基于语义相似度的句法歧义结构消解

维普资讯 http://www.cqvip.com 第２３卷第１期　２００６年２月　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｈｅｎｙａｎｇ　Ｉ沈阳航空工业学院学报　ｎｓｔｉｔｕｔｅ　ｏｆ　Ａｅｒｏｎａｕｔｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｆｅｈ．２【ｘ）６　Ｖ０１．２３　Ｎｏ．１　文章编号：１００７—１３８５（２００６）Ｏ１—００４７—０４　基于语义相似度的句法歧义结构消解　周俏丽　蔡东风吕德新朱江涛吴英泽　（沈阿Ｉ航空：Ｌ业学院ＥＩ然语吉处　实验室，ｉ工　：沈阳１１００３４）　摘　要：以汉语句法结构分析中最普遍存在的句法结构歧义现象，即“动词短语＋名词短语＋的　＋名词短语”（ＶＰ＋ＮＰ１＋的／ｕ＋ＮＰ２）为研究对象，提出了一种基于知网知识库的歧义消解　策略。据此提出利用改进的知网相似度计算的歧义消解策略。通过对从人民日报的语料中抽取　１０００个“ＶＰ＋ＮＰ１＋的／ｕ＋ＮＰ２”的实例进行测试，实验结果正确率达到８３．４％，表明这是一　种有效的识别“ＶＰ＋ＮＰ１＋的／ｕ＋ＮＰ２”歧义结构的方法。　关键词：知网；歧义结构；消歧；相似度计算　中囤分类号：Ｔｌ￣９１　文献标识码：Ａ　歧义现象是指一个语言片断可以作两种或两　名词分类建立的规则进行消解的方法；最后在第　种以上的语义理解。歧义又叫做”同形”，一个着　六节给出了实验结果和总结。　眼于内容，一个着眼于形式，这是一个问题的两个　方面。歧义必须以同形作为前提，不同形就无所　２　ＶＮＮ歧义结构分析　谓歧义。在进行文本的自动句法分析中，歧义的　ＶＮＮ是汉语研究中最早发现的一种歧义格　自动消解是一个关键而又尚未完全解决的问题。　式…。在这个格式中，Ｎｌ可作为ＶＰ的宾语，述　因此，深入地探讨同形歧义对于自然语言计算机　宾结构“ＶＰ＋ＮＩ”加上“的”之后，作名词Ｎ２的　处理具有重要的作用。　定语，整个结构是一个定中结构；Ｎ１又可与“的”　本文以人民日报１９９８年１月的语料为研究　结合在一起作Ｎ２的定语，“Ｎｌ＋的／ｕ＋Ｎ２”这　对象从中提取带有歧义格式“Ｖ＋Ｎ１＋的／ｕ＋　个名词词组再作为ＶＰ的宾语，整个结构是一个　Ｎ２”（以下简写为ＶＮＮ）　，通过我们的统计，发现　述宾结构。因此，ＶＮＮ会产生定中或述宾这两种　在上述语料中带有ＶＮＮ歧义格式的句子已经占　结构…。当实例化为“咬死了猎人的狗”时就会　到１８％。可以说，ＶＮＮ这种歧义格式在汉语中是　产生上述两种结构。按照这两种结构对应的依存　普遍存在的。所以说，解决ＶＮＮ这种歧义结构将　句法树结构，有下面两种结果（如图１，２）。　对汉语的句法分析起着至关重要的作用。　目前，被大多数人所熟知的汉语自动句法分　析器是中科院研发的概率型的自然语言句法分析　器　我们随机抽取１１３个带有“Ｖ＋Ｎ１＋的／Ｉｌ＋　Ｎ２”结构的句子，用中科院的句法分析器进行分　囤Ｉ　述宾结构的依存句法树结构　析。经过测试，句法分析正确率只达到５１．３％。　所以本文对“Ｖ＋Ｎｌ＋的／ｕ＋Ｎ２”进行专项研究　并提出了自己的歧义消解策略。　本文在第二节对“Ｖ＋Ｎｌ＋的／ｕ＋Ｎ２”进行　了具体的分析；第三三节介绍了对知网和歧义结构　图２定中结构的依存句法树结构　消解的相关研究；第四节讲述了利用知网相似度　但是，ＶＮＮ这个歧义格式并不是始终具有歧　进行消解的方法和具体步骤；第五　讲述了利用　义，当用具体的单词去代替歧义格式中的范畴符　号时。在所形成的具体的句子或词组中，歧义格式　收舶｝］期：２００５—１２一Ｕ６　作者简介：川们耐（Ｉ９７７一），女。江宁沈…人，硕上研究　【　中原有的歧义有可能继续保持，也有可能不再继　续保持而消失得无影无踪了…。具体例子如下：　维普资讯 http://www.cqvip.com 沈阳航空工业学院学报　第２２卷　撞倒弟弟的自行车告别母校的学生咬死猎　人的狗（有歧义）　撞倒路边的自行车检查大楼的电梯解释旅　行团的章程（述宾关系）　撞倒柱子的自行车学习英语的条件缝补衣　服的妈妈（定中关系）　如果说这个潜在歧义结构经过实例化后，歧　义并没有消失而是转化成了现实的真歧义结构　（如：撞倒弟弟的自行车）。那么这种现实的歧义　必须把它放到完整的句子中才能得到歧义的消　解。而在本文中对如何消解这种现实的歧义暂时　不做讨论，本文的目标是对不能转化为现实歧义　的潜在歧义进行消解。　３相关研究概述　３．１歧义结构消解　目前在自然语言的计算机处理中，“制约歧　义消解方法”是普遍采用的歧义消解方法之一。　所谓基于“制约”的歧义消解方法，就是利用句法　语义的制约条件，排除不能满足制约条件的结构，　从而达到歧义？肖解的目的。而ＶＮＮ这种潜在歧　义结构要转化为现实歧义结构必须满足以下二个　语义制约条件：　Ａ．当Ｎｌ和Ｎ２在语义上同时可以作为ＶＰ　的受事时，Ｎ２可以作为ＶＰ的施事；；　Ｂ．Ｎｌ和Ｎ２在语义上存在领属与被领属关　系，Ｎｌ是领属者，Ｎ２是被领属者。而Ｎｌ与Ｎ２　能否成为ＶＰ的受事问题，实质上就是动词对宾　语的语义选择限制问题。然而动词对宾语的语义　选择限制主要指动词对宾语语义类的制约约束。　跟动词语义选择限制相关的另一个侧面是研究动　词的搭配，为此我们实验室构建了动词与名词的　搭配库。在此搭配库的基础上我们利用知网的相　似度计算来证明动词对名词语义选择的限制，从　而得到歧义的消解。　３．２知网简介　知网　是一个以汉语和英语的词语所代表　的概念为描述对象，以揭示概念与概念之间以及　概念所具有的属性之间的关系为基本内容的常识　知识库。与词林等传统的语义词典不同，《知网》　２００５中采用了２０００多个义原，通过知识词典描　述语言ＫＤＭＬ（Ｋｎｏｗｌｅｄｇｅ　Ｄｉｃｔｉｏｎａｒｙ　Ｍａｒｋｕｐ　Ｌａｎ—　ｇｕａｇｅ）来对每个概念进行描述。义原一方面作为　描述概念的最基本单位，另一方面，义原之间又存　在复杂的关系。在《知网》中，一共描述了义原之　间的８种关系：上下位关系、同义关系、反义关系、　对义关系、属性一宿主关系、部件～整体关系、材　料一成品关系、事件一角色关系。可以看出，义原　之间组成的是一个复杂的网状结构，而不是一个　单纯的树状结构。不过，义原关系中最重要的还　是的上下位关系。根据义原的上下位关系，所有　的“基本义原”组成了一个义原层次体系这个义　原层次体系是一个树状结构，这也是我们进行语　义相似度计算的基础。　４基于知网的语义相似度消歧　４．１语义相似度的计算　在本文中以动词和名词的搭配库为模板来计　算ＶＮＮ结构中的“Ｎｌ，Ｎ２”与搭配库中的与“ＶＰ”　形成搭配的词之问的相似度，目的是比较“Ｎｌ，　Ｎ２”中哪一个与搭配库中的词的相似度更强，从　而来消解歧义结构。关于基于知网的相似度计算　有很多种，在本文中使用的是我们实验室开发的　改进的知网２００４相似度的计算，下面作以简要介　绍。　对于两个汉语词语　和　，如果　有　个义项（概念）：Ｓ　Ｓ　，……，Ｓ　，　有ｍ个义项　（概念）：Ｓ：　，｜ｓ２２，－…一，Ｓ　，我们规定，　和　的　相似度各个概念的相似度之最大值，也就是说：　Ｓｉｍ（Ｗ１，　）＝ｍａｘ．．　Ｓｉｍ（Ｓ　Ｓ２ｆ）　（１）　这样，我们就把两个词语之间的相似度问题　归结到了两个概念之问的相似度问题＿５　Ｊ。当然，　我们这里考虑的是两个名词之间的相似度。所以　在计算两个概念之问的相似度之前先判断它的词　性。计算两个概念（ｓ　，ｓ　）之问的相似度分为以　下几个步骤：　（１）计算ＤＥＦＩ，ＤＥＦ２的首义原之间的相似　度Ｓｉｍ（Ｄｆｌ，Ｄｔ２）＝ｐｌ；　（２）计算ＤＥＦｌ，ＤＥＦ２之间的相似度Ｓｉｍ　（Ｄｌ，Ｄ２）＝ｐ２；　（３）计算２）步骤中提取的首义原框架（框架　是对义原的定义。每一个义原都继承上位义原的　所有框架。）之间的相似度，为Ｓｉｍ（Ｓｆｌ，Ｓｆ２）＝　ｐ３；　首义原的框架：知网中每一个义原都有一框　架。如：”ｈｕｍａｎ１人”的框架如下：　｛ＡｎｉｍａｌＨｕｍａｎ　Ｉ动物：ＨｏｓｔＯｆ＝｛Ａｂｉｌｉｔｙ　ｌ能　力｝｛Ｎａｍｅ　Ｊ姓名｝｛Ｗｉｓｄｏｍ　ｊ智慧｝，｛ｓｐｅａｋ　ｊ说：ａ一　维普资讯 http://www.cqvip.com 第１期　周俏丽等：基于语义相似度的句法歧义结构消解　４９　ｇｅｎｔ＝｛一｝｝，｛ｔｈｉｎｋｌ思考：ａｇｅｎｔ＝｛一｝｝｝　（４）判断两个概念的首节点是否在具有相同　义原树上，如果不是，记０４＝０；根据概念１的相　关词汇集合Ａ，概念２的相关词汇集合Ｂ，其中相　关概念场的每一个词汇都可以代表一个相关的特　征词向量，然后计算Ａ和Ｂ的向量空问夹角，采　用夹角余弦计算相似度值Ｓｉｅｒ（Ｄｒｌ，Ｄｒ２）＝０４。　（５）两个概念之间的相似度为：　Ｓｉｅｒ（Ｓ１，Ｓ２）＝ｐｌ半Ｂｌ＋ｐ２半１３２＋ｐ３木１３３＋　０４　Ｂ４……（２）　其中Ｂ　，Ｂ　，Ｂ，，Ｂ　表示各个不同组成部分　所得的相似度的权重，它们的关系为１３　＋ｐ　＋１３，　＋１３４＝１。在本文中１３ｌ＝０．１，１３２＝０．５，１３３＝０．１，　１３　＝０．３。　４．２排歧算法的实例说明　例如：我们要判断”陷入／ｖ困境／ｎ的／ｕ公　司／ｎ”是属于下面哪一种结构：　［陷入／ｖ［困境／ｎ的／ｕ公司／ｎ］］述宾结　构；　［陷入／ｖ困境／ｎ的／ｕ［公司／ｎ］］定中结　构；　（１）在动词和名词（ＶＮ）搭配库中找到与”陷　入”形成的所有的搭配，见表ｌ：　表ｌ在搭配库中与“陷入”形成的所有搭配　（２）计算“困境”和“公司”与ｍ个搭配之间　的相似度并得出最大值，见表２。　表２相似度的计算结果　（３）进行最大相似度的比较，最后确定“ＶＰ　＋Ｎ１＋的＋Ｎ２”的结构。　（ｗ为搭配库中与ＶＰ形成搭配的词的集　合。）　ｍａｘＳｉｍ（困境，Ｗ）＝１．００００００；　ｍａｘＳｉｍ（公司，Ｗ）＝０．０２８５７ｌ；　通过上面的值可以得出，”困境”比”公司”更　适合与”陷入”形成搭配。所以”陷入／ｖ困境／ｎ　的／ｕ公司／ｎ”属于定中结构［陷入／ｖ困境／ｎ的／　Ｕ［公司／ｎ］］。　５基于名词分类的规则消歧　我们根据相似度的比较来确定Ｎ１为ＶＰ的　受事还是Ｎ２为ＶＰ的受事。但是，如果在ｍａｘ—　Ｓｉｅｒ（Ｎ１，Ｗ）＝ｍａｘＳｉｍ（Ｎ２，Ｗ）的时候，我们根据　Ｎｌ与Ｎ２之间在语义上存在的领属和被领属关　系并利用名词分类来制定规则进行消歧。　５．１按名词的语义类把名词分类：　（１）一般名词：人民／机器／老虎　（２）具有人的特征名词：残疾人，坏人，博士　生，职工，孩子，救世者等。　５．２根据名词分类的消歧规则　当具有人的特征的名词出现在Ｎ１的位置时　直接确定为述宾结构；如果出现在Ｎ２位置时直　接确定为定中结构。如果同时出现在Ｎｌ和Ｎ２确　定为述宾结构。实例如下：　敲响／ｖ钟声／ｎ的／ｕ人／ｎ（定中结构）；　研究／ｖ自然科学／ｌ的／ｕ博士生／ｎ（定中结　构）；　还有／ｖ溥杰／ｎｒ的／ｕ字／ｎ（述宾结构）；　还有／ｖ英烈／ｎ的／ｕ后裔／ｎ（述宾结构）。　６实验结果和分析　６．１实验流程　本文以我们实验室所构建的动词和名词搭配　库为模板，运用改进的知网相似度计算和知网的　义原分类规则对ＶＮＮ结构进行消歧。实验流程　如图３。其中原始语料为经过分词和词性标注的　语料。　６．２实验结果　从２００１年人民日报的语料中抽取１０００个　ＶＮＮ测试正确率为８３．４％。测试结果如表５。　表５使用方法所占比例和各方法判断的正确率　维普资讯 http://www.cqvip.com 沈阳航空工业学院学报　第２２卷　参考文献：　［１］冯志伟．论歧义结构的潜在性［Ｊ］．中文信息学报。１９９５（４）　［２］吴云芳，段慧明，俞士泣．动词对宾语的语义选择限制［Ｊ］．语　言文字应用．２００５（２）　【３］朱德熙．汉语句法中的歧义现象．现代议语语法研究［Ｍ］，北　京：商务印书馆，１９８０　［４］孙茂松，黄昌宁．汉语中的兼类词、同形词类组及其处理策略　［Ｊ］，中文信息学报．１９８９（４）　［５］刘群，李索建．基于《知网》的词汇语义相似度计算．第三届汉　圈３买验流程图　语词汇语义学研讨会，中国台北，２００２　［６］董振东。董强．知网［ＥＢ／ＯＬ］．ｈｔｔｐ：∥ｗｗｗ．ｋｅｅｎａｇｅ．ｃｏａｌ，１９９９　７结论　—．０９—２３／２００４—・０３—・０６　［７］詹卫东，面向信息处理的现代汉语短语结构规则研究［Ｍ］，北　虽然歧义在自然语言中普遍存在，而真正影　京：清华大学出版社，２０００　响到人们交流的情况却很少。这是因为在交际过　［８］Ｃｈａｏ—Ｈｕａｎｇ　Ｃｈａｎｇ，Ｇｉｌｂｅｒｔ　Ｋ．Ｋｒｕｌｅ￣，Ｒｅｓｏｌｕｔｉｏｎ　ｏｆ　Ａｍｂｉｇｕｉ・　程中，人们总是可以根据一定的知识背景，文化常　ｔｙ　ｉｎ　Ｃｈｉｎｅｓｅ　ａｎｄ　Ｉｔｓ　Ａｐｐｌｉｃａｔｉｏｎ　ｔｏ　Ｍａｃｈｉｎｅ　Ｔｒａｎｓａｌｔｉｏｎ。Ｍａ・　识，结合特定的上下文的某些语法，语义特点找出　ｃｈｉｎｅ　Ｔｒａｎｓａｈｉｏｎ，６，１９９１／１９９２　几个意义当中最可能的…个。所以说如果歧义结　［９］Ａｌｓｈａｗｉ，Ｈｉｙａｎ　ａｎｄ　Ｄａｖｉｄ　Ｃａ￣ｅｒ．１９９４．Ｔｒａｉｎｉｎｇ　ａｎｄ　Ｓｃａｌｉｎｇ　Ｐｒｅｆｅｒｅｎｃｅ　Ｆｕｎｃｔｉｏｎｓ　ｆｏｒ　Ｄｉｓａｍｂｉｇｕａｔｉｏｎ．Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｌｉｇｕｉｓ—　构放到特定的上下文当中那么产生歧义的概率是　ｔｉｃｓ．１９９４。２０（４）　非常小的。但是本文并没有用到上下文的语法和　【１０］Ｈｉｎｄｌｃ，Ｄｏｎａｌ　Ｒｏｏｔｈ，Ｍａｔｓ．１９９３．Ｓｔｒｕｃｔｕｒａｌ　Ａｍｂｉｇｕｉｔｙ　ａｎｄ　Ｌｅｘ・　语义特点来解决它。所以这会对本文消歧方法的　ｉｃａｌ　ｌ￣ｃｌａｔｉｏｎｓ，Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｌｉｇｕｉｓｔｉｃｓ．１９９３。１９（１）　正确率有所影响，但这也是我们下一阶段的目标。　Ａｍｂｉｇｕｏｕｓ　ｓｔｒｕｃｔｕｒｅ　ｄｉｓａｍｂｉｇｕａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｓｅｍａｎｔｉｃ　ｓｉｍｉｌａｒｉｔｙ　ｃｏｍｐｕｔａｔｉｏｎ　ＺＨＯＵ　Ｑｉａｏ—ｌｉ　ＣＡＩ　Ｄｏｎｇ—ｆｅｎｇ　ＬＶ　Ｄｅ—ｘｉｎ　ＺＨＵ　Ｊｉａｎｇ—ｔａｏ　ＷＵ　Ｙｉｎｇ—ｚｅ　（Ｎａｔｕｒｅ　Ｌａｎｇｕａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ　Ｌａｂｏｒａｔｏｒｙ，Ｓｈｅｎｙａｎｇ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ａｅｒｏｎａｕｔｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｌｉａｏｎｉｎｇ　Ｓｈｅｎｙａｎｇ　１１００３４）　Ａｂｓｔｒａｃｔ：Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ　ｗｅ　ｐｒｏｐｏｓｅ　ａ　ｎｏｖｅｌ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｔｈｅ　Ｈｏｗ　Ｎｅｔ，ｗｈｉｃｈ　ｉｓ　ａ　Ｃｈｉｎｅｓｅ—Ｅｎｇｌｉｓｈ　ｂｉｌｉｎｇｕａｌ　ｋｎｏｗｌｅｄｇｅ—ｂａｓｅｄ　ｄｉｃｔｉｏｎａｒｙ，ｔｏ　ｄｉｓａｍｂｉｕｇａｔｅ　ｔｈｅ　ａｍｂｉｇｕｏｕｓ　ｓｙｎｔａｃｔｉｃ　ｓｔｒｕｃｔｕｒｅ．Ｔｈｅ　ｍｅｔｈｏｄ　ＵＳｅＳ　ｔｈｅ”ｖｅｒｂ　ｐｈｒａｓｅ＋ｎｏｕｎ　ｐｈｒａｓｅ＋ｄｅ／ａｕｘｉｌｉａｒｙ　ｗｏｒｄ＋ｎｏｕｎ　ｐｈｒａｓｅ”（ＶＰ＋ＮＰ１＋的／ｕ＋ＮＰ２）ａｓ　ｓａｍｐｌｅ　ｔｏ　ｄｅｓｃｒｉｂｅ　ｏｕｒ　ａｐｐｒｏａｃｈ　ｆｏｒ　ｓｔｒｕｃｔｕｒｅ　ｄｉｓａｍｂｉｇｕａｔｉｏｎ．Ｏｕｒ　ｍｅｔｈｏｄ　ｉｓ　ｕｓｉｎｇ　ＨｏｗＮｅｔ　ａｓ　ｍａｉｎ　ｋｎｏｗｌｅｄｇｅ　ｒｅｓｏｕｒｃｅ．Ｔｈｅ　ｓｔｒａｔｅｇｙ　ｗｅ　ｐｒｅｓｅｎｔｅｄ　ｉｓ　ｔｈｅ　ｍｏｄｉｆｉｅｄ　ｓｉｍｉｌａｒｉｔｙ　ｃｏｍｐｕｔａｔｉｏｎ　ｆｉ＇ｏｍ　ｔｈｅ　ＨｏｗＮｅｔ　ｆｏｒ　ｓｔｒｕｃｔｕｒｅ　ｄｉｓａｍｂｉｇｕａｔｉｏｎ．Ｔｈｅ　ｅａｓｅ　ｓｔｕｄｙ　ｕｓｅｄ　ｉｎ　ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ　ｃｏｎｓｉｓｔｓ　ｏｆ　１　０００　ｅｘａｍｐｌｅｓ　ｗｈｉｃｈ　ｗｅｒｅ　ｅｘｔｒａｃｔｅｄ　ｆｒｏｍ　ｔｈｅ　Ｐｅｏｐｌｅ　Ｄａｉｌｙ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ　ｒｅｓｕｌｔ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｅ　ｄｉｓａｍｂｉｇｕａｔｉｏｎ　ａｃｃｕｒａｃｙ　ｒｅａｃｈｅｄ　８３．７％．ｗｈｉｃｈ　ｄｅｍｏｎｓｔｒａｔｅ　ｔｈａｔ　ｔｈｅ　ｍｅｔｈｏｄ　ｗｈｉｃｈ　ｗｅ　ｕｓｅｄ　ｉｓ　ｅｆｆｅｃｔｉｖｅ　ｆｏｒ　ｓｔｕｒｃｔｕｒｅ　ｄｉｓａｍｂｉｇｕａｔｉｏｎ．　Ｋｅｙｗｏｒｄｓ：Ｈｏｗ　Ｎｅｔ，ａｍｂｉｇｕｏｕｓ　ｓｔｒｕｃｔｕｒｅ，ｄｉｓａｍｂｉｇｕａｔｉｏｎ，ｓｉｍｉｌａｒｉｔｙ　ｃｏｍｐｕｔａｔｉｏｎ