多特征文本蕴涵识别研究

被引：2

作者：

赵红燕 ^{[1
]}

刘鹏 ^{[2
]}

李茹 ^{[3
,4
]}

王智强 ^{[3
]}

机构：

[1] 太原科技大学计算机科学与技术学院

[2] 中国电子科技集团公司第二研究所

[3] 山西大学计算机与信息技术学院

[4] 山西大学计算智能与中文信息处理教育部重点实验室

来源：

中文信息学报 | 2014年 / 02期

关键词：

文本蕴含识别; 句法依存关系; FrameNet;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

文本蕴涵识别是解决自然语言中存在的同义异形问题的有效途径。虽然国内外学者已经提出了很多文本蕴涵识别模型,但影响文本蕴涵识别的因素错综复杂,识别准确率普遍不高。该文把文本蕴涵识别看作二元分类问题,抽取词汇特征、句法依存关系特征及FrameNet语义知识库特征的多种特征构造特征矩阵,训练SVM分类器,实现文本蕴涵识别。该方法在国际文本蕴涵识别技术评测RTE3的测试集上进行测试,蕴涵正例识别准确率达到了78.1%,高于RTE3评测2-ways的最高结果。

引用

页码：109 / 115

页数：7

共 18 条

[1]

Erratum: Recognizing textual entailment: Rational, evaluation and approaches (Natural Language Engineering (2009) 15:4 (i-xvii) DOI: 10.1017/S1351324909990209). Dagan, Ido,Dolan, Bill,Magnini, Bernardo,Roth, Dan. Natural Language Engineering . 2010

[2] 基于FrameNet框架关系的文本蕴含识别 [J].

张鹏 ;

李国臣 ;

李茹 ;

刘海静 ;

石向荣 ;

Collin Baker .

中文信息学报, 2012, (02) :46-50

[3] 文本蕴涵的推理模型与识别模型 [J].

袁毓林 ;

王明华 .

中文信息学报, 2010, 24 (02) :3-13

[4]

Probabilistic Textual Entailment:Generic Applied Modeling of Language Variability. Ido Dagan,Oren Glickman. Proceedings of PASCAL workshop on Learning Methods for Text Understanding and Mining . 2004

[5]

Integrating Pattern-based and Distributional Similarity Methods for Lexical Entailment Acquisition. Shachar Mirkin,Ido Dagan,Maayan Geffet. Proceedings of COLING-ACL 2006 . 2006

[6]

http://www.csie.ntu.edu.tw/-cjlin/ .

[7]

http://www.pudn.com/downloads521/sourcecode/windows/dotnet/detail2161512.html .

[8]

Stanford POStagger. http://nlp.stanford.edu/software/tagger.shtml .

[9]

Stanford Parser. http://nlp.stanford.edu/software/lex_parser.shtml .

[10]

Graph-Based Lexicon Expansion with Sparsity-Inducing Penalties. Dipanjan Das,Noah A Smith. Proceedings of NAACL . 2012

← 1 2 →