基于归约的汉语最长名词短语识别方法

钱小飞，侯 敏

(1. 上海大学 文学院，上海 200444；2. 中国传媒大学 国家语言资源监测与研究中心有声媒体中心，北京 100024)



基于归约的汉语最长名词短语识别方法

钱小飞1，侯 敏2

(1. 上海大学 文学院，上海 200444；2. 中国传媒大学 国家语言资源监测与研究中心有声媒体中心，北京 100024)

该文提出了最长名词短语(MNP)的操作性定义，分析了其构造和分布特征，并设计了一种基于baseNP归约的识别方法，利用MNP结构特性及起始有定成分、语义核心等语言学特征，缓解了最长名词短语长距离依赖与模型观察窗口受限的矛盾。开放测试取得了88.68%的正确率和89.21%的召回率；归约方法全面提升了识别性能，特别是将多词结构的调和平均值提高1%，优化幅度达6%以上，并且对长距离复杂结构有着更好的识别效果。

最长名词短语；识别；归约；基本名词短语

1 引言

名词短语的句法处理是自动句法分析的重点和难点。最长名词短语(MNP)是语言信息处理学界专门提出的名词短语类别，约占据句子长度的60%以上，它的识别可以为机器翻译、指代消解等重要应用提供有效支持。

最长名词短语识别有两种方法：基于规则的方法和基于统计的方法，实际常结合使用。规则方法主要利用词类序列的组合规则判别边界[1]；统计方法通过计算某个位置出现边界的概率[2-3]、词语的位置类别来识别MNP，其中统计机器学习方法是当前的主流方法[4]。从识别策略看，基于2-phase策略[5]的统计机器学习方法取得了较好效果：先识别组块，然后以此为特征识别MNP。……