APP下载

中英文篇章依存树库构建与分析

2018-04-04吴永芃李素建秦沐坤王厚峰

中文信息学报 2018年1期
关键词:英文结构分析

吴永芃,李素建,秦沐坤,杨 安,王厚峰

(北京大学 计算语言学教育部重点实验室,北京 100871)

0 引言

自然语言处理领域中,目前已有较多在词与句子的层次上进行的研究,并取得了丰硕的成果。随着研究的深入,人们开始着眼于更高层次的自然语言分析——篇章层次。众所周知,篇章所独具的完整性和连贯性使得一个篇章与一段由若干句子随机组合而成的文本具有显著的不同。我们可以将篇章视为一系列连续的文本单元(如子句、句子或语段)构成的语言整体单位。任何文本单元都不可以被孤立地进行解读,而是需要根据其上下文来理解。篇章分析与标注,旨在对篇章内部的结构和关系进行分析,并在分析的基础上对其进行相应标注。篇章分析技术在自动文摘[1]、自动问答[2]、指代消解[3]等自然语言处理领域中,具有重要的意义。

当前两个有代表性的英语篇章树库为宾州篇章树库(penn discourse treebank,PDTB)和RST树库(rhetorical structure theory-discourse treebank,RST-DT)。PDTB由美国宾夕法尼亚大学创建,标记了约100万字的华尔街日报文章,最新版本为PDTB 2.0[4]。PDTB将语句看作论元(argument),主要标注论元对之间的篇章语义关系和可能的连接词,把一个大的篇章分解成平面化的论元对,篇章标注层次较浅,为浅层篇章标注[5]。RST-DT建立在修辞结构理论(rhetorical structure theory,RST)之上,由美国南加州大学和美国国防部共同创建,共计标记了385篇华尔街日报的文章,总字数超过176 000个[6]。RST理论通过修辞关系对语篇结构进行描写,将整个篇章构建成一棵有层次的RST树[7]。然而,有层次的RST树结构较为复杂,节点数目较多,不同层次的篇章单元有包含关系,难以构建一个统一的用于篇章分析的架构,给机器自动分析带来了困难。……

登录APP查看全文

猜你喜欢

英文结构分析
《形而上学》△卷的结构和位置
隐蔽失效适航要求符合性验证分析
论结构
电力系统不平衡分析
英文摘要
英文摘要
电力系统及其自动化发展趋势分析
论《日出》的结构
英文摘要
英文摘要