《篇章結構分析及基於雙語投射的篇章標註方法研究》是依託北京理工大學，由鑒萍擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：篇章結構分析及基於雙語投射的篇章標註方法研究
- 依託單位：北京理工大學
- 項目負責人：鑒萍
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
自然語言處理經歷了幾十年的發展，分析的對象從字、詞、短語到句子，自然而且必然地進入了篇章這一層面。在統計自然語言處理思想和語料庫語言學盛行的今天，隨著賓州篇章樹庫的發布，學者們開始嘗試藉助各種機器學習方法，通過對篇章關係的標註來解釋篇章結構，引發了篇章結構分析的熱潮。但是，由於篇章問題的複雜性，篇章關係分析的核心部分- - 隱式關係的判別，其準確率沒有超過50%。這也是篇章分析處於起步階段的最好證明。本項目首先將矛頭指向這一難題。漢語方面，目前最大的問題是沒有大規模的篇章語料庫, 嚴重製約了漢語篇章的研究和套用。而篇章語料庫的標註又無疑是一項難度大、費時費力的工程。在本項目中，我們希望藉助漢英雙語平行樹庫這一資源，通過對英語端的篇章分析，來得到漢語的篇章關係標記。無論將獲得的漢語篇章語料作為種子語料，還是視其為一種篇章標註的框架，都將是未來構建大規模漢語(甚至其它語言)篇章語料的便捷途徑。
結題摘要
篇章上下文信息的利用是自然語言理解的瓶頸之一。本課題研究PDTB模式下的篇章結構分析方法，搭建了英語和漢語端到端(end-to-end)篇章結構分析平台；針對關係論元邊界識別和隱式關係判別兩個難點問題，提出了基於語義依存的一體化分析方法，將論元邊界識別和關係判別、顯式關係和隱式關係判別統一到了一個分析模型下，以此為基礎，設計並實現了新的英語、漢語篇章結構分析框架；提出了基於word embedding的篇章關係分析方法，提升了英語隱式關係分析性能。針對漢語篇章結構標註數據匱乏問題，基於英漢雙語語料，提出了基於投射的篇章語料庫構建方法，並基於此標註了320篇漢語篇章語料。課題還開展了篇章上下文信息在機器翻譯中的套用研究，最長名詞短語識別方法研究和漢語拼寫錯誤檢查與修正研究，在國內國際評測中獲得了理想的成績。課題執行期間，共發表和錄用學術論文11篇，申請和授權發明專利各1項。
