歧义结构理解中的依存距离最小化倾向

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (6): 7-10.

歧义结构理解中的依存距离最小化倾向

赵怿怡1，刘海涛2

1.厦门大学人文学院，福建厦门 361005
2.浙江大学外国语言文化与交流学院，杭州 310058

出版日期:2014-03-15 发布日期:2015-05-12

Minimizing dependency distance in understanding of ambiguous structure

ZHAO Yiyi1, LIU Haitao2

1.School of Humanities, Xiamen University, Xiamen, Fujian 361005, China
2.School of International Studies, Zhejiang University, Hangzhou 310058, China

Online:2014-03-15 Published:2015-05-12

摘要/Abstract

摘要： 用依存句法分析汉语歧义结构发现人脑在句法加工时倾向选择最小化依存距离的句法结构。该发现从依存理论角度解释了以往依照短语结构句法分析潜在歧义结构“VP+N1+的+N2”无法说明心理学实验结果的原因，找到了歧义结构实时阅读过程中倾向选择特定句法结构的语言学依据。最小化依存距离的认知机制是降低言语工作记忆成本的有效方法，是言语理解过程中的重要机制之一。

关键词: 依存句法, 依存距离, 言语工作记忆, 歧义结构, 句法分析

Abstract: Human beings tend to choose the structure with the minimum dependency distance during ambiguous structure understanding in order to reduce the burden on working memory. This paper reanalyzes the psychological experimental results within the framework of dependency grammar. The measurement of dependency distance provides the linguistic criteria for why is the potential ambiguity structure “VP+N1+the+N2” considered as the Modifier-Noun Construction（MNC） rather than Narrative-Object Structure（NOS）. Minimizing dependency distance is an important mechanism during natural language understanding and an effective way to reduce the memory cost.

Key words: dependency grammar, dependency distance, working memory, ambiguous structure, syntactic analysis

赵怿怡1，刘海涛2. 歧义结构理解中的依存距离最小化倾向[J]. 计算机工程与应用, 2014, 50(6): 7-10.

ZHAO Yiyi1, LIU Haitao2. Minimizing dependency distance in understanding of ambiguous structure[J]. Computer Engineering and Applications, 2014, 50(6): 7-10.

[1]	李晋源，康雁，杨其越，王沛尧，崔国荣. 面向方面记忆网络的IT产品细粒度情感分析[J]. 计算机工程与应用, 2020, 56(3): 159-164.
[2]	白雅雯，古丽拉·阿东别克. 基于转移的神经网络哈萨克语句法分析[J]. 计算机工程与应用, 2019, 55(24): 159-163.
[3]	马勋1，周长胜2，吕学强1，周建设3. 基于SAO结构的非分类关系抽取研究[J]. 计算机工程与应用, 2018, 54(8): 220-225.
[4]	张阳，刘晓霞，孙凯龙，李洪安. 基于情感描述项的文本倾向性识别研究[J]. 计算机工程与应用, 2015, 51(4): 158-161.
[5]	张庆庆，刘西林. 基于依存句法关系的文本情感分类研究[J]. 计算机工程与应用, 2015, 51(22): 28-32.
[6]	韩静，张东站. 基于词语热度的启发式中文句子压缩算法[J]. 计算机工程与应用, 2014, 50(4): 132-139.
[7]	吴佐衍，王宇. 基于HNC理论和依存句法的句子相似度计算[J]. 计算机工程与应用, 2014, 50(3): 97-102.
[8]	李杏华，张彦杰，王伟超. 基于机器视觉的加工误差在线检测系统设计[J]. 计算机工程与应用, 2012, 48(4): 71-73.
[9]	钱小飞. 以“的”字结构为核心的最长名词短语识别研究[J]. 计算机工程与应用, 2010, 46(18): 138-141.
[10]	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.
[11]	魏松. 随机森林及其改进模型在浅层句法分析中的应用[J]. 计算机工程与应用, 2008, 44(9): 159-161.
[12]	卢俊之,陈小荷,王东波,陈锋. 基于语法功能匹配的汉语句法分析算法[J]. 计算机工程与应用, 2008, 44(16): 151-153.
[13]	刘岩,张蕾. 基于概念图的中文信息自动转化技术研究[J]. 计算机工程与应用, 2008, 44(15): 151-154.
[14]	谌志群. 汉语句子谓词的自动识别方法研究[J]. 计算机工程与应用, 2007, 43(17): 176-178.