基于最大熵模型的英文名词短语指代消解  

English Noun Phrase Coreference Resolution via a Maximum Entropy Model

作　　者：钱伟[1] 郭以昆[1] 周雅倩[1] 吴立德[1] 

机构地区：[1]复旦大学计算机科学与工程系,上海200433

出　　处：《计算机研究与发展》2003年第9期1337-1343,共7页Journal of Computer Research and Development

基　　金：国家自然科学基金(69873 0 1160 10 3 0 14);国家"八六三"高技术研究发展计划基金 ( 2 0 0 1AA114 12 0 )

摘　　要：提出了一种新颖的基于语料库的英文名词短语指代消解算法 该算法不仅能解决传统的代词和名词 /名词短语间的指代问题 ,还能解决名词短语间的指代问题 同时 ,利用最大熵模型 ,可以有效地综合各种互不相关的特征 算法在MUC 7公开测试语料上F值达到了 6 0 2 % ,极为接近文献记载的该语料库上F值的最优结果 6 1 8%In this paper, a novel corpus based learning approach to noun phrase coreference resolution is presented This approach aims to solve not only pronoun anaphora problem, but also a more general noun phrase coreference one, which is introduced by MUC By applying the maximum entropy (M E ) model and utilizing a flexible object based architecture, the system is able to make use of a range of knowledge sources in training the classifier and achieves an F measure of 60 2%, which is very close to the state of art result (61 8%), on the MUC 7 coreference resolution task corpus

关 键 词：最大熵 名词短语指代消解 自然语言处理 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP391[自动化与计算机技术—控制科学与工程]