基于规则的依存树库错误自动检测与分析

doi:10.13209/j.0479-8023.2016.005

北京大学学报（自然科学版） ›› 2016, Vol. 52 ›› Issue (1): 58-64.DOI: 10.13209/j.0479-8023.2016.005

基于规则的依存树库错误自动检测与分析

史林林, 邱立坤, 亢世勇

鲁东大学文学院, 烟台 264025

收稿日期:2015-06-19 出版日期:2016-01-20 发布日期:2016-01-20
通讯作者: 邱立坤, E-mail: qiulikun(at)pku.edu.cn
基金资助:
国家自然科学基金(61572245, 61103089, 61272215)资助

Rule-Based Detection and Analysis of Annotation Errors in Dependency Treebank

SHI Linlin, QIU Likun, KANG Shiyong#br#

School of Chinese Language and Literature, Ludong University, Yantai 264025

Received:2015-06-19 Online:2016-01-20 Published:2016-01-20
Contact: QIU Likun, E-mail: qiulikun(at)pku.edu.cn

摘要/Abstract

摘要：

尝试将依存树转化为短语结构树, 并基于规则的方法自动检测出人工标注结果中的错误。将该方法应用于已经过两遍人工校对的北京大学多视图依存树库, 从50275个句法树中发现1529处错误, 正确率为100%。进一步, 所有错误可以分为3个层次: 分词错误、词性与句法角色不符、句法角色错标。该方法可以有效提高依存树库的质量, 并且适用于各类型的依存树库。

关键词: 树库, 词性, 句法角色, 错误检测

Abstract:

The authors try to transform dependency tree into phrase structure tree, and detect annotation errors automatically based on manual rules. The method is used in processing Peking University Multi-view Chinese Treebank (PMT). Although PMT has been manually checked twice before processed by this method, 1529 errors are detected among the 50275 sentences and the precision is 100%. The errors mainly belong to three types: word segmentation error, mismatching between POS and syntactic role, and syntactic role error. This method can further improve treebank quality, and be applied to other dependency treebanks.

Key words: treebank, part of speech, syntactic role, error detection

中图分类号:

TP391

史林林, 邱立坤, 亢世勇. 基于规则的依存树库错误自动检测与分析[J]. 北京大学学报（自然科学版）, 2016, 52(1): 58-64.

SHI Linlin, QIU Likun, KANG Shiyong. Rule-Based Detection and Analysis of Annotation Errors in Dependency Treebank[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2016, 52(1): 58-64.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2016.005

https://xbna.pku.edu.cn/CN/Y2016/V52/I1/58

[1]	黄德朋, 李正华, 龚晨, 张民. 基于神经耦合模型的异构词法数据转化和融合[J]. 北京大学学报自然科学版, 2020, 56(1): 97-104.
[2]	高恩婷,巢佳媛,李正华. 面向词性标注的多资源转化研究[J]. 北京大学学报（自然科学版）, 2015, 51(2): 328-334.
[3]	涂眉,周玉,宗成庆. 基于最大熵的汉语篇章结构自动分析方法[J]. 北京大学学报（自然科学版）, 2014, 50(1): 125-132.
[4]	李艳翠,孙静,周国栋,冯文贺. 基于清华汉语树库的复句关系词识别与分类研究[J]. 北京大学学报（自然科学版）, 2014, 50(1): 118-124.
[5]	杜金华,王莎. 基于特征比较和最大熵模型的统计机器翻译错误检测[J]. 北京大学学报（自然科学版）, 2013, 49(1): 81-87.
[6]	王慧兰. 汉语句类依存树库的构建研究[J]. 北京大学学报（自然科学版）, 2013, 49(1): 25-30.
[7]	刘滔,雷霖,陈荦,熊伟. 基于MapReduce的中文词性标注CRF模型并行化训练研究[J]. 北京大学学报（自然科学版）, 2013, 49(1): 147-152.

基于规则的依存树库错误自动检测与分析

Rule-Based Detection and Analysis of Annotation Errors in Dependency Treebank

RichHTML

PDF

PDF (翻译版)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

编辑推荐

Metrics

留言