基于分治策略的组块分析  

A Divide-and-Conquer Strategy for Chunking

作　　者：周俏丽[1] 刘新[1] 郎文静[1] 蔡东风[1] 

机构地区：[1]沈阳航空航天大学知识工程中心,辽宁沈阳110136

出　　处：《中文信息学报》2012年第5期120-128,共9页Journal of Chinese Information Processing

基　　金：国家自然科学基金资助项目(60842005)

摘　　要：组块分析的主要任务是语块的识别和划分,它使句法分析的任务在某种程度上得到简化。针对长句子组块分析所遇到的困难,该文提出了一种基于分治策略的组块分析方法。该方法的基本思想是首先对句子进行最长名词短语识别,根据识别的结果,将句子分解为最长名词短语部分和句子框架部分;然后,针对不同的分析单元选用不同的模型加以分析,再将分析结果进行组合,完成整个组块分析过程。该方法将整句分解为更小的组块分析单元,降低了句子的复杂度。通过在宾州中文树库CTB4数据集上的实验结果显示,各种组块识别结果平均F1值结果为91.79%,优于目前其他的组块分析方法。Chunking ipcludes identification and labeling of chunks, which is a way to reduce the difficulty of complete syntactic parsing through segmenting a sentence into small chunking parts. In order to reduce the complexity of long sentence chunking, a divide-and-conquer strategy is described in this paper. The basic idea of this method is to first recognize the maximal noun phrases （MNP） form a full sentence; then identify the chunks within the MNPs and a- mong the frame of the sentence without MNPs ~. Experiments are carried out on the data set of UPenn Chinese Treebank-4 （CTB4） and the results show the the best of overall F1 score of Chinese chunking is 91. 79%, which is higher than the performance produced by the state-of-the-art machine learning models.

关 键 词：汉语组块分析 分治策略 句法分析 最长名词短语 条件随机场 支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]