汉语单句谓语中心词识别知识的获取及应用

北京大学学报（自然科学版）

汉语单句谓语中心词识别知识的获取及应用

穗志方, 俞士汶

北京大学计算语言学研究所，北京，100871

收稿日期:1997-10-21 出版日期:1998-09-20 发布日期:1998-09-20

The Acquisition and Application of the Knowledge for Recognizing the Predicate Head of a Chinese Simple Sentence

SUI Zhifang, YU Shiwen

Computational Linguistics Institute, Peking University, Beijing, 100871

Received:1997-10-21 Online:1998-09-20 Published:1998-09-20

摘要/Abstract

摘要： 在基于实例的机器翻译(EBMT)的语句相似度研究中，确定谓语中心词以把握句子的整体结构是至关重要的。以标注了谓语中心词的3000句汉语单句作为训练集，将候选词本身的语法属性以及上下文环境作为该候选词的归类特征，通过建立统计决策树模型获取谓语中心词的识别知识。应用统计决策树进行了谓语中心词的自动识别，并获得了较为满意的测试结果。

关键词: 自然语言处理, 语料库, 机器翻译, 知识获取, 谓语中心词, 统计决策树

Abstract: It is necessary to grasp the main structure of the sentence through its predicate head for the sentence similarity calculation in EBMT. Taking 3000 tagged Chinese simple sentences as training set and the syntactic attributes and the contextual information as the classification features, this research acquires the knowledge of recognizing the predicate head through constructing a statistical decision tree model. The problem of applying the statistical decision tree to recognize the predicate head is also discussed.

Key words: natural language processing, corpus, machine translation, knowledge acquisition, predicate head, statistical decision tree

中图分类号:

TP391.2

穗志方, 俞士汶. 汉语单句谓语中心词识别知识的获取及应用[J]. 北京大学学报（自然科学版）.

SUI Zhifang,YU Shiwen. The Acquisition and Application of the Knowledge for Recognizing the Predicate Head of a Chinese Simple Sentence[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y1998/V34/I2/221

[1]	黄增城, 满志博, 张玉洁, 徐金安, 陈钰枫. 基于单词领域特征敏感的多领域神经机器翻译[J]. 北京大学学报自然科学版, 2023, 59(1): 1-10.
[2]	谢志鹏, 毕冉. 大规模中文具体度词典的构建及推理技术[J]. 北京大学学报自然科学版, 2022, 58(1): 1-6.
[3]	王倩, 李茂西, 吴水秀, 王明文. 基于跨语种预训练语言模型XLM-R的神经机器翻译方法[J]. 北京大学学报自然科学版, 2022, 58(1): 29-36.
[4]	苗国义, 刘明童, 陈钰枫, 徐金安, 张玉洁, 冯文贺. 融合小句对齐知识的汉英神经机器翻译[J]. 北京大学学报自然科学版, 2022, 58(1): 61-68.
[5]	班玛宝, 才让加, 张瑞, 色差甲, 卓玛扎西. 融合双通道音节特征的藏文La格例句自动分类模型[J]. 北京大学学报自然科学版, 2022, 58(1): 91-98.
[6]	刘伟, 黄锴宇, 余浩, 黄德根. 基于语境相似度的中文分词一致性检验研究[J]. 北京大学学报自然科学版, 2022, 58(1): 99-105.
[7]	李烨秋, 唐竑轩, 钱锦, 邹博伟, 洪宇. 中文机器阅读理解的鲁棒性研究[J]. 北京大学学报自然科学版, 2021, 57(1): 16-22.
[8]	张新路, 李晓, 杨雅婷, 王磊, 董瑞. 面向维汉神经机器翻译的双向重排序模型分析[J]. 北京大学学报自然科学版, 2020, 56(1): 31-38.
[9]	盛晨, 孔芳, 周国栋. 中文篇章零元素语料库构建[J]. 北京大学学报自然科学版, 2019, 55(1): 15-21.
[10]	王潜升, 余南, 张梅山, 韩子嘉, 付国宏. N3LDG: 一种轻量级自然语言处理深度学习库[J]. 北京大学学报自然科学版, 2019, 55(1): 113-119.
[11]	柯永红, 朱永福, 穗志方, 俞士汶. 基于多特征的语义角色标注一致性计算方法研究[J]. 北京大学学报（自然科学版）, 2018, 54(3): 475-480.
[12]	谭亦鸣, 王明文, 李茂西. 基于翻译质量估计的神经网络译文自动后编辑[J]. 北京大学学报（自然科学版）, 2018, 54(2): 255-261.
[13]	吴焕钦, 张红阳, 李静梅, 朱俊国, 杨沐昀, 李生. 基于伪数据的机器翻译质量估计模型的训练[J]. 北京大学学报（自然科学版）, 2018, 54(2): 279-285.
[14]	王丹丹, 徐金安, 陈钰枫, 张玉洁, 杨晓晖. 融合词法句法分析联合模型的树到串EBMT方法[J]. 北京大学学报自然科学版, 2017, 53(2): 295-304.
[15]	王楠, 徐金安, 明芳, 陈钰枫, 张玉洁. 融合语态特征的日英层次短语翻译模型[J]. 北京大学学报自然科学版, 2017, 53(2): 305-313.