汉语最长名词短语识别研究

内容简介

　　人类语言具有结构性，非常明显的体现是句法结构。理解语言离不开对句法结构的分析。因此，自动句法分析作为自然语言处理的基础性工作，是通往语言理解的基石，很多复杂的自然语言处理任务都需要建立在一定程度的句法分析基础之上。　　自然语言处理研究认为两种名词短语有重要价值，一种是基本名词短语，一种是**名词短语。相比较而言，后者不仅长度大，所合成分与结构也更复杂多样。作为名词短语的一种动态类型，汉语**名词短语占据了一半以上的句长比例，识别出它们就可以快速地掌握句子的基本骨架，不仅有助于完全句法分析，也对机器翻译、信息抽取等多种任务具有很高的应用价值。　　**名词短语识别工作虽然取得了一定的进展，但距离令人满意的效果还有不小的差距，从而对各种应用系统的支持也受到限制。目前主流的**名词短语识别方法是统计机器学习方法，通过词语位置分类和序列标注实现短语识别，大大提高了正确率和召回率，但也遇到了增长瓶颈。打破这一瓶颈，需要我们深入研究**名词短语的结构和分布规律，提出新的识别策略、方法和有效特征。　　《汉语**名词短语识别研究》从理论定义、分布描写、识别方法等角度对**名词短语识别工作进行系统的探讨。首先，通过层次构造、长度约束、名词性认定和外延范围的认定，界定了一种新的多层级**名词短语。其次，从句法功能、句法结构和线性特征等角度细致地描写**名词短语的分布规律，分析了其复杂性构造和识别难点问题。*后，基于分布规律制定合适的识别策略和方法，选取有效的识别特征，并分类进行识别实验。