蒋玉茹, 宋 柔

(1. 北京工业大学 计算机学院,北京 100022; 2. 北京语言大学 信息科学学院,北京 100083;3. 北京信息科技大学 计算机学院,北京 100101)

1 引言

自然语言处理中的许多应用都是面向篇章的，例如，信息抽取、自动文摘、机器翻译等。相关研究中一个共同的做法是将篇章进行拆分，对句子、词组、词等信息进行统计及相关处理，很少利用篇章的结构特点。而汉语篇章中回指的现象，特别是零形回指，出现的频次较高[1]，所以在将篇章拆分成句子之后，回指词所在的句子会出现成分缺失的现象，这是影响面向篇章的自然语言处理应用水平的一个突出问题。对于零形回指的特点和分布规律，汉语语言学家从句法、语用、篇章和认知四个方面展开过研究，但是这些特点和规律不易于形式化，不利于计算机的处理；语言信息处理领域的研究者利用语言学知识，运用规则或者机器学习方法，对指代消解也做了很多深入的研究，但这些研究多集中于代词和名词的指代消解，对汉语零形回指的指代消解研究较少[2]。

广义话题理论[3]根据汉语篇章的特点，以边界明确的标点句为基础，提出了广义话题和话题句的概念，阐述了汉语的话题结构和话题句特征，描述了话题句动态生成的堆栈模型，为汉语的篇章分析提供了理论基础和形式化的手段。本文即以该理论为基础，开展标点句句首广义话题的识别研究工作。

本文以下部分的组织结构是： 第二节概述广义话题理论中与本文紧密相关的内容；……