詞性標(biāo)注就是在給定句子中判定每個(gè)詞的語法范疇，確定其詞性并加以標(biāo)注的過程。漢語詞性標(biāo)注是中文信息處理的重要內(nèi)容，已經(jīng)廣泛應(yīng)用于機(jī)器翻譯、自動(dòng)摘要、文本分類、文本校對(duì)和語音識(shí)別等各方面[1]，并具有廣闊的應(yīng)用前景。

　　摘要：動(dòng)詞細(xì)分類屬于詞性標(biāo)注的一部分，是自然語言處理的重要內(nèi)容之一�；�于條件隨機(jī)場在分詞和詞性標(biāo)注的基礎(chǔ)上對(duì)動(dòng)詞進(jìn)行了更細(xì)致的分類。根據(jù)動(dòng)詞的語言環(huán)境構(gòu)建條件隨機(jī)場模型，實(shí)驗(yàn)結(jié)果表明該方法取得了較高的準(zhǔn)確率，最高取得了98.11的F值。

　　關(guān)鍵詞：動(dòng)詞細(xì)分,詞性標(biāo)注,條件隨機(jī)場

　　0引言

　　動(dòng)詞是一種常見的詞性，在漢語句子中占有很大比例。在分詞和詞性標(biāo)注后對(duì)動(dòng)詞進(jìn)行細(xì)分有著重要的意義。動(dòng)詞細(xì)分類是在分詞和詞性標(biāo)注的基礎(chǔ)上，根據(jù)動(dòng)詞在句子中的不同語法或語義特性進(jìn)行更細(xì)的標(biāo)注。動(dòng)詞細(xì)分類可以提高句法分析的精確度，能夠有效地分析句法上的歧義結(jié)構(gòu)。對(duì)其進(jìn)行深入的探討分析已然成為目前學(xué)術(shù)界的關(guān)注焦點(diǎn)之一，本文即致力于此，展開論述。

　　1研究現(xiàn)狀

　　動(dòng)詞細(xì)分類是詞性標(biāo)注的一部分，當(dāng)前許多學(xué)者已經(jīng)針對(duì)詞性標(biāo)注發(fā)布了相關(guān)的研究成果。尹木，肖錚[1]根據(jù)動(dòng)詞細(xì)分類自身的特點(diǎn)，提出了一種改進(jìn)的隱馬爾可夫模型的方法進(jìn)行動(dòng)詞類別的自動(dòng)劃分。孫靜[2]等提出了一種基于條件隨機(jī)場CRFs模型的無監(jiān)督的中文詞性標(biāo)注方法。首先利用詞典對(duì)獲得的已分好詞的生文本進(jìn)行詞性標(biāo)注，得到初始標(biāo)注語料，然后利用CRFs對(duì)語料進(jìn)行迭代標(biāo)注，再逐步優(yōu)化標(biāo)注結(jié)果。袁里馳[3]針對(duì)隱馬爾可夫（HMM）詞性標(biāo)注模型狀態(tài)輸出獨(dú)立同分布等與語言實(shí)際特性不夠協(xié)調(diào)的假設(shè)，對(duì)隱馬爾可夫模型進(jìn)行改進(jìn)，引入馬爾可夫族模型。劉滔[4]則針對(duì)條件隨機(jī)場模型面對(duì)大規(guī)模數(shù)據(jù)傳統(tǒng)訓(xùn)練算法單機(jī)處理性能不高的問題，提出一種基于MapReduce框架的條件隨機(jī)場模型訓(xùn)練并行化方法，進(jìn)而設(shè)計(jì)了條件隨機(jī)場模型特征提取及參數(shù)估計(jì)的并行算法，實(shí)現(xiàn)了迭代縮放算法的并行。

　　2動(dòng)詞細(xì)分類研究

　　2.1動(dòng)詞細(xì)分類標(biāo)注

　　本文研究的動(dòng)詞細(xì)分類是在863詞性標(biāo)注集的基礎(chǔ)上，對(duì)動(dòng)詞進(jìn)行了更細(xì)致的分類。動(dòng)詞在整句中處于核心地位，但是863詞性標(biāo)注集將所有動(dòng)詞都?xì)w為一類。本文則針對(duì)動(dòng)詞在句子中的語法結(jié)構(gòu)及語義特征，將動(dòng)詞細(xì)分為5類，細(xì)分后動(dòng)詞詞性如表1所示。

　　2.2基于條件隨機(jī)場的動(dòng)詞細(xì)分類

　　本文的訓(xùn)練語料包含三列，分別為詞、原始詞性、細(xì)分之后的詞性。其中，原始詞性采用863詞性標(biāo)注集的詞性。細(xì)分后的詞性則包括兩類：非動(dòng)詞、動(dòng)詞。所有的非動(dòng)詞都標(biāo)注為O，動(dòng)詞詞性需根據(jù)表1所示細(xì)分表，分別標(biāo)注為：vx、vz、vb、vq和vg。特征一詞的本意是指一個(gè)事物異于其他事物的特點(diǎn)，在CRF模型中，可將特征定義為一種規(guī)則，用于描述數(shù)據(jù)中的規(guī)律性或數(shù)據(jù)的統(tǒng)計(jì)特征。利用CRF模型進(jìn)行序列標(biāo)注的關(guān)鍵之一在于如何針對(duì)特定的任務(wù)為模型選取特征。影響動(dòng)詞細(xì)分類標(biāo)注結(jié)果的主要因素有詞和詞性標(biāo)注，而除了這兩個(gè)因素外，本文還根據(jù)動(dòng)詞細(xì)分類的任務(wù)選取了其他的特征。文中針對(duì)動(dòng)詞細(xì)分類問題所選的特征，如表2所示。第1期石翠：基于條件隨機(jī)場的動(dòng)詞細(xì)分類研究智能計(jì)算機(jī)與應(yīng)用第4卷

　　2.3.1實(shí)驗(yàn)數(shù)據(jù)及評(píng)價(jià)標(biāo)準(zhǔn)

　　本實(shí)驗(yàn)所使用的語料是經(jīng)過分詞、詞性標(biāo)注的語料。該語料共包含4000個(gè)句子，詞性標(biāo)注采用863詞性標(biāo)注集，實(shí)驗(yàn)將前3000句作為訓(xùn)練集，后1000句中，500句作為測(cè)試集，500句作為開發(fā)集。

　　從實(shí)驗(yàn)結(jié)果可以看出，運(yùn)用template2模板的動(dòng)詞細(xì)分類識(shí)別效果最好，該模板選擇的特征與復(fù)合特征都較少。從特征選擇上看，動(dòng)詞細(xì)分類主要與詞特征相關(guān)，且由于動(dòng)詞在句子中的核心地位，所有的動(dòng)詞都能識(shí)別為動(dòng)詞，只存在動(dòng)詞細(xì)分的錯(cuò)誤，所以實(shí)驗(yàn)獲得了相同的準(zhǔn)確率、召回率和F值。

　　3結(jié)束語

　　動(dòng)詞及動(dòng)詞短語在漢語中占很大比例，對(duì)動(dòng)詞進(jìn)行細(xì)分類可以更好的理解句子的含義，有利于句法的分析和基于模板的翻譯。本文分析了動(dòng)詞分類的特點(diǎn)，并將動(dòng)詞的細(xì)分類轉(zhuǎn)化為傳統(tǒng)的序列標(biāo)注問題，利用條件隨機(jī)場（CRF）進(jìn)行統(tǒng)計(jì)決策。

　　參考文獻(xiàn)：

　　[1]尹木，肖錚.詞性標(biāo)注與動(dòng)詞細(xì)分類研究[J].電腦知識(shí)與技術(shù)，2009，24（5）：6774-6776.

　　[2]孫靜，李軍輝，周國棟.基于條件隨機(jī)場的無監(jiān)督中文詞性標(biāo)注[J].計(jì)算機(jī)應(yīng)用與軟件，2011，28（4）：21-24.

　　[3]袁里馳.基于改進(jìn)的隱馬爾科夫模型的詞性標(biāo)注方法[J].中南大學(xué)學(xué)報(bào).2012，43（8）：3051-3057.

　　[4]劉滔，雷霖，陳犖，等.基于MapReduce的中文詞性標(biāo)注CRF模型并行化訓(xùn)練研究[J].北京大學(xué)學(xué)報(bào)，2013（1）：147-152.

　　[5]趙紅改，呂學(xué)強(qiáng)，肖詩斌.搜索引擎日志中“N+V”型短語分析[J].計(jì)算機(jī)應(yīng)用與軟件，2012，29（11）：126-129.

　　[6]LAFFERTYJ，MCCALLUMA，PEREIRAF.Conditionalrandomfields：probabilisticmodelsforsegmentingandlabelingsequencedata[C]//ProceedingsofICML，2001：282-289.

　　[7]廖先桃.CRF理論、工具包的使用及在NE上的應(yīng)用[OL].[2006-06-04].http：//wenku.baidu.com/view/dd36312fbd64783e

轉(zhuǎn)載請(qǐng)注明來自：http://www.jinnzone.com/zhinengkexuejishulw/34219.html