汉语语句核心动词的自动获取研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (10): 179-182.

汉语语句核心动词的自动获取研究

韦向峰熊亮张全

中国科学院声学研究所中国科学院声学研究所西北工业大学现代设计与集成制造教育部重点实验室

收稿日期:2006-08-10 修回日期:1900-01-01 出版日期:2007-04-01 发布日期:2007-04-01
通讯作者: 韦向峰

Research on Automatic Acquiring the Head Verb of Chinese Sentences

XiangFeng Wei

Received:2006-08-10 Revised:1900-01-01 Online:2007-04-01 Published:2007-04-01
Contact: XiangFeng Wei

摘要/Abstract

摘要： 语句核心动词的自动获取是以动词为中心的汉语语句分析中的重要组成部分。本文依据概念层次网络理论，在字词概念符号的基础上获取候选动词集合，根据动词的上下文语言环境对动词进行排除和分类处理，对可能作为语句核心动词的动词集合按照作语句核心结构的可能性大小排队，并验证其正确性。实验结果表明，在从真实语料切分得到的3121个语句中，经过排队处理后前三个动词作为语句核心动词的正确率达到了83%。错误分析表明进一步完善知识库及排除排队规则，还可以提高自动获取语句核心动词的正确率。

关键词: 汉语自动分析, 规则, 概念层次网络, 动词, 语句核心动词

Abstract: It is very important to automatically acquire the head verb when analyzing a Chinese Sentence. Based on the theory of Hierarchical Network of Concepts, this paper put forward an approach to obtain the head verb candidates through the conceptual symbols of Chinese characters or words. Then the candidates were distinguished into different groups by some principles. One group, which is composed of the possible head verb candidates, will be sorted according their possibilities to be the head word. An experiment on 3121 Chinese sentences from real corpus showed that the 83% head verb candidates in the group were included in the head structure of the corresponding sentences.

Key words: Automatic Analysis of Chinese, Rule, Hierarchical Network of Concepts, Verb, the Head Verb

韦向峰熊亮张全. 汉语语句核心动词的自动获取研究[J]. 计算机工程与应用, 2007, 43(10): 179-182.

XiangFeng Wei. Research on Automatic Acquiring the Head Verb of Chinese Sentences[J]. Computer Engineering and Applications, 2007, 43(10): 179-182.

[1]	王贞, 支俊阳, 李旭飞, 崔轲轲. 求解约束优化问题的复合人工蜂群算法[J]. 计算机工程与应用, 2022, 58(3): 100-111.
[2]	刘藤，陈恒，李冠宇. 联合FOL规则的知识图谱表示学习方法[J]. 计算机工程与应用, 2021, 57(4): 100-107.
[3]	宋浩楠，赵刚，王兴芬. 融合知识表示和深度强化学习的知识推理方法[J]. 计算机工程与应用, 2021, 57(19): 189-197.
[4]	童文林，陈德旺，黄允浒，吕宜生. 结合模拟退火与规则约简的模糊系统优化方法[J]. 计算机工程与应用, 2021, 57(16): 142-150.
[5]	孟晓娟，张月琴，郝晓丽，吕进来. 多分类深度卷积生成对抗网络的皮带撕裂检测[J]. 计算机工程与应用, 2021, 57(16): 269-275.
[6]	张振海，张湘婷. 上下文感知的高铁信息服务推荐方法研究[J]. 计算机工程与应用, 2021, 57(12): 231-236.
[7]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[8]	袁顺杰，程辉，叶贞成，程培鑫. SOM-T2 FLS在股市预测中的应用研究[J]. 计算机工程与应用, 2020, 56(7): 130-136.
[9]	杜雨菲，吴保国，陈栋. 基于产生式规则的乔灌木识别推理算法研究[J]. 计算机工程与应用, 2020, 56(5): 242-250.
[10]	李建，习文风. 钻井液设计专家系统规则库的检测算法[J]. 计算机工程与应用, 2020, 56(4): 256-261.
[11]	纪文璐，王海龙，苏贵斌，柳林. 基于关联规则算法的推荐方法研究综述[J]. 计算机工程与应用, 2020, 56(22): 33-41.
[12]	王卉，李英顺. 改进型证据更新规则的动态故障诊断算法[J]. 计算机工程与应用, 2020, 56(2): 261-265.
[13]	顾军华，苏鸣，张亚娟，张丹红. 基于位编码链表的快速频繁模式挖掘算法研究[J]. 计算机工程与应用, 2020, 56(19): 86-93.
[14]	张孝，孙一铭，吴旭峰. 查询感知的关系-图数据库自适应存储技术研究[J]. 计算机工程与应用, 2020, 56(17): 100-108.
[15]	杨颖，王珺，王刚. 基于改进的Random Subspace的客户投诉分类方法[J]. 计算机工程与应用, 2020, 56(13): 230-235.