劉運通，梁燕軍

（安陽師范學(xué)院 計算機與信息工程學(xué)院，河南 安陽455000）

0 引 言

為了更好地進(jìn)行自然語言處理，語義的作用越來越被研究者們所重視。Wordnet、Framenet、Hownet、中文概念詞典CCD、Chinese FrameNet（CFN）、同義詞詞林等詞匯語義知識庫先后被構(gòu)建出來，作為語義分析的基礎(chǔ)性資源，維基也被用作語義計算的網(wǎng)絡(luò)數(shù)據(jù)資源。許多學(xué)者對語義關(guān)系計算也做了研究：文獻(xiàn) ［1］研究了5 種基于Wordnet的詞匯語義相關(guān)度計算方法；文獻(xiàn) ［2］研究了基于維基百科的文章網(wǎng)絡(luò)和分類樹，進(jìn)行詞匯語義關(guān)聯(lián)的計算方法；文獻(xiàn) ［3］研究了基于維基鏈接的詞匯最近語義關(guān)聯(lián)度的計算方法；文獻(xiàn) ［4］研究了在Hownet表達(dá)漢語知識的基礎(chǔ)上，改進(jìn)語義相關(guān)度的計算模型；文獻(xiàn) ［5］研究了基于Wordnet的詞匯相關(guān)度計算方法；文獻(xiàn) ［6］研究了不同語義相關(guān)計算方法的計算效果評價方法。還有許多學(xué)者利用語義信息來解決自然語言理解中的部分難題：文獻(xiàn)［7］研究了利用語義詞典Web挖掘語言模型的無指導(dǎo)譯文消歧；文獻(xiàn) ［8］研究了基于北京大學(xué)中文網(wǎng)庫的語義角色分類；文獻(xiàn) ［9］研究了基于淺層句法分析的中文語義角色標(biāo)注。

由于自然語言擁有隱含、多變、數(shù)量龐大的語法規(guī)則，使得研究人員很難將語義分析與語法分析有機地結(jié)合起來，而當(dāng)前的大多數(shù)研究，主要是利用語義信息來解決自然語言處理中的部分難題，還沒有一個比較成熟、且有廣泛影響的基于語義分析的自然語言處理模型。

為了解決這個問題，本文在文獻(xiàn) ［10－12］中提出了一個自然語言語義計算模型，并對該模型做了探索性的研究，通過構(gòu)造一個文法，來描述普通的中文語句，并研究了模型的求解方法和語義消歧方法。這個模型及其求解方法將語法分析、語義分析、語義消歧有機地結(jié)合起來，初步形成了一個較為系統(tǒng)的自然語言處理語義分析研究的新思路。然而，該文法中的語法規(guī)則較多，形式較為復(fù)雜，導(dǎo)致計算復(fù)雜度較高。為了降低模型求解時的計算復(fù)雜度，對該文法進(jìn)行了化簡，構(gòu)造了一個更為簡潔的文法規(guī)則，并通過實驗，進(jìn)行模型求解，比較簡化前后的兩個文法的計算效果。探索了文法化簡的方法和思路，為更高效的模型求解方法研究做了必要的技術(shù)儲備。

1 語義計算模型

假設(shè)一個語句 （CS）中的任意實詞Wi（除去謂語中心詞）均語義修飾于另外一個實詞WGi，并用函數(shù)Rel（Wi，WGi）來表示其語義相關(guān)度。假設(shè)V 是謂語中心詞，S是V的施動者，O 是V 的承受者，則語句的語義相關(guān)度fAi可以下面的表達(dá)式來計算

根據(jù)語義修飾目標(biāo)的不同，每個語句可能有多個語法分析方案；遵循少量的語法規(guī)則，可以 “窮舉”出所有可能的語法分析方案。

一個語句的多個語法分析方案如圖1所示。

圖1 一個語句的多個語法分析方案

模型求解基本規(guī)則：fAi值最大的語法分析方案Ai是符合語義邏輯的語法分析方案。

2 文法規(guī)則的化簡

2.1 文法規(guī)則在模型求解中的作用

模型求解過程主要有兩個階段：語法分析階段、語義分析階段。

在語法分析階段：由于自然語言具有隱含、多變、數(shù)量龐大的語法規(guī)則，任何人也不可能窮舉出所有的語法規(guī)則。

假如我們換一個思路，假設(shè)自然語言無需遵守任何語法規(guī)則。則一個包含n個詞匯的語句，根據(jù)每個詞匯語義修飾目標(biāo)的不同，由于詞匯不能修飾自身，則理論上共有（n－1）n種不同的語法分析方案，則可以按照式 （1）計算出每個語法分析方案的語義相關(guān)度，選擇出最佳結(jié)果，就可實現(xiàn)模型求解。但其計算復(fù)雜度屬于指數(shù)級別，實踐中根本不可行。

另外，對于某種語法分析方案來說，即使計算出的語義相關(guān)度值最大，但由于該語法分析方案可能會違背 “自然語言必須遵守的某些語法規(guī)則，是明顯違背語義邏輯的”，必須加以排除。

因此，我們在語法分析階段，引入極少量、最常見、最普適的語法規(guī)則，構(gòu)建一個文法，依據(jù)這個文法，進(jìn)行語法分析，排除明顯不可能的語法分析方案；同時也可以極大程度地降低模型求解的計算復(fù)雜度，將其降低到實踐可行的地步，具體方法見文獻(xiàn) ［10］。

在語義分析階段：忽略其它繁瑣、多變、不重要的語法規(guī)則，用 “窮舉法”生成所有 “符合普適語法規(guī)則”的語法分析方案，并通過語義相關(guān)度計算，來選擇最佳結(jié)果，從而進(jìn)行模型求解。

這種方法，就可以將語法分析、語義分析、語義消歧有機地結(jié)合起來，而所構(gòu)造的文法，在整個模型求解過程中起著至關(guān)重要的作用。

2.2 已有的文法規(guī)則

我們課題組在文獻(xiàn) ［10］中已經(jīng)設(shè)計出了一個文法，用來描述自然語言。根據(jù)語義結(jié)構(gòu)的復(fù)雜程度，將語句劃分為兩個層次：

（1）簡單子句：沒有從句的語句CS，其文法規(guī)則見表1 （不包含規(guī)則L→CS）。

（2）復(fù)雜句：包含從句的語句CS，其文法規(guī)則見表1；規(guī)則L→CS意味著一個簡單子句可以作為一個復(fù)雜句中任意成分，實現(xiàn)了對簡單句遞歸，因此可以描述復(fù)雜句。

2.3 簡化后的文法規(guī)則

模型求解時，可以采用自底向上的簡單子句歸結(jié)法，具體細(xì)節(jié)參見文獻(xiàn) ［10］；在進(jìn)行簡單子句的歸結(jié)時，必須進(jìn)行CYK 算法［13］的運算，以識別符合文法G1（不包含規(guī)則L→CS）的簡單子句；而這些規(guī)則卻不能直接進(jìn)行CYK算法運算，必須將文法G1的所有規(guī)則轉(zhuǎn)化為滿足喬姆斯基范式的規(guī)則集合，經(jīng)過我們轉(zhuǎn)換后，新文法規(guī)則數(shù)量有236條之多，規(guī)則數(shù)量比較多，增加了計算復(fù)雜度。更加復(fù)雜的是，在歸結(jié)后，還需要驗證新語句是否滿足文法G1，還要進(jìn)行一次CYK 算法的運算。

為了簡化語法分析過程，我們對文法G1進(jìn)行了簡化。其思路如下所示。

表1 文法G1 的內(nèi)容

（1）忽略S、O 的區(qū)別，僅用一個文法符號R （后文稱為主題詞）表示這兩種情況；S 與O 在語義計算時加以區(qū)分；

（2）忽略L中AA、PD、AB的區(qū)別，僅用一個文法符號L；在語義計算時，再對L進(jìn)行AA、PD、AB的劃分；

（3）將n、w、vad歸為一類，僅用一個文法符號w 表示這3種情況，在語義計算時，再對其進(jìn)行區(qū)分；

（4）將wb、wm、we歸為一類，僅用一個文法符號wb表示這3種情況，并且僅使用1條文法規(guī)則 （L→wbw）來描述。

簡化后的文法規(guī)則G2見表2。

表2 文法G2 的內(nèi)容

在CYK 算法計算前，需要把文法G2的所有規(guī)則轉(zhuǎn)化為滿足喬姆斯基范式的規(guī)則集合，經(jīng)過我們轉(zhuǎn)換后，新文法規(guī)則數(shù)量有55 條，下降約80%。因此可以有效地降低“語法分析”的計算復(fù)雜度。

3 依據(jù)新文法的語義計算過程

依據(jù)文法G1進(jìn)行語義計算，從而進(jìn)行模型求解的方法有以下幾個步驟：

（1）簡單子句歸結(jié)過程：找出語義相關(guān)度最佳的簡單子句，反復(fù)歸結(jié)，求出最佳歸結(jié)順序。在計算簡單子句的最佳語義相關(guān)度的過程中，確定每個詞匯的最佳語義修飾目標(biāo)。具體內(nèi)容在文獻(xiàn) ［10］中有詳細(xì)的論述。

（2）簡單子句最佳內(nèi)部結(jié)構(gòu)的分析：先將簡單子句轉(zhuǎn)化為簡單語義單元，在用簡單語義單元語義修飾關(guān)系圖模型進(jìn)行語法分析和語義消歧。具體內(nèi)容在文獻(xiàn) ［12］中有詳細(xì)的論述。

依據(jù)文法G2進(jìn)行的語義計算時，主要的步驟與上述的過程一致。這里不再引用。差別在于：文法G2將AA、PD、AB的劃分等內(nèi)容，放在 “語義分析”的過程中，用語義計算來代替語法分析。

3.1 L的劃分方法

對L進(jìn)行語義計算時，需要根據(jù)語義邏輯，將L 劃分為AA、PD、AB等幾部分，劃分方法見表3 （句型中R、V的位置已選定）。

表3 L的劃分方法

例如，在語義計算時，已經(jīng)確定簡單子句的句型是CS→LRLRLVL，則根據(jù)語義邏輯，句型中第2個L就應(yīng)當(dāng)被劃分為如下的AA、PD、AB這3部分，并與其修飾的R 或V 組成一個整體，該整體被稱為 “簡單語義單元”。簡單語義單元的語法分析和語義消歧方法，在文獻(xiàn) ［12］中有詳細(xì)的論述。

L的劃分方法如圖2所示。

圖2 L的劃分方法

3.2 AA＼PD＼AB 的劃分位置

對L （假定L包含p個詞）進(jìn)行AA＼PD＼AB的劃分時，根據(jù)表3，其劃分位置有3種情況：

（1）無需劃分：當(dāng)L僅包含PD時；

（2）一個劃分位置：L包含AA｜PD或PD｜AB時，共有p＋1個位置可供選擇，p＋1種劃分方法；

（3）兩個劃分位置：L包含AA｜PD｜AB時，共有p＋1個位置可供選擇，有 （p＋1）＊p種劃分方法。

針對這多種劃分方法，用式 （1）算出幾部分的語義相關(guān)度的值，并求總和，選擇總和最佳的劃分方法即可。

4 實驗結(jié)果及分析

本文的實驗中，以Hownet作為詞匯語義計算時所依據(jù)的資源。選取200 個語句，依據(jù)文法G1和文法G2，分別進(jìn)行模型求解的對比實驗，具體情況如下 （實驗環(huán)境為windows xp；CPU：Xeon E5－2403，2GHz；Mem：8G）。

4.1 時間對比實驗

根據(jù)語句的長度 （按照詞匯個數(shù)計算）進(jìn)行分組，共分為8組，表4列出了依據(jù)文法G1和文法G2進(jìn)行模型求解所需的時間。

表4 兩個文法的求解時間對比

G2的平均用時/G1的平均用時如圖3所示。

圖3 G2 的平均用時/G1 的平均用時

顯然，語句的長度越長，包含的簡單子句也越多，求解時所需的時間也越長，文法G2的時間效率也越高。

4.2 正確率對比實驗

在正確率對比實驗中，有以下幾類情況，如表5所示：

（1）SVO 選擇的正確率 （包括簡單子句內(nèi)的SVO 選擇），其對比如圖4所示；

（2）簡單子句所轄范圍的正確率，其對比如圖5所示；

（3）簡單子句歸結(jié)順序的正確率，其對比如圖6所示；

（4）L中AA｜PD｜AB劃分的正確率，其對比如圖7所示；

（5）所求出的語義修飾目標(biāo)的正確率，其對比如圖8所示。

表5 正確率對比情況/%

圖4 SVO 的正確率對比

圖5 簡單子句范圍的正確率對比

圖6 簡單子句歸結(jié)順序的正確率對比

圖7 L劃分的正確率對比

圖8 語義修飾目標(biāo)的正確率對比

從實驗情況可以看出，文法G2的求解過程相對于文法G1，有以下幾個特點：

（1）時間效率得到了較大程度的提升；

（2）各項正確率均有所下降，但下降程度并不大；其主要原因在于文法G2的規(guī)則被大幅精簡，語法描述的準(zhǔn)確性下降，導(dǎo)致語法分析階段的準(zhǔn)確度下降，后期的語義計算，并不能完全彌補 “語法分析精度下降”的損失；

（3）綜合來看，依據(jù)文法G2進(jìn)行模型求解，是一種“準(zhǔn)確度損失”不大、更為快捷、效率更高的語義計算方法。

5 結(jié)束語

本文構(gòu)造了一個更為簡潔的文法規(guī)則，依據(jù)該文法規(guī)則，可以進(jìn)行語義計算和語義模型求解；通過實驗，比較簡化前后兩個文法的計算效果；探索文法化簡的方法和思路，研究在文法化簡過程中，文法化簡與 “降低時間復(fù)雜度”和 “準(zhǔn)確度下降”等問題之間的關(guān)系，為構(gòu)造出更簡單的文法和更快捷的模型求解方法做了探索。但在論文的研究中，實驗數(shù)據(jù)量較小，語義計算時所依據(jù)的詞匯語義庫的語義信息還不夠細(xì)致，不能夠完全滿足語義計算的需要，下一步研究中，需要增加實驗數(shù)據(jù)，構(gòu)建語義信息更準(zhǔn)確、語義粒度更小的詞匯語義庫作為語義計算的依據(jù)。

［1］Alexander B，Graeme H.Evaluating wordnet based measures of lexical semantic relatedness［J］.Computations Linguistics，2009，32 （1）：13－47.

［2］SUN Chenchen，SHEN Derong，SHAN Jing，et al.WSR：A semantic relatedness measure based on wikipedia structure［J］.Chinese Journal of Computers，2012，35 （1）：2361－2370 （in Chinese）.［孫琛琛，申德榮，單菁，等.WSR：一種基于維基百科結(jié)構(gòu)信息的語義關(guān)聯(lián)度計算算法 ［J］.計算機學(xué)報，2012，35 （1）：2361－2370.］

［3］Milne D，WittenI H.An effective，low－cost measure of semantic relatedness obtained from Wikipedia links ［C］//Proceedings of the 23th Association for the Advancement of Artificial Intelligence，2008：25－30.

［4］ZHONG Maosheng，LIU Hui，LIU Lei，et al.Method of semantic relevance relation measurement between words［J］.Journal of Chinese Information Processing，2009，23 （2）：115－122 （in Chinese）.［鐘茂生，劉慧，劉磊，等.詞匯間語義相關(guān)關(guān)系量化計算方法［J］.中文信息學(xué)報，2009，23 （2）：115－122.］

［5］Mohamed AHT，Mohamed BA，Abdelmajid BH.A new semantic relatedness measurement using WordNet features ［J］.Knowledge and Information Systems，2013 （8）：1－31.

［6］Felice Ferrara，Carlo Tasso.Evaluating the results of methods for computing semantic relatedness ［C］//14th International Conference on Intelligent Text Processing and Computational Linguistics，2013：447－458.

［7］LIU Pengyuan，ZHAO Tiejun.Unsupervised translation disambiguation by using semantic dictionary and mining language model from Web ［J］.Journal of Software，2009，20 （5）：1292－1300 （in Chinese）. ［劉鵬遠(yuǎn)，趙鐵軍.利用語義詞典Web挖掘語言模型的無指導(dǎo)譯文消歧 ［J］.軟件學(xué)報，2009，20 （5）：1292－1300.］

［8］YANG Min，CHANG Baobao.Semantic role classification based on Peking university Chinese NetBank ［J］.Journal of Chinese Information Processing，2011，25 （6）：3－8 （in Chinese）.［楊敏，常寶寶.基于北京大學(xué)中文網(wǎng)庫的語義角色分類 ［J］.中文信息學(xué)報，2011，25 （6）：3－8.］

［9］WANG Xin，SUN Weiwei，SUI Zhifang.Research on Chinese semantic role labeling based on shallow parsing ［J］.Journal of Chinese Information Processing，2011，25 （1）：116－121 （in Chinese）.［王鑫，孫薇薇，穗志方.基于淺層句法分析的中文語義角色標(biāo)注研究 ［J］.中文信息學(xué)報，2011，25 （1）：116－121.］

［10］LIU Yuntong，LIANG Yanjun.K－pruning algorithm for semantic relevancy calculating model of natural language ［J］.Computer Engineering and Design，2013，34 （8）：2939－2943（in Chinese）.［劉運通，梁燕軍.自然語言語義相關(guān)度計算模型的k 枝剪求解法 ［J］.計算機工程與設(shè)計，2013，34（8）：2939－2943.］

［11］LIU Yuntong，XIONG Jing.An algorithm for parsing the simple semantic units based on the semantic relevancies ［J］.International Journal of Applied Mathematics and Statistics，2013，47 （17）：372－379.

［12］LIU Yuntong，SUN Hua.Word sense disambiguation for the simple semantic units based on dynamic programming ［J］.Computer Engineering and Design，2014，35 （4）：1480－1485（in Chinese）.［劉運通，孫華.基于動態(tài)規(guī)劃的簡單語義單元詞義消歧 ［J］.計算機工程與設(shè)計，2014，35 （4）：1480－1485.］

［13］LI Yongliang，HUANG Shuguang，LI Yongcheng，et al.Improved CYK algorithm based on shallow parsing ［J］.Journal of Computer Applications，2011，31 （5）：1335－1338 （in Chinese）.［李永亮，黃曙光，李永成，等.基于淺層剖析的CYK 改進(jìn)算法 ［J］. 計算機應(yīng)用，2011，31 （5）：1335－1338.］