器分析生成句法分析樹(shù)；三是人工校對(duì)。其中第三步是比較枯燥的工作，但也是必須要做的工作，同時(shí)也是本文的主要研究介入點(diǎn)。為獲得最佳的整體處理效果，人工校對(duì)時(shí)，需要提供詞對(duì)依存關(guān)系輔助提示、比較可能的復(fù)雜歧義結(jié)構(gòu)、交互式鼠標(biāo)點(diǎn)擊連接、修改支配關(guān)系、避免交叉依存關(guān)系標(biāo)注以及長(zhǎng)句依存標(biāo)注支持等半自動(dòng)功能。這些功能對(duì)人工校對(duì)或者純?nèi)斯?biāo)注具有事半功倍的效果。接下來(lái)為解決以上問(wèn)題，我們?cè)诘?節(jié)提出了詞對(duì)依存分類模型支持的藏語(yǔ)依存樹(shù)庫(kù)構(gòu)建方法，并實(shí)現(xiàn)了依存標(biāo)注和修改工具TibetanDepBuilder V2.4。

3 半自動(dòng)句法標(biāo)注

3.1 詞對(duì)分類模型

3.1.1 模型

若給定包含N個(gè)詞的一個(gè)句子，任意兩個(gè)詞之間都可能存在依存關(guān)系，尋找最可能的依存樹(shù)的任務(wù)是從N＊（N－1）種可能的依存邊（無(wú)自環(huán)）完全圖中尋找分?jǐn)?shù)最大的樹(shù)，于是，若y為句子x的依存樹(shù)，則且i≠j，其中（i，j）表示句子x中的詞xi和xj之間存在有向邊，xi為詞xj的父節(jié)點(diǎn)；根據(jù)Eisner分解法［9]可以將依存樹(shù)y的分?jǐn)?shù)S（x，y）表示為式（1）。

其中fk（i，j）是依存詞對(duì)i和j之間的第k個(gè)特征向量，wk是該特征向量對(duì)應(yīng)的參數(shù)向量，可通過(guò)訓(xùn)練樣本獲得。那么最大生成樹(shù)模型［10]可以表示為式（2）。

若候選詞對(duì)依存分類的權(quán)重分?jǐn)?shù)C（i，j）轉(zhuǎn)換為概率模型C（i，j）＝P，（0≤P≤1），概率P表示候選依存邊的強(qiáng)弱，那么基于概率的最大生成樹(shù)模型可表示為式（3），表示對(duì)句子x解碼生成的句法樹(shù)集合中當(dāng)前句法樹(shù)y，連乘樹(shù)中所有候選依存詞對(duì)的概率值，最后獲取概率最大的句法樹(shù)，如式（3）所示。

詞對(duì)分類模型的任務(wù)是判斷任意候選詞對(duì)之間是否存在依存邊，為有效獲得詞對(duì)依存分類概率值C（i，j），本文采用最大熵分類器訓(xùn)練依存詞對(duì)特征的概率值，w是ME模型訓(xùn)練得到的參數(shù)向量，與每個(gè)特征向量是否對(duì)依存邊有無(wú)貢獻(xiàn)一一對(duì)應(yīng)，表示貢獻(xiàn)程度。f（i，j，r）是依存詞對(duì)i和j之間的特征向量，表示該詞對(duì)之間存在一個(gè)關(guān)系r，其中r∈｛＋，－｝，當(dāng)r＝＋表示特征向量對(duì)該詞對(duì)的依存邊具有貢獻(xiàn)，而r＝－時(shí)卻相反，如果一個(gè)特征fk（i，j，r）∈f（i，j，r），則其值等于1，表示該特征在訓(xùn)練語(yǔ)料中抽到的特征集中存在，否則不存在，那么詞對(duì)的依存分類模型可定義為式（4）。

3.1.2 特征抽取

由于詞對(duì)依存分類特征從一定程度上體現(xiàn)了語(yǔ)言學(xué)知識(shí)，其特征模板的設(shè)計(jì)和選擇同樣是影響機(jī)器學(xué)習(xí)的性能的主要因素之一，在最大生成樹(shù)模型［11]中提出了每個(gè)特征是由詞i和j及前后的詞語(yǔ)和詞性構(gòu)成。為豐富句法特征信息，Collins distance［12]方法提出了詞i和j之間的距離句法信息。這種方法解決了兩個(gè)詞之間順序位置、相鄰關(guān)系、是否動(dòng)詞居中以及兩個(gè)詞中間或左右是否存在標(biāo)點(diǎn)符號(hào)等問(wèn)題。藏語(yǔ)詞對(duì)依存分類訓(xùn)練和解碼中合成了以上兩種句法特征生成模板。此外，在此基礎(chǔ)上增加了以下特征。

1）兩個(gè)依存詞對(duì)i和j之間是否存在楔形分隔符：由于藏語(yǔ)句子中用楔形符號(hào)“”表示復(fù)合句子句、同位語(yǔ)、從句結(jié)尾以及連詞“ ”表示分隔符，類似于逗號(hào)和頓號(hào)功能。

2）兩個(gè)依存詞對(duì)i和j之間是否存在主格：主格位于主語(yǔ)之后，表示主語(yǔ)為使動(dòng)者，而中心詞是一個(gè)及物動(dòng)詞。

3）兩個(gè)依存詞對(duì)i和j之間是否存在于格：于格一般位于間接賓語(yǔ)和直接賓語(yǔ)之間，或者介詞賓語(yǔ)末端，充當(dāng)介詞成分。

本文為藏語(yǔ)依存句法分析分別設(shè)計(jì)了62個(gè)藏語(yǔ)詞對(duì)依存分類特征模板，63個(gè)藏語(yǔ)詞對(duì)依邊標(biāo)注特征模板，具體用于模型訓(xùn)練的特征模板如表2所示。

藏語(yǔ)詞對(duì)依存分類特征模板內(nèi)容分四類：（1）一元特征：定義為父結(jié)點(diǎn)或子結(jié)點(diǎn)（單個(gè)詞）的特征信息構(gòu)成；（2）二元特征：由父子結(jié)點(diǎn)共同的特征信息構(gòu)成；（3）詞對(duì)左右詞性特征：考慮到更好地抽取到藏語(yǔ)格助詞的搭配規(guī)律而補(bǔ)充了此特征信息；（4）距離特征：詞對(duì)間包括其他詞（結(jié)點(diǎn)）時(shí)的依存關(guān)系的特征信息。表2中p－word表示依存樹(shù)中父結(jié)點(diǎn)詞，p－pos表示父結(jié)點(diǎn)的詞性，c－word 表示依存樹(shù)中子結(jié)點(diǎn)詞，c－pos 表示子結(jié)點(diǎn)的詞性，p－pos－1表示父結(jié)點(diǎn)左邊的詞性，c－pos＋1表示結(jié)點(diǎn)右邊的詞性，d＊表示詞對(duì)間所包含其他詞（依存結(jié)點(diǎn)）個(gè)數(shù)，當(dāng)d＊的值為負(fù)數(shù)時(shí)表示句法樹(shù)中抽出詞對(duì)的父結(jié)點(diǎn)在子結(jié)點(diǎn)的左側(cè)，而當(dāng)d＊的值為整數(shù)時(shí)表示句法樹(shù)中抽出詞對(duì)的父結(jié)點(diǎn)在子結(jié)點(diǎn)的右側(cè)。藏語(yǔ)詞對(duì)依存邊標(biāo)注特征模板分五類：除了四類詞對(duì)依存分類特征模板，還有（5）邊標(biāo)注特征：P－frame用于詞對(duì)依存分類邊標(biāo)注時(shí)用的擴(kuò)展特征，表示父節(jié)點(diǎn)的依存邊信息。

表2 藏語(yǔ)詞對(duì)依存分類和邊標(biāo)注特征模板

3.2 半自動(dòng)輔助模式

3.2.1 詞對(duì)依存分類輔助提示

有了詞對(duì)依存分類訓(xùn)練模型，接下來(lái)的工作是如何應(yīng)用于一個(gè)詞性標(biāo)注好的句子中詞語(yǔ)之間的依存標(biāo)注，并即時(shí)呈現(xiàn)出輔助提示功能，一般標(biāo)注依存詞對(duì)時(shí)有兩種方式，自底向上、自頂向下，其中自底向上為首先選擇某個(gè)被支配詞然后找出其所有可能的支配詞；而自頂向下是首先在句子中選擇一個(gè)支配詞，然后找出所有可能的被支配詞，也就是說(shuō)自動(dòng)給出對(duì)其余詞語(yǔ)的被支配強(qiáng)弱的自動(dòng)提示。本文采用了第二種自頂向下的模式，如圖3所示。圖中當(dāng)前用鼠標(biāo)選擇的支配詞（中心詞）為“ ”，按詞序號(hào)，第8和10已被選擇為被支配詞，8為直接賓語(yǔ)，10為楔形結(jié)束符。從詞對(duì)依存分類輔助提示看出，剩余待被連接的1、2、4和5號(hào)詞是最可能的被支配詞，實(shí)際這些詞分別為句子中的主語(yǔ)、主格、間接賓語(yǔ)和于格。

圖3 基于詞對(duì)分類的半自動(dòng)藏語(yǔ)依存句法標(biāo)注圖

3.2.2 詞對(duì)依存邊自動(dòng)輔助提示

這部分工作是在確定詞對(duì)依存分類的基礎(chǔ)上進(jìn)行的，主要完成詞對(duì)依存邊的標(biāo)注（弧上關(guān)系標(biāo)注）提供自動(dòng)輔助提示功能，類似于詞性標(biāo)注。根據(jù)改進(jìn)式（4）得到詞對(duì)分類依存邊標(biāo)注模型，Cl（i，j）表示依存詞對(duì)i和j之間滿足第l個(gè)依存邊的概率值。f（i，j，l）是依存詞對(duì)i和j之間特征向量，表示該詞對(duì)間存在的邊類型l，其中l(wèi)∈｛e－types｝，e－types表示所有可能的依存邊，即依存關(guān)系類型集。如果一個(gè)特征fk（i，j，l）∈f（i，j，e－types）等于1表示該特征在訓(xùn)練語(yǔ)料中抽到的特征集中存在，否則不存在。則詞對(duì)分類依存邊標(biāo)注模型可定義為式（5）。

依存邊自動(dòng)輔助提示中，本文依據(jù)表1給出的藏語(yǔ)依存句法規(guī)范，通過(guò)人工標(biāo)注含有依存邊信息700句句法樹(shù)，利用表2給出的特征模板，包含最后一項(xiàng)依存邊標(biāo)注特征，用最大熵方法訓(xùn)練模型，使用訓(xùn)練出的最大熵模型進(jìn)行詞對(duì)弧上關(guān)系自動(dòng)輔助提示和標(biāo)注，如圖4所示。當(dāng)前選擇的支配詞是“ ”，被支配詞是“ ”。自動(dòng)輔助提示的最佳依存邊為直接賓語(yǔ)OBJ。

圖4 詞對(duì)依存分類的邊標(biāo)注半自動(dòng)輔助提示圖

4 樹(shù)庫(kù)構(gòu)建及實(shí)驗(yàn)效果

為訓(xùn)練詞對(duì)依存分類模型和詞對(duì)依存邊分類模型，本文人工分別構(gòu)建了2000多句依存句法樹(shù)和700句依存邊標(biāo)注句法樹(shù)庫(kù)，用最大熵訓(xùn)練了模型，并結(jié)合這兩種詞對(duì)依存分類模型實(shí)現(xiàn)了半自動(dòng)依存標(biāo)注和修改工具TibetanDepBuilder V2.4。利用此工具重新校對(duì)了人工標(biāo)注的藏語(yǔ)依存句法樹(shù)庫(kù)TDTreebank 1.0，其規(guī)模為1萬(wàn)句，平均長(zhǎng)度小于17個(gè)藏語(yǔ)詞，總詞數(shù)規(guī)模為16.7萬(wàn)。整個(gè)樹(shù)庫(kù)的校對(duì)修改率達(dá)10%，發(fā)現(xiàn)之前人工標(biāo)注的主要錯(cuò)誤包括：（1）復(fù)雜句句型的標(biāo)注錯(cuò)誤，包括從句結(jié)構(gòu)，比較長(zhǎng)的句子；（2）存在部分標(biāo)注不一致。此外，本文利用半自動(dòng)標(biāo)注工具新標(biāo)注了1千句句型比較復(fù)雜，且詞數(shù)達(dá)20至40間的句法樹(shù)。已加入到TDTreebank 1.0中，目前 TDTreebank 1.1版本的規(guī)模為1.1萬(wàn)句。

表3 校對(duì)樹(shù)庫(kù)語(yǔ)料

為了客觀評(píng)價(jià)本文提出的詞對(duì)依存分類半自動(dòng)樹(shù)庫(kù)構(gòu)建方法的效率，采用之前研發(fā)的判別式藏語(yǔ)句法分析為基線系統(tǒng)，重新校對(duì)并增加后的藏語(yǔ)依存樹(shù)庫(kù)作為訓(xùn)練語(yǔ)料。用之前的測(cè)試語(yǔ)料300句為測(cè)試集。以依存關(guān)系正確率（depP）、中心詞正確率（headP）和整句完全依存正確率（allP）為性能分析指標(biāo)［1]，對(duì)系統(tǒng)的藏語(yǔ)依存分析結(jié)果進(jìn)行評(píng)價(jià)，給出了樹(shù)庫(kù)校對(duì)前后的評(píng)價(jià)指標(biāo)，表4校對(duì)前后各項(xiàng)評(píng)測(cè)指標(biāo)對(duì)比中正確率I為校對(duì)之前的評(píng)價(jià)指標(biāo)，正確率II為校對(duì)后的各項(xiàng)評(píng)價(jià)指標(biāo)。效果如圖5所示。

表4 校對(duì)前后各項(xiàng)評(píng)測(cè)指標(biāo)對(duì)比

圖5 樹(shù)庫(kù)校對(duì)前后系統(tǒng)對(duì)測(cè)試語(yǔ)料的各項(xiàng)評(píng)價(jià)指標(biāo)

5 結(jié)論

針對(duì)藏語(yǔ)依存句法樹(shù)庫(kù)構(gòu)建過(guò)程中存在的問(wèn)題，本文提出詞對(duì)依存分類的半自動(dòng)依存句法樹(shù)構(gòu)建方法，描述了用于藏語(yǔ)依存句法結(jié)構(gòu)及其標(biāo)注規(guī)范，設(shè)計(jì)了詞對(duì)依存分類模型和詞對(duì)依存邊分類模型，結(jié)合特征模板，分別在2000多句依存句法樹(shù)和700句依存邊標(biāo)注句法樹(shù)上用最大熵訓(xùn)練了模型，用自頂向下標(biāo)注模式實(shí)現(xiàn)了詞對(duì)依存關(guān)系自動(dòng)輔助提示和依存邊類型自動(dòng)輔助提示功能。

利用本文實(shí)現(xiàn)的詞對(duì)依存分類半自動(dòng)依存標(biāo)注工具，校對(duì)了藏語(yǔ)依存樹(shù)庫(kù)TDTreebank 1.0后，經(jīng)在同樣測(cè)試集上實(shí)驗(yàn)顯示，依存句法評(píng)測(cè)各項(xiàng)指標(biāo)均有明顯的提高。在很大程度上方便了句法分析樹(shù)的校對(duì)，同時(shí)加快了藏語(yǔ)依存句法樹(shù)庫(kù)構(gòu)建的進(jìn)展。

［1]華卻才讓，趙海興.基于判別式的藏語(yǔ)依存句法分析［J].計(jì)算機(jī)工程.2013，39（4）：300－304.

［2]胡書津.簡(jiǎn)明藏文文法［M].昆明：云南民族出版社，1988.

［3]Peter Hellwig. Dependency Unification Grammar［C]／／Proceeding of Coling'86.1986.

［4]Marie－Catherine de Marne de，Christopher D.Manning［M].Stanford typed dependencies manual.2008.

［5]周明，黃昌寧.面向語(yǔ)料庫(kù)標(biāo)注的漢語(yǔ)依存體系的探討［J].中文信息學(xué)報(bào)，1994，8（3）：35－51.

［6]格桑居冕.實(shí)用藏文文法［M].成都：四川民族出版社，1987.

［7]華卻才讓，趙海興.現(xiàn)代藏語(yǔ)依存句法標(biāo)注初探［C].第十二屆全國(guó)少數(shù)民族語(yǔ)言文字信息處理學(xué)術(shù)研討會(huì)，2011.7.

［8]才讓加.藏語(yǔ)語(yǔ)料庫(kù)詞語(yǔ)分類體系及標(biāo)記集研究［J].中文信息學(xué)報(bào)，2009，23（4）：146－148.

［9]Jason M.Eisner.Three new probabilistic models for dependency parsing：An exploration［C]／／Proceedings of COLING，1996：340－345.

［10]Jiang Wenbin，Liu Qun.Dependency Parsing and Projection Based on Word Pair Classification［C]／／Proceedings of the 48th Annual Meeting of the Association for Computational Linguistics.Uppsala，Sweden：［s.n.]，2010：12－20.

［11]McDonald R，Crammer K，Pereira F.Online Largemargin Training of Dependency Parsers［C]／／Proceedings of the 43rd Annual Meeting on Association for Computational Linguistics.Stroudsburg，USA：Association for Computational Linguistics，2005：91－98.

［12]Collins M.A New Statistical Parser Based on Bigram Lexical Dependencies［C]／／Proceedings of the 34th Annual Meeting on Association for Computational Linguistics.Stroudsburg， USA： Association for Computational Linguistics，1996：184－191.