基于图模型的语义角色标注重排序  

Graphical Model Based Semantic Role Labeling Reranking

作　　者：熊皓[1,2] 刘群[1] 吕雅娟[1] 

机构地区：[1]中国科学院计算技术研究所,北京100190 [2]橙译中科信息技术有限公司,北京100010

出　　处：《中文信息学报》2013年第5期51-59,共9页Journal of Chinese Information Processing

基　　金：863重大项目课题资助(2011AA01A207)

摘　　要：传统的语义角色标注模型使用的都是本地特征,不利于捕捉一些全局性的标注错误。该文提出使用图模型对语义角色标注结果进行重排序,利用标记传播迭代算法对标注的结果进行重排序,保证全局标注结果的一致性。该文在PropBank上的实验表明,采用重排序后标注性能有了2.4个F值的显著提升。在不使用系统融合技术的情况下,标注的结果是当前世界最好的性能。Traditional methods for Semantic Role Labeling（SRL）generally utilize some local features to identify and classify the semantic roles which are hard to capture labeling inconsistency.In this paper,we propose a graphical model to rerank the results via label propagation algorithm.Experimental results on PropBank show that our models significantly improve the performance 2.4points in term of F score,and obtain the best results on this data set without using any system combine techniques.

关 键 词：语义角色标注 图模型 重排序 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]