楊進(jìn)才 鄭 雷 胡 泉

（華中師范大學(xué)計(jì)算機(jī)學(xué)院 武漢 430079）

1 引言

在中文信息處理領(lǐng)域，單句處理已經(jīng)成熟，而復(fù)句處理還有很大的空間［1～2］。復(fù)句是由兩個(gè)和兩個(gè)以上的分句組成，而關(guān)系詞是連接兩個(gè)分句的標(biāo)志［3～4］。關(guān)系詞的正確識(shí)別是分析有標(biāo)復(fù)句關(guān)系的前提，對(duì)復(fù)句的處理有著重要的意義。

關(guān)系詞在各個(gè)復(fù)句中出現(xiàn)的搭配、形式、詞性都不盡相同，在一些的句子中充當(dāng)關(guān)系詞，而在另外句子中可能不充當(dāng)關(guān)系詞。這種不確定性給復(fù)句關(guān)系詞的識(shí)別帶來困難。關(guān)系詞是復(fù)句格式的組成形式，復(fù)句格式一旦形成，就會(huì)對(duì)復(fù)句語義進(jìn)行反制約［3］。如“雖然/但是”充當(dāng)關(guān)系詞時(shí)，其所對(duì)應(yīng)的兩個(gè)分句之間的語義關(guān)系必然是轉(zhuǎn)折關(guān)系。關(guān)系詞識(shí)別不正確時(shí)，復(fù)句的語義也會(huì)出現(xiàn)錯(cuò)誤，如例1所示。

例句1：醫(yī)務(wù)人員一面檢查，一面問診（《長(zhǎng)江日?qǐng)?bào)》1990年07月25日01版次）。

圖1 例句1語義依存分析圖

在例句1中，準(zhǔn)關(guān)系詞“一面/一面”充當(dāng)關(guān)系詞，表示兩個(gè)分句是并列關(guān)系。例1的語義依存分析將“一面/一面”的詞性標(biāo)注為d（副詞），語義依存關(guān)系都是Mann（方式角色），且兩個(gè)分句之間是eSucc（順承關(guān)系）。關(guān)系詞以及分句間的關(guān)系標(biāo)注錯(cuò)誤，錯(cuò)誤原因在于未能正確識(shí)別“一面/一面”關(guān)系詞搭配，僅僅是按照“檢查”和“問診”這兩個(gè)v（動(dòng)詞）之間的語義關(guān)系來判斷分句之間為順承關(guān)系。

2 相關(guān)研究

關(guān)系詞的自動(dòng)識(shí)別方法分為兩種，基于規(guī)則的方法和基于機(jī)器學(xué)習(xí)的方法。

基于規(guī)則的識(shí)別方法通過人工對(duì)語料庫(kù)中的關(guān)系詞以及在句子中出現(xiàn)的特征進(jìn)行歸納總結(jié)，將提取約束條件表示成規(guī)則錄入規(guī)則庫(kù)。再根據(jù)規(guī)則庫(kù)中的規(guī)則去匹配復(fù)句特征分析器的分析結(jié)果，以此來判斷準(zhǔn)關(guān)系詞是否充當(dāng)關(guān)系詞。其優(yōu)勢(shì)在于直接利用了語言學(xué)家總結(jié)的規(guī)律，識(shí)別的準(zhǔn)確率相對(duì)較高，其缺點(diǎn)是過度依賴人工挖掘的規(guī)則；因人工歸納的規(guī)則的不全面與準(zhǔn)確而導(dǎo)致識(shí)別率相對(duì)降低，且人工總結(jié)規(guī)則需要消耗大量人力。賈遂民［6］通過分析漢語復(fù)句語料庫(kù)總結(jié)出用于關(guān)系詞識(shí)別的12種特征，以這些特征建立規(guī)則的約束條件，再對(duì)規(guī)則進(jìn)行匹配進(jìn)而識(shí)別關(guān)系詞。楊進(jìn)才［12］等總結(jié)出關(guān)系詞出現(xiàn)在句子中的依存句法特征，采用規(guī)則的方法進(jìn)行復(fù)句關(guān)系詞識(shí)別。

基于機(jī)器學(xué)習(xí)的方法使用模型有決策樹［13］，貝葉斯網(wǎng)絡(luò)和支持向量機(jī)［14］。模型的效果取決于訓(xùn)練的語料庫(kù)的選取，當(dāng)訓(xùn)練語料庫(kù)和測(cè)試的模型越相似，結(jié)果就越好。相比較基于規(guī)則的方法，該方法優(yōu)點(diǎn)是不需要人工的總結(jié)規(guī)則，利用機(jī)器自動(dòng)識(shí)別，其識(shí)別率較高，但是準(zhǔn)確率較低。李艷翠［13］中從清華漢語樹庫(kù)中抽取帶功能標(biāo)記和不帶功能標(biāo)記的自動(dòng)句法樹的句法、詞法、位置特征，并利用決策樹的方法進(jìn)行復(fù)句關(guān)系詞的識(shí)別。

目前，無論是基于規(guī)則的還是基于機(jī)器學(xué)習(xí)方法的識(shí)別，都只使用到了字面特征或者語法特征，并沒有使用到語義層次的上的特征［5～12］。本文所采用的是哈工大LTP-Cloud［17］平臺(tái)對(duì)語料庫(kù)進(jìn)行語義依存分析，從分析結(jié)果中提取關(guān)系詞的語義依存特征，再利用隨機(jī)森林模型對(duì)關(guān)系詞進(jìn)行識(shí)別。

利用LTP-Cloud對(duì)例句2進(jìn)行語義依存分析的結(jié)果如圖2所示。

圖2 例句2語義依存分析圖

例句2：雖然目前面臨著困難，但是大家有信心克服（《長(zhǎng)江日?qǐng)?bào)》1991年05月03日01版次）。

例句2中關(guān)系詞為“雖然/但是”，其語義依存分析圖表明“雖然/但是”在句中詞性均標(biāo)注為mConj（連詞標(biāo)記），分句之間的語義依存關(guān)系為eResu（結(jié)果關(guān)系）。雖然例1、例2的語義依存樹中沒有標(biāo)識(shí)出關(guān)系詞，分句間的關(guān)系語義依存關(guān)系類型也不完全正確，但語義依存關(guān)系反映了分句之間的語義關(guān)系，反過來為判別準(zhǔn)關(guān)系詞是否充當(dāng)關(guān)系詞提供重要的依據(jù)。

語義依存分析是建立依存理論基礎(chǔ)上［15］，可以不受句子表層句法結(jié)構(gòu)的約束，直接獲取句子所表達(dá)的語義信息。分析句子詞之間的語義關(guān)聯(lián)，并以依存結(jié)構(gòu)來呈現(xiàn)。與語法依存結(jié)構(gòu)不同的是語義依存分析不只關(guān)注句子的主要?jiǎng)釉~，而是整個(gè)句子。語義依存關(guān)系更加深刻地描敘了詞與詞和句子與句子之間的信息，這更利于復(fù)句關(guān)系詞的自動(dòng)識(shí)別。

3 復(fù)句關(guān)系詞特征提取與表示

本文數(shù)據(jù)來自于華中師范大學(xué)語言與語言教育研究中心開發(fā)的漢語復(fù)句語料庫(kù)CCCS（the Corpus of Chinese Compound Sentences），該語料庫(kù)是專門面向漢語復(fù)句關(guān)系詞研究的語料庫(kù)，共收錄有標(biāo)復(fù)句658447條。利用哈爾濱工業(yè)大學(xué)的LTP平臺(tái)對(duì)語料庫(kù)中的復(fù)句進(jìn)行語義依存分析，構(gòu)建語義依存樹庫(kù)。

通過對(duì)語義依存樹庫(kù)中大量復(fù)句語料的分析和總結(jié)，將關(guān)系詞提取的特征歸納為以下幾類。

1）關(guān)系詞的詞性

在語義依存樹庫(kù)中，共有28種詞性。根據(jù)語料庫(kù)關(guān)系詞的統(tǒng)計(jì)可得，關(guān)系詞在復(fù)句中的詞性為連詞、副詞、動(dòng)詞、介詞占總數(shù)的97.89%。

2）關(guān)系詞的支配詞的詞性

在語義依存樹中，每一個(gè)關(guān)系詞最多只能有一個(gè)父節(jié)點(diǎn)，該父節(jié)點(diǎn)即為關(guān)系詞的支配詞。如例句1中分別列舉了含有“一面/一面”搭配的例句，其詞性標(biāo)注為d（副詞），支配詞分別為“檢查”，“不足”，詞性都為v（動(dòng)詞）。

3）關(guān)系詞支配其它詞的詞性

語義依存樹中，非葉子節(jié)點(diǎn)都會(huì)有自己的支配詞。根據(jù)語義依存語法分析，復(fù)句關(guān)系詞在語義依存樹中一般為葉子節(jié)點(diǎn)。所以如果準(zhǔn)關(guān)系詞支配了其它詞，且詞性不為wp（標(biāo)點(diǎn)符號(hào)），該準(zhǔn)關(guān)系詞不充當(dāng)關(guān)系詞。

4）關(guān)系詞左右詞的詞性

在復(fù)句中關(guān)系詞左右詞的詞性，若為空，則用Null表示。

5）關(guān)系詞所在復(fù)句的位置

以逗號(hào)為分割點(diǎn)，將復(fù)句劃分成為若干分句，提取關(guān)系詞所在分句的位置。

6）關(guān)系詞在分句中的位置

本文只考慮關(guān)系詞在某個(gè)分句中最左邊、中間、最右邊的情況。關(guān)系詞左端無詞右端有詞表示為-1，右端無詞左端有詞表示為1，左右兩端都有詞表示為0，左右兩端都無詞表示為-2。

7）關(guān)系詞之間層次距離

一個(gè)關(guān)系詞按照句子中詞的順序從左或從右的方向開始匹配另外的一個(gè)關(guān)系詞，在這個(gè)過程中所隔的詞數(shù)為搭配距離［4］。在依存樹中，則用“依存距離”來表示搭配距離。語義依存樹是建立在依存句法樹的基礎(chǔ)上擴(kuò)展的樹［16］，所以依存句法中的“依存距離”概念在語義依存樹依舊有效。其指的是支配詞和從屬詞之間的距離。當(dāng)兩個(gè)關(guān)系詞所代表的葉子節(jié)點(diǎn)同時(shí)向上搜索，找到相同的父節(jié)點(diǎn)所經(jīng)過節(jié)點(diǎn)的數(shù)值之差即為層次距離，即為兩個(gè)關(guān)系詞在依存樹中的層次距離。

例3：不是占有她，而是送她回家（《長(zhǎng)江日?qǐng)?bào)》1982年07月07日04版次）。

由圖3可知，關(guān)系詞“不是”和“而是”到根節(jié)點(diǎn)“占有”的層次距離分別是1和2，其層次距離差為2-1=1，故“不是”和“而是”的層次距離為1。

圖3 例句3中“不是/而是”語義依存關(guān)系

8）關(guān)系詞與支配詞之間的語義依存關(guān)系

在LTP處理后的語義依存樹中，共有71種語義依存關(guān)系［17］。每個(gè)詞和其支配詞之間都只有一種語義依存關(guān)系，但在復(fù)句中的關(guān)系詞由于語義依存樹的不同可能存在多種依存關(guān)系。準(zhǔn)關(guān)系詞在復(fù)句中是否充當(dāng)關(guān)系詞，會(huì)改變其和支配詞之間的依存關(guān)系，因此準(zhǔn)關(guān)系詞與支配詞之間的語義依存關(guān)系，可以作為判定準(zhǔn)關(guān)系詞是否為關(guān)系詞的重要依據(jù)。

例4：這二者既有統(tǒng)一的一面，又有矛盾的一面（《人民日?qǐng)?bào)》1980年11月13日）。

例4中有兩對(duì)準(zhǔn)關(guān)系詞，其中“即/又”充當(dāng)關(guān)系詞，“一面/一面”是偽關(guān)系詞。從圖4中可知“即/又”和其支配詞之間的都是mConj（連詞標(biāo)記），充當(dāng)關(guān)系詞。而“一面/一面”不充當(dāng)關(guān)系詞，搭配依存于“統(tǒng)一/矛盾”，語義依存關(guān)系為Feat（描寫角色），在句子充當(dāng)了角色，故是不充當(dāng)關(guān)系詞。

圖4 例句4中語義依存樹

9）關(guān)系詞之間的語義依存事件關(guān)系的差集

在語義依存樹中71種語義依存關(guān)系被分為三類，分別是主要語義角色，每一種語義角色對(duì)應(yīng)存在一個(gè)嵌套關(guān)系和反關(guān)系；事件關(guān)系，描述兩個(gè)事件間的關(guān)系；語義依附標(biāo)記，標(biāo)記說話者語氣等依附性信息［17］。其中事件關(guān)系都是以“e”開頭的語義依存關(guān)系，它很好地刻畫不同分句之間的關(guān)系，當(dāng)準(zhǔn)關(guān)系詞之間的語義關(guān)系和其所在分句之間的事件關(guān)系相同時(shí)，則可為準(zhǔn)關(guān)系詞的判斷帶來一定的幫助。

本文定義的語義依存樹中，關(guān)系詞之間的語義依存事件關(guān)系的差集為從關(guān)系詞所在依存樹的節(jié)點(diǎn)出發(fā)，向上遍歷直至根節(jié)點(diǎn)，同時(shí)建立兩個(gè)數(shù)組A、B存儲(chǔ)對(duì)應(yīng)的關(guān)系詞遍歷途中所有的語義事件關(guān)系（以“e”開頭）；然后對(duì)A，B數(shù)組中的元素做差集；最后將A，B數(shù)組中的元素分別取出來，同數(shù)組元素以“+”連接，不同數(shù)組元素以“/”連接。設(shè)A，B數(shù)組經(jīng)過差集后的數(shù)組元素分別為A1，A2和B1，B2，B3，可表示為“A1+A2/B1+B2+B3”。具體實(shí)例如例4和例5所示。

例5：他們想革新，又怕革新，想突破，又怕突破（《長(zhǎng)江日?qǐng)?bào)》1985年10月25日04版次）。

例6：城周雖僅二、三里，但依山負(fù)險(xiǎn)，異常堅(jiān)固（《長(zhǎng)江日?qǐng)?bào)》1986年04月08日04版次）。

例5中“又/又”充當(dāng)關(guān)系詞，由圖5可知關(guān)系詞到根節(jié)點(diǎn)的語義依存關(guān)系，依次為“mConj，eProg（遞進(jìn)關(guān)系）”和“mFreq（頻率標(biāo)記），eResu（結(jié)果關(guān)系），eResu，eProg”，篩選出事件關(guān)系后為“eProg”和“eResu，eResu，eProg”，故例6的語義依存事件關(guān)系的差集為“eResu，eResu”，表示為“/eResu+eResu”。圖6同理可得，“雖/但”充當(dāng)關(guān)系詞，其到根節(jié)點(diǎn)“城周”的語義依存關(guān)系分別為“mConj，eCoo（并列關(guān)系）”和“mConj，eAdvt（轉(zhuǎn)折關(guān)系）”，篩選出事件關(guān)系后為“eCoo”和“eAdvt”，故例6的關(guān)系詞“又/又”的語義依存事件關(guān)系的差集為“eCoo，eAdvt”，表示為“eCoo/eAdvt”。

圖5 例句5中語義依存樹

圖6 例句6中語義依存樹

單個(gè)關(guān)系詞提取特征的方式和上述提取方式相同。其中，涉及到兩個(gè)關(guān)系詞之間的特征，在單關(guān)系詞中是以關(guān)系詞和根節(jié)點(diǎn)特征表示。如：例3中雙關(guān)系詞“不是”和“而是”的層次距離為1。那么單關(guān)系詞“不是”層次距離為1，“而是”的層次距離為2。同理例6中，“又/又”關(guān)系詞之間的語義依存事件關(guān)系的差集是“eCoo/eAdvt”，那么其中第一個(gè)關(guān)系詞“又”和第二個(gè)關(guān)系詞“又”的語義依存事件關(guān)系的差集分別是“eCoo”，“eAdvt”。

4 隨機(jī)森林模型構(gòu)建

關(guān)系詞的自動(dòng)識(shí)別，可以轉(zhuǎn)化為準(zhǔn)關(guān)系詞的分類的問題。隨機(jī)森林的分類原理是在數(shù)據(jù)集N中有放回地隨機(jī)抽取n（n≤N）個(gè)數(shù)據(jù)生成新的訓(xùn)練樣本集合，然后在n個(gè)樣本集中的M個(gè)特征隨機(jī)選取m（m≤M）個(gè)特征，生成n個(gè)分類樹組成隨機(jī)森林，測(cè)試數(shù)據(jù)的分類結(jié)果是根據(jù)分類樹投票多少而定［18］。

分類樹是按照基尼指數(shù)來選取特征，以該特征作為分類屬性進(jìn)行節(jié)點(diǎn)分類。假設(shè)有M個(gè)類別，樣本點(diǎn)屬于第K類的概率為Pk，其概率分布的gini指數(shù)如式（1）所示。

如果樣本集合D以某個(gè)特征A被分割為D1，D2兩個(gè)部分，那么在選擇特征A的條件下，集合D的Gini指數(shù)的定義為

Gini（D，A）表示當(dāng)以特征A作為分割屬性時(shí)，對(duì)數(shù)據(jù)集D分割后的不確定性。Gini指數(shù)的值越小，分類的正確率就越高。

4.1 隨機(jī)森林模型改進(jìn)

由于關(guān)系詞提取特征比較多，且每個(gè)特征對(duì)應(yīng)的屬性值也比較多。這可能會(huì)導(dǎo)致隨機(jī)森林決策樹過度生長(zhǎng)，泛化能力變差。故本文的決策不以單個(gè)離散的特征屬性作為節(jié)點(diǎn)分裂的依據(jù)，而是以特征屬性的范圍進(jìn)行節(jié)點(diǎn)分裂。改進(jìn)后的決策流程如下。

Step1：首先對(duì)提取的特征進(jìn)行數(shù)值化，并對(duì)數(shù)值化后的特征進(jìn)行縮放。

Step2：根據(jù)基尼指數(shù)選取最佳的特征屬性的范圍，作為當(dāng)前樹的根節(jié)點(diǎn)，并分裂成兩個(gè)節(jié)點(diǎn)，其中一個(gè)滿足根節(jié)點(diǎn)的特征范圍，另一個(gè)不滿足特征范圍。

Step3：將分裂后的節(jié)點(diǎn)作為當(dāng)前根節(jié)點(diǎn)。轉(zhuǎn)到Step2的操作，直到不滿足節(jié)點(diǎn)分類條件。

Step4：按照Step2和Step3步驟構(gòu)建隨機(jī)森林。

隨機(jī)森林生成的決策樹數(shù)量大，決策樹很大，圖7僅顯示一顆決策樹的一部分。

圖7 決策樹的一部分

4.2 復(fù)句關(guān)系詞自動(dòng)標(biāo)識(shí)過程

先通過LTP對(duì)CCCS漢語復(fù)句語料庫(kù)中的復(fù)句進(jìn)行語義依存解析，提取基于依存關(guān)系的復(fù)句關(guān)系詞特征，并將特征向量化，通過本文改進(jìn)的隨機(jī)森林算法，構(gòu)建復(fù)句的關(guān)系詞自動(dòng)識(shí)別模型。為了驗(yàn)證我們模型的有效性，將這些特征數(shù)據(jù)的4/5用作訓(xùn)練集，剩下的用作測(cè)試集來驗(yàn)證模型的合理性。同時(shí)也平衡訓(xùn)練集中不同類別的數(shù)量，使結(jié)果中是關(guān)系詞和不是關(guān)系詞提取的特征數(shù)量基本保持一致。具體流程如圖8所示。

圖8 復(fù)句關(guān)系詞自動(dòng)識(shí)別流程圖

例7：既直觀，又朦朧（《長(zhǎng)江日?qǐng)?bào)》1998年09月02日14版次）。

首先將句子經(jīng)過LTP處理得到語義依存樹［［0，“既”，“c”，1，“mConj”］，［1，“直 觀”，“a”，-1，“Root”］，［2，“，”，“wp”，1，“mPunc”］，［3，“又”，“d”，4，“mConj”］，［4，“朦朧”，“a”，1，“eCoo”］，［5，“?！?，“wp”，4，“mPunc”］］。其中“既”和“又”為準(zhǔn)關(guān)系詞，且二者也在關(guān)系詞搭配庫(kù)中，分別以該句中的單個(gè)準(zhǔn)關(guān)系詞和兩個(gè)準(zhǔn)關(guān)系詞共同作為關(guān)系詞搭配詞來提取特征。提取的特征如表1所示。

將表1提取到的兩種特征依次輸入隨機(jī)森林中進(jìn)行決策，對(duì)于單個(gè)關(guān)系詞提取的特征經(jīng)過決策后的結(jié)果：“即”，“又”分別充當(dāng)關(guān)系詞的概率為95.12%，85.36%。而關(guān)系詞搭配提取的特征決策結(jié)果：“即，又”共同充當(dāng)關(guān)系詞的概率為90.12%。兩者都超過50%，故“即，又”充當(dāng)關(guān)系詞。

表1 從依存樹中提取的特征

5 實(shí)驗(yàn)結(jié)果分析

本文對(duì)復(fù)句關(guān)系詞CCCS數(shù)據(jù)進(jìn)行篩選，共得到538190條數(shù)據(jù)，經(jīng)過LTP平臺(tái)處理后，提取單個(gè)關(guān)系詞語義依存特征共1749962條，兩個(gè)關(guān)系詞語義依存特征1413573條，平均每條復(fù)句可以提取3.25條單關(guān)系詞特征，2.63條雙關(guān)系詞特征。以50000條復(fù)句為一組，取其中10組，分別將單關(guān)系詞特征和雙關(guān)系詞特征都放入隨機(jī)森林進(jìn)行分類。為了試驗(yàn)結(jié)果的可靠性和可讀性，本文每組數(shù)據(jù)都經(jīng)過10次隨機(jī)森林模型決策，并將其所有結(jié)果取平均值，以百分號(hào)來表示。其實(shí)驗(yàn)詳細(xì)結(jié)果如表2所示。

表2 實(shí)驗(yàn)結(jié)果簡(jiǎn)化分析

表2顯示單雙關(guān)系詞提取特征后的平均的正確率分別為92.32%和91.13%。其中隨機(jī)森林中的袋外得分可以有效表示該模型的泛化能力，袋外得分越高則泛化能力越好。單雙關(guān)系詞的袋外得分都達(dá)到90%以上，具有不錯(cuò)的泛化能力。同時(shí)單關(guān)系詞識(shí)別的結(jié)果在不同評(píng)價(jià)標(biāo)準(zhǔn)下都略好于雙關(guān)系詞，這說明本文的方法更適用于單關(guān)系詞提取的特征。由于單關(guān)系詞提取特征與復(fù)句中分句的多少無關(guān)，故本文的方法適用于所有有標(biāo)分句類型。同時(shí)在隨機(jī)森林模型中，統(tǒng)計(jì)每個(gè)特征的重要度，結(jié)果如表3所示。

表3 特征的重要度

在表3中，雙關(guān)系詞有兩欄，左邊表示的是第一個(gè)關(guān)系詞對(duì)應(yīng)的特征，右邊表示第二個(gè)關(guān)系詞對(duì)應(yīng)的特征。從表中可知單關(guān)系詞有11個(gè)特征，雙關(guān)系詞有20個(gè)特征。無論是使用單關(guān)系詞還是雙關(guān)系詞提取的特征，詞名的特征重要度最高，關(guān)系詞的詞性其次。而關(guān)系詞與支配詞之間的語義依存關(guān)系，在單關(guān)系詞中重要度達(dá)到了9.2%，在雙關(guān)系詞中重要度為4.9%+4.73%=10.36%，同時(shí)本文的關(guān)系詞之間的語義依存事件關(guān)系特征重要度也達(dá)到了9.31%和6.13%。關(guān)系詞一般不支配其他詞，詞性一般都為Null，不具備區(qū)分能力，故關(guān)系詞支配其它詞的詞性的重要程度最低。由此可見，從語義依存關(guān)系的角度，使用隨機(jī)森林方法分析關(guān)系詞搭配是有效的。

本文的方法與相關(guān)的方法如表4所示。

表4 相關(guān)工作的比較

文獻(xiàn)［12］是利用依存語法中的依存關(guān)系，來分析漢語復(fù)句中關(guān)系詞搭配的依存關(guān)系，從中總結(jié)出約束條件，并把約束條件形成依存關(guān)系規(guī)則加入規(guī)則庫(kù)中，運(yùn)用字面特征與語法特征相結(jié)合的規(guī)則識(shí)別漢語復(fù)句關(guān)系詞。文獻(xiàn)［13］是根據(jù)清華漢語樹庫(kù)的標(biāo)注方法，利用規(guī)則從中提取復(fù)句關(guān)系詞并標(biāo)注其類別，然后分別抽取帶功能標(biāo)記和不帶功能標(biāo)記的自動(dòng)句法樹的句法、詞法、位置特征，進(jìn)行復(fù)句關(guān)系詞的識(shí)別。本文為了統(tǒng)一比較，此處只比較不帶功能標(biāo)記作為識(shí)別對(duì)象。文獻(xiàn)［14］根據(jù)復(fù)句關(guān)系詞字面關(guān)系和關(guān)系詞搭配方面進(jìn)行特征的提取，利用貝葉斯模型對(duì)特征集合進(jìn)行訓(xùn)練和測(cè)試，將結(jié)果轉(zhuǎn)化為規(guī)則庫(kù)，然后根據(jù)規(guī)則庫(kù)進(jìn)行關(guān)系詞自動(dòng)識(shí)別。本文的方法比基于決策樹模型的方法正確率要高，證明了使用語義依存特征進(jìn)行關(guān)系詞識(shí)別的可行性。同時(shí)本文的正確率比后兩個(gè)方法低，但優(yōu)點(diǎn)是不需要人工歸納規(guī)則，隨著對(duì)復(fù)句的語義依存識(shí)別的準(zhǔn)確率上升，關(guān)系詞識(shí)別的正確率必定會(huì)有所提升。

6 結(jié)語

本文對(duì)復(fù)句語料庫(kù)CCCS進(jìn)行語義依存分析建立依存樹庫(kù)，提取語義依存特征，將對(duì)關(guān)系詞的自動(dòng)識(shí)別從利用字面特征與句法特征提升到語義特征層面。通過隨機(jī)森林模型進(jìn)行分類，即保證了該方法的泛化性，又不需要人工的總結(jié)規(guī)則，節(jié)省人力物力。實(shí)驗(yàn)結(jié)果也證明了該方法的可行性。

本文關(guān)系詞識(shí)別的特征依舊是人工提取，下一步研究將使用神經(jīng)網(wǎng)絡(luò)自動(dòng)提取特征，進(jìn)行關(guān)系詞的自動(dòng)識(shí)別。