赵红燕,李 茹,张 晟,张力文

(1． 山西大学 计算机与信息技术学院，山西 太原 030006;2. 太原科技大学 计算机科学与技术学院，山西 太原 030024；3. 山西大学 计算智能与中文信息处理教育部重点实验室，山西 太原 030006)

基于DNN的汉语框架识别研究

赵红燕1,2,李 茹1,3,张 晟1,张力文1

(1． 山西大学 计算机与信息技术学院，山西 太原 030006;2. 太原科技大学 计算机科学与技术学院，山西 太原 030024；3. 山西大学 计算智能与中文信息处理教育部重点实验室，山西 太原 030006)

框架识别是语义角色标注的基本任务,它是根据目标词激起的语义场景,为其分配一个合适的语义框架。目前框架识别的研究主要是基于统计机器学习方法，把它看作多分类问题，框架识别的性能主要依赖于人工选择的特征。然而，人工选择特征的有效性和完备性无法保证。深度神经网络自动学习特征的能力，为我们提供了新思路。该文探索了利用深度神经网络自动学习目标词上下文特征，建立了一种新的通用的框架识别模型，在汉语框架网和《人民日报》2003年3月新闻语料上分别取得了79.64%和78.58%的准确率，实验证明该模型具有较好的泛化能力。

汉语框架；框架识别；深度神经网络；分布式表征

1 引言

语义角色标注(Semantic role labeling,简称SRL)是浅层语义分析的一种有效方式，自2004年以来一直受到国内外自然语言处理学者的关注。汉语框架语义角色标注是基于汉语框架网(Chinese FrameNet，简称CFN)语料资源的论元角色标注，旨在研究目标词激起的特定语义场景下的角色标注问题。……