秦博宇，郝晓燕，刘永芳

太原理工大学 信息与计算机学院，太原030600

框架语义学（frame semantics）是由Fillmore于20世纪70年代提出的。框架语义学作为认知语言学语言结构研究的两大基础理论之一[1]，认为语言及词汇的理解必须建立在框架（frame）之上。在框架语义分析中，FrameNet作为一个独特的语义知识库已经得到了众多研究者的关注。FrameNet是在Fillmore等学者的主持之下由加州大学伯克利分校建立的一项以框架语义学为基础理论的研究工程，曾作为国际计算语言学协会（ACL）国际语义测评SemEval-2007的第19项任务[2]——Frame Semantic Structure Extraction的测评语料对框架语义结构进行抽取。

框架消歧任务是框架语义分析的一个子任务，同时它也是框架语义分析中必不可少的中间环节，具有非常重要的作用。其主要任务是在例句中根据给定目标词的上下文语境，自动识别出该目标词所属的框架。框架消歧任务可以解决自然语言当中的“一词多义”现象，在一定程度上为机器翻译、信息检索等领域提供了语义支持。

目前的框架消歧研究都是将其看作一个传统的单模型分类问题。虽然框架消歧任务在单个模型中都取得了较好的结果，但是仍然存在以下几方面的问题。首先，其结果比较依赖统计模型的性能及参数设置。其次，分类模型将目标词看作独立的个体进行分类不能很好地利用目标词之间的隐性联系。最后，特征标记被认为相互独立，特征之间的关联性较小。

针对以上这些问题，本文选择了在框架消歧任务中表现较好的SVM分类模型和CRF序列标注模型进行组合，首次提出了基于SVM和CRF的双层模型对FrameNet语料进行框架消歧的方法。……