基于短语及依存的标注规则和短语识别算法研究

目前，自然语言处理大多是借助于分词结果进行句法依存分析，主要采用基于监督学习的端对端模型。该方法主要存在两个问题，一是标注体系繁多，相对比较复杂；二是无法识别语言嵌套结构。为了解决以上问题，该文提出了基于短语窗口的依存句法标注规则，并标注了中文短语窗口数据集(CPWD),同时引入短语窗口模型。该标注规则以短语为最小单位，把句子划分为7类可嵌套的短语类型，同时标示出短语间的句法依存关系；短语窗口模型借鉴了计算机视觉领域目标检测的思想，检测短语的起始位置和结束位置，实现了对嵌套短语及句法依存关系的同步识别。实验结果表明，在CPWD数据集上，短语窗口模型比传统端对端模型F₁值提升超过1个百分点。相应的方法应用到了CCL2018的中文隐喻情感分析比赛中，在原有基础上F₁值提升了1个百分点以上，取得第一名成绩。