联合语义角色标注和指代消解  

Joint Semantic Role Labeling and Coreference Resolution

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6期58-68,共11页Journal of Chinese Information Processing

基　　金：国家863计划重大项目资助(2011AA01A207)

摘　　要：语义角色标注和指代消解是自然语言处理中两个重要的基础研究任务,该文提出使用马尔科夫逻辑网络对两个任务进行联合学习推导。通过提出8条联合学习规则,在OntoNote5.0的实验中证明采用联合学习推导后,两者的标注性能都比单独标注任务有了1.6个F值的性能提升。Semantic Role Labeling （SRL） and Coreference Resolution（CR） play important role in natural language processing applications. In this paper, we propose 8 rules to jointly learn and inference two tasks using markov logic network. Experimental results on OntoNote5. 0 show that joint learning with markov logic network significantly improve 1.6 points in term of F score both on SRL and CR towards single systems.

关 键 词：语义角色标注 指代消解 马尔科夫逻辑网络 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]