基于GLR算法的新型概率句法分析器

doi:10.3778/j.issn.1002-8331.2009.32.041

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (32): 130-132.DOI: 10.3778/j.issn.1002-8331.2009.32.041

• 数据库、信号与信息处理 • 上一篇下一篇

基于GLR算法的新型概率句法分析器

丁向民¹，徐斌²

1.盐城师范学院信息科学与技术学院，江苏盐城 224002
2.阿尔卡特·朗讯南京分公司，南京 210016

收稿日期:2008-06-27 修回日期:2008-10-16 出版日期:2009-11-11 发布日期:2009-11-11
通讯作者: 丁向民

New probabilistic syntactic analysis parser based on GLR algorithm

DING Xiang-min¹，XU Bin²

1.School of Information Science & Technology，Yancheng Teachers University，Yancheng，Jiangsu 224002，China
2.Nanjing Filiale，Alcatel-Lucent，Nanjing 210016，China

Received:2008-06-27 Revised:2008-10-16 Online:2009-11-11 Published:2009-11-11
Contact: DING Xiang-min

摘要/Abstract

摘要： 为了提高句法分析器的分歧能力和分析准确率，结合上下文无关概率模型PCFG和头驱动概率模型HDSM各自的优点，提出了一种新型的概率模型PCFG_HDSM，并基于GLR算法，实现了一个新型的汉语句法分析器。在词性标注阶段，通过对助词的详细标注使部分歧义在规则阶段就被去除掉，提高了系统消歧的能力。经过开放测试，准确率和回归率分别达到82.8%、74.7%，与其他分析器分析结果比较有了较大提高，证明新模型PCFG_HDSM确实提高了分析器的分歧能力。

关键词: GLR算法, 上下文无关文法（PCFG）, 头驱动的概率模型（HDSM）, 概率句法分析

Abstract: To improve the capacity of parser’s processing disambiguity and the precision，this paper proposes a syntactic parsing model PCFG_HDSM based on GLR algorithm，the model combines the strongpoint of PCFG（Probabilistic Context-Free Grammar）and that of HDSM（Head-Driven Statistical Models），and it also realizes a new syntactic parser for Chinese based on the new model.In the stage of words parsing，by adding detail information of auxiliary words into the rules some ambiguities are removed while processing the rules of system，by this way，the system obtains a high precision.In the opened test，the label precision and label recall are 82.8% and 74.7% respectively.Compared with the results of other Prop programs，it improves a lot.It proves that the new model PCFG_HDSM can improve the capacity of parser’s processing disambiguity.

Key words: GLR algorithm, Probabilistic Context-Free Grammar（PCFG）, Head-Driven Statistical Models（HDSM）, probabilistic syntactic analysis

中图分类号:

TP301.6

丁向民¹，徐斌². 基于GLR算法的新型概率句法分析器[J]. 计算机工程与应用, 2009, 45(32): 130-132.

DING Xiang-min¹，XU Bin². New probabilistic syntactic analysis parser based on GLR algorithm[J]. Computer Engineering and Applications, 2009, 45(32): 130-132.

[1]	李冬梅^1，2，林友芳²，黄厚宽². 基于E_DAG的本体不一致性诊断算法研究[J]. 计算机工程与应用, 2010, 46(9): 19-22.
[2]	牛昱光，阎高伟，谢刚，谢克明. 基于粒计算的多目标排序方法研究[J]. 计算机工程与应用, 2010, 46(9): 42-45.
[3]	王训斌，陆慧娟，张火明. 物流动态车辆调度问题的混合禁忌搜索算法[J]. 计算机工程与应用, 2010, 46(8): 228-231.
[4]	肖拥军，李铁克，尹兆涛. 考虑特殊时间约束的混合流水车间调度[J]. 计算机工程与应用, 2010, 46(8): 205-207.
[5]	任小康，孙正兴，郝瑞芝. 粗糙集的模糊性度量与SVM的混合分类算法[J]. 计算机工程与应用, 2010, 46(7): 46-48.
[6]	谢安世¹，周传华^1，2，徐新卫¹，张芬¹. 基于PK模型的一种自适应遗传算法研究[J]. 计算机工程与应用, 2010, 46(7): 52-56.
[7]	袁浩，何波，李敏. 基于时空混沌的S盒产生算法[J]. 计算机工程与应用, 2010, 46(7): 115-117.
[8]	罗义钦^1，2，倪志伟^1，2，杨葛钟啸^1，2. 一种新的数据流分形聚类算法[J]. 计算机工程与应用, 2010, 46(6): 136-138.
[9]	钱文彬¹，徐章艳¹，黄丽宇¹，杨炳儒². 基于信息熵的二进制差别矩阵属性约简算法[J]. 计算机工程与应用, 2010, 46(6): 120-123.
[10]	柴秀荣^1，2，王儒敬¹. 多出救点、多物资应急调度算法研究[J]. 计算机工程与应用, 2010, 46(6): 224-226.
[11]	王芳，戴永寿，王少水. 改进的混沌遗传算法[J]. 计算机工程与应用, 2010, 46(6): 29-32.
[12]	王轩，肖莉，林艳娥. 一种求解旅行商问题的热力学演化算法[J]. 计算机工程与应用, 2010, 46(5): 48-50.
[13]	杨家稳^1，2，孙合明¹，钟青¹，胡珊珊¹. 多维联想记忆神经网络在图像回忆中的应用[J]. 计算机工程与应用, 2010, 46(4): 186-188.
[14]	康燕¹，冯海朋²，须文波³，杨燕萍¹. 合作的具有量子行为粒子群优化算法[J]. 计算机工程与应用, 2010, 46(4): 39-42.
[15]	栗青生¹，杨玉星¹，马季兰². 基于粘贴模型的两类全排问题的DNA算法[J]. 计算机工程与应用, 2010, 46(4): 46-48.

基于GLR算法的新型概率句法分析器

New probabilistic syntactic analysis parser based on GLR algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics