摘要：为了进行路径自然语言研究,首先设计了路径自然语言收集方案,主要面向室内环境收集了一定的路径自然语言语料,通过手工标注建立了一个小型的语料库.其次,对路径自然语言的特征进行了一定的分析,在此基础上概括了几种常见的语义角色,主要包括关于landmark和方位转换的语义角色.路径自然语言本身具有高度规律性,语义角色相对集中,因此语义分析采用了基于组块分析的语义角色标注方法,将语义分析问题转化为序列信号的切分和分类问题.最后,利用支持向量机进行了相关的组块标注实验.实验结果表明提出的方法具有较大的潜力.

摘要：语义角色标注作为语义分析的关键技术已经得到越来越广泛的关注。首先对中国期刊网数据库中语义角色标注研究领域的文献进行了统计分析,描述了国内语义角色标注研究的发展状况。主要通过对文献的论文年载量分析、著者分析、文献来源分析和研究主题分析揭示国内语义角色标注的发展历程和研究内容。然后分析了语义角色标注研究热点及发展趋势。最后,在分析国内语义角色标注发展的基础上,提出了促进语义角色标注研究发展的积极建议。

摘要：使用基于树核函数的方法来进行语义角色标注,有效的树核空间的设计是影响系统性能的关键。探索树核空间在中文语义角色标注上的应用,考虑到同一谓词的各论元间的相互影响,提出多论元-谓词特征(AAPF)空间,并在此基础上提出了三种受平面特征启发的树核空间设计方法。基于中文PropBank语料的实验表明,加入一些重要平面特征信息的树核空间,性能有了明显的提高,分类精确率由90.96%提高到92.54%。最后使用复合核将特征启发的树核与特征向量结合起来,精确率达到95.21%,性能高于同类系统。

摘要：针对目前语义角色标注方法存在的由于神经网络层数增加导致梯度爆炸、梯度消失而带来的深层网络训练困难和训练不稳定问题,先后通过在层与层之间加入Layer Normalization进行归一化处理,引入Highway Networks优化的深层双向长短期记忆神经网络来优化模型中的递归子层等方法,加速模型收敛速度,增强网络稳定性及模型表达能力。实验结果表明,该方法能够有效解决随神经网络层数的加深,梯度信息回流受阻造成的网络模型训练困难及不稳定问题。

摘要：中文语义角色标注中,稀疏谓词的标注性能要远远低于其它谓词,而在实际应用中,标注系统经常需要处理大量的稀疏谓词,因此,稀疏谓词问题大大限制了语义角色标注系统的应用效果。为解决上述问题,提出一种基于聚合层次化聚类的方法。通过聚合层次化聚类建立起稀疏谓词与常见谓词的联系,稀疏谓词可以泛化为与之语义相近的常用谓词,缓和语义角色标注系统中的稀疏谓词问题。在中文命题库上的实验结果表明,该方法可有效处理中文语义角色标注中的稀疏谓词问题。

摘要：研究维吾尔语是作为一个自然语言中的一个很重要的研究领域之一,维吾尔语的词法分析和句法分析的研究是视为非常重要的研究领域。为了能够更有效地对维吾尔语语义角色标注的研究,需要针对维吾尔语的特征提出相关的方案和方法。该文根据维吾尔语语义角色标注研究在国内研究进展现状,从基于维吾尔语规则和基于维吾尔语短语结构树的角度,对该研究词性标注,句法功能编辑,句子分析等方面进行全面的分析和探索。基于短语结构树的维吾尔语语义标注的研究为将来的自然语言处理,结构化研究,标注功能的实现,校对功能的研究等方面要打下很踏实的基础和作用。

摘要：评价对象-情感词对是情感词及其所修饰评价对象的组合,评价对象-情感词对的识别是细粒度情感分析的一个原子任务和关键任务.现有的研究大多集中在商品评论上,随着金融大数据的涌现,金融评论的情感挖掘意义凸显.与商品评论不同,中文金融评论中评价对象数目繁多且构成形式复杂,虚指评价对象和隐式评价对象也更常见;情感词的词性更丰富,其在句中的句法成分也更灵活、语义更丰富.针对金融评论的这些特点,该文提出了基于浅层语义与语法分析相结合的评价对象-情感词对抽取方法.考虑到金融评论多动词情感词,设计了语义角色标注与依存句法分析相结合的评价对象-情感词对抽取规则,解决了评价对象构成的复杂性问题;基于语义和领域知识对虚指评价对象进行了判别和替换,以明确其实际的指向和含义;基于特殊情感词搭配表、上下文搭配表及频繁搭配表提出了隐式评价对象识别的新思路,能有效地识别出缺省和隐含评价对象.在大规模的中文金融评论上进行了详细的实验测试,实验结果表明了该方法的有效性.

摘要：随着电子商务的飞速发展,用户评论信息对潜在顾客、商家和商品生产商的影响越来越大。由于在线的评论信息十分海量,所以很难通过人工浏览方式进行全面获取。评论句子往往具有很强的主观性,本文提出了整体方案帮助解决评论信息的获取、处理和可视化显示。通过利用词语的相似性计算方法和字的情感倾向分布概率计算方法,实现了极性词典的倾向值量化计算和极性词典的自动扩展。通过利用语义角色标注实现对评论句子的浅层语义分析,并利用统计结果设计出计算句子细粒度情感倾向值的方法。实验结果证明,基于语义角色标注方法比基于词性标注方法在句子细粒度情感倾向值计算中更有效。

摘要：【目的】识别创新点句中主题属性实例,进一步挖掘创新点句中的知识关系。【方法】采用语义角色标注以及依存句法分析方法,借助领域本体中属性类目下主题词,从依存树中识别创新点句中的核心主题词以及属性实例;针对依存句法分析的特征,设计组合术语识别模块以及连接词关系识别模块以改善识别效果。【结果】创新点句中核心主题词识别的F值达到77.94%;创新点句中属性实例识别的平均F值在90%左右。【局限】使用Stanford依存句法分析工具对肿瘤领域进行句法分析造成的偏差影响识别效果;使用NCIt本体属性类别时,有待进一步过滤与规范。【结论】实验结果表明,该方法对领域创新点句中的主题属性实例具有较好的识别效果。

摘要：作战文书关键信息抽取是实现自动标图系统的关键。现有研究多以文书处理流程设计为主,未深入分析军标用法,信息抽取不完整。为完整提取信息,提出了基于分词处理与语义角色标注(SRL)相结合的文书关键信息抽取方法,实验证明方法有效、可行。基于文中方法所设计的信息抽取系统,已在某集团军内推广、应用。