助词“的”用法自动识别研究

doi:10.13209/j.0479-8023.2017.167

北京大学学报（自然科学版） ›› 2018, Vol. 54 ›› Issue (3): 466-474.DOI: 10.13209/j.0479-8023.2017.167

助词“的”用法自动识别研究

刘秋慧¹, 张坤丽^1,†, 许鸿飞¹, 俞士汶², 昝红英¹

1. 郑州大学信息工程学院郑州 450001
2. 北京大学计算语言学教育部重点实验室, 北京 100871

收稿日期:2017-01-21 修回日期:2017-11-26 出版日期:2018-05-20 发布日期:2018-05-20
通讯作者: 张坤丽, E-mail: ieklzhang(at)zzu.edu.cn
基金资助:
国家重点基础研究发展计划(2014CB340504)、国家自然科学基金(61402419, 60970083)、国家社会科学基金(14BYY096)、计算语言学教育部重点实验室开放课题项目、河南省科技厅基础研究项目(142300410231, 142300410308)、河南省教育厅科学技术研究重点项目(15A520098)和河南省科技厅科技攻关项目(172102210478)资助

Research on Automatic Recognition of Auxiliary “DE”

LIU Qiuhui¹, ZHANG Kunli^1,†, XU Hongfei¹, YU Shiwen², ZAN Hongying¹

1. School of Information Engineering, Zhengzhou University, Zhengzhou 450001
2. Key Laboratory of Computational Linguistics (MOE), Peking University, Beijing 100871

Received:2017-01-21 Revised:2017-11-26 Online:2018-05-20 Published:2018-05-20
Contact: ZHANG Kunli, E-mail: ieklzhang(at)zzu.edu.cn

摘要/Abstract

摘要：

在“三位一体”虚词用法知识库的基础上, 分别采用基于规则、基于CRF模型和神经网络模型的门循环单元, 对助词“的”用法进行自动识别, 识别的准确率分别为 34.4%, 77.5%和81.3%。在对助词“的”用法进行分析的基础上, 合并了部分用法, 并采用CRF模型和神经网络模型进行粗粒度用法识别, 准确率分别达到81.8%和 84.5%, 得到较明显的提高。期望识别结果可以应用于其他自然语言处理任务中。

关键词: “的”, 门循环单元, 规则, CRF

Abstract:

Based on the triune Chinese function word usage knowledge base (CFKB), the rule-based method, CRF (conditional random field) model and GRU (gated recurrent unit) are adopted to automatically recognize the usages of auxiliary “DE”, and the accuracy rates are 34.4%, 77.5% and 81.3% respectively. In order to improve the accuracy, some usages of auxiliary “DE” are combined and formed coarse-grained usage. The accuracy of CRF achieves 81.8%, and the accuracy of neural network model achieves 84.5%. It is expected that the recognition result of auxiliary “DE” can improve the performance of other NLP task.

Key words: “DE”, GRU (gated recurrent unit), rule, CRF (conditional random field)

中图分类号:

TP391

刘秋慧, 张坤丽, 许鸿飞, 俞士汶, 昝红英. 助词“的”用法自动识别研究[J]. 北京大学学报（自然科学版）, 2018, 54(3): 466-474.

LIU Qiuhui, ZHANG Kunli, XU Hongfei, YU Shiwen, ZAN Hongying. Research on Automatic Recognition of Auxiliary “DE”[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2018, 54(3): 466-474.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2017.167

https://xbna.pku.edu.cn/CN/Y2018/V54/I3/466

[1]	游新冬, 葛昊杰, 韩君妹, 李育贤, 吕学强. 面向武器装备领域的复杂实体识别[J]. 北京大学学报自然科学版, 2022, 58(3): 391-404.
[2]	侍冰清, 戴茹冰, 曲维光, 顾彦慧, 周俊生, 李斌, 徐戈, 史胜旺. 基于组合神经网络的语义省略“的”字结构识别[J]. 北京大学学报自然科学版, 2019, 55(1): 75-83.
[3]	姜杰, 夏睿. 机器学习与语义规则融合的微博情感分类方法[J]. 北京大学学报自然科学版, 2017, 53(2): 247-254.
[4]	吐尔地·托合提, 维尼拉·木沙江, 艾斯卡尔·艾木都拉. 基于词间关联度度量的维吾尔文本自动切分方法[J]. 北京大学学报（自然科学版）, 2016, 52(1): 155-164.
[5]	白林楠,胡韧奋,刘智颖. 基于句法语义规则系统的比较句自动识别[J]. 北京大学学报（自然科学版）, 2015, 51(2): 275-281.
[6]	路璐,李涓子,侯磊,张蓝姗. 面向话题的新闻综述报告自动生成研究[J]. 北京大学学报（自然科学版）, 2014, 50(1): 194-200.
[7]	赵紫玉,徐金安,张玉洁,刘江鸣. 日语时间表达式识别与日汉翻译研究[J]. 北京大学学报（自然科学版）, 2014, 50(1): 180-186.
[8]	张晶,朱波,梁琳琳,侯敏,滕永林. 基于情绪因子的中文微博情绪识别与分类[J]. 北京大学学报（自然科学版）, 2014, 50(1): 79-84.
[9]	左志权,刘正军,张力. 基于一阶展开多项式快速趋近的非线性ICP配准理论模型[J]. 北京大学学报（自然科学版）, 2013, 49(5): 867-872.
[10]	刘义勤,潘懋,杨绪坤. 面向大数据量地学模型的三角网格简化算法实现[J]. 北京大学学报（自然科学版）, 2013, 49(3): 480-484.
[11]	珠杰,李天瑞,格桑多吉,仁青诺布,乔少杰. 藏文音节规则模型及应用[J]. 北京大学学报（自然科学版）, 2013, 49(1): 68-74.
[12]	张静杰,昝红英. 副词“都”用法自动识别研究[J]. 北京大学学报（自然科学版）, 2013, 49(1): 165-169.
[13]	李靖宇,谢晓非,葛瑜. 小事件、大影响: 公平感知觉与规则驾驶行为[J]. 北京大学学报（自然科学版）, 2012, 48(4): 670-678.
[14]	罗三保,薛安. 基于规则引擎的突发性大气污染事故应急处理系统研究[J]. 北京大学学报（自然科学版）, 2012, 48(2): 296-302.
[15]	安晓亚, 李颖, 孙群, 严薇. 面向空间数据主动更新的地理事件模型研究[J]. 北京大学学报（自然科学版）, 2011, 47(3): 491-498.

助词“的”用法自动识别研究

Research on Automatic Recognition of Auxiliary “DE”

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 15

编辑推荐

Metrics

留言