语义角色标注中有效的识别论元算法研究

被引：10

作者：

丁金涛

周国栋

王红玲

朱巧明

机构：

[1] 苏州大学计算机科学与技术学院

来源：

计算机工程与应用 | 2008年 / 18期

关键词：

语义角色标注; 论元识别; 支持向量机;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP18 [人工智能理论];

学科分类号：

120506 [数字人文]; 140502 [人工智能];

摘要：

语义角色标注中论元识别的结果对论元分类任务起着很重要的作用。以句法成分的中心词为依据,对论元识别算法进行研究,在训练集上识别出了98.78%的论元,在测试集识别出了97.17%的论元,并大大减少了不承担角色的训练样例。在此基础上以句法成分为标注单元,在自动句法分析上抽取和组合有用的特征,用支持向量机的方法进行学习分类,在测试集上获得77.84%的F1值。此结果是目前报告的基于单一句法分析的最好结果之一。

引用

页码：153 / 156

页数：4

共 4 条

[1]

基于最大熵分类器的语义角色标注 [J].

刘挺 ;

车万翔 ;

李生 .

软件学报, 2007, (03) :565-573

[2]

The Proposition Bank: An Annotated Corpus of Semantic Roles[J] Martha Palmer;Daniel Gildea;Paul Kingsbury Computational Linguistics 2005,

[3]

Support Vector Learning for Semantic Argument Classification.[J] Sameer Pradhan;Kadri Hacioglu;Valerie Krugler;Wayne Ward;James H. Martin;Daniel Jurafsky Machine Learning 2005,

[4]

Automatic Labeling of Semantic Roles[J] Daniel Gildea;Daniel Jurafsky Computational Linguistics 2002,

← 1 →