王 荀，李素建，王宇昕

(北京大学 计算语言学教育部重点实验室，北京 100871)



内容标签和关系标签相结合的汉语篇章标注规范

王 荀，李素建，王宇昕

(北京大学 计算语言学教育部重点实验室，北京 100871)

篇章标注是自然语言处理中的重要任务，很多其他任务，如自动摘要、机器问答等都可以通过篇章标注得到对文本内容和语义的认识，从而获得更好的结果。与此同时，篇章理解的理论如篇章修辞结构(RST)，向心理论(CT)等与实际问题的结合并不紧密，难以实用。该文中我们参考现有的语言学理论和一些语篇标注库(如RST-DT，PDTB)，并结合自然语言处理任务特点，提出了一套用于篇章标注的汉语标注体系。这个体系能够比较准确和全面地描述出篇章的内容和逻辑关系，并很好地服务于实际任务的需要。

篇章语义标注；修辞结构理论；关系标签；内容标签

1 引言

在自然语言处理中，很多任务，如自动摘要、机器问答等，单纯依靠统计的方法只能抽取到文本表面的特征，而且过分依赖于频次等信息。如果可以对篇章进行语义分析，得到对篇章的内容和逻辑关系的认识，便可以辅助模型的设计或者算法的改进从而获得更好的结果。但是现有的篇章语义分析的理论如修辞结构理论(Rhetoric Structure Theory，RST)[1]、语篇向心理论(Centering Theory)[2]等与实际问题的结合并不紧密，导致语义关系难以得到充分利用。

本文参考话语分析理论，特别是RST等篇章结构方面的理论，并结合自然语言处理中常见任务的特点，提出一套用于篇章标注的标签体系。……