卢达威,王星友,袁毓林
(1. 北京大学 中文系,北京 100871;2. 北京语言大学 信息科学学院,北京 100083)
基于远监督的语义知识资源扩展研究
卢达威1,王星友2,袁毓林1
(1. 北京大学 中文系,北京 100871;2. 北京语言大学 信息科学学院,北京 100083)
语义知识资源蕴含了深刻的语言学理论,是语言学知识和语言工程的重要接口。该文以形容词句法语义词典为研究对象,探索对语义知识资源自动扩展的方法。该文的目标是利用大规模语料库,扩展原有词典的词表及其对应的句法格式。具体方法是根据词的句法格式将词典的词分类,将待扩展的新词通过分类器映射到原有词典的词中,以此把词典扩展问题转化为多类分类问题。依据的原理是词典词和待扩展新词在大规模语料中句法结构的相似性。该文通过远监督的方法构造训练数据,避免大量的人工标注。训练过程结合了浅层机器学习方法和深度神经网络,取得了有意义的成果。实验结果显示,深度神经网络能够习得句法结构信息,有效提升匹配的准确率。
资源扩展 远监督 语义知识资源
语义知识资源是在特定的语言学理论基础上,以词型(Type)为标注对象进行语言描写的语言工程实践的成果,是语言学理论和自然语言处理技术结合的重要手段。相比以词例(Token)为标注对象的语料库标注,语义知识资源库建设更为便捷,且对自然语料的覆盖面更大,对系统的可移植性更高。比较有名的语义知识资源有WordNet[1-2]、VerbNet[3]、PropBank[4]、FrameNet[5-6]、ConceptNet[7]和国内的HowNet[8]、《现代汉语语法信息词典》[9]、《同义词词林》[10]等,这些资源都有各自的语言学、心理学或哲学理论基础,成为了语言学理论和自然语言处理的重要接口。……