基于规则的英语复句关联词自动标注技术

自然语言处理中的词性标注

基于规则的英语复句关联词自动标注技术

申春艳　王惠临

（中国科学技术信息研究所　北京１０００３８）



【摘要】引入有限状态转录机技术，参考Ｐｅｎｎ树库发展的思想，通过规则分析的方法综合利用词性标注结果、识别关联词、标点、词表映射及进行组块分析的方法将英语复句进行切分简化处理，最终结果以关联词及其论元的形式表示。

【关键词】规则　论元　英语复句　关联词　有限状态转录机【分类号】Ｇ３５５

Ｒｕｌｅ－ｂａｓｅｄＡｕｔｏｍａｔｉｃＡｎｎｏｔａｔｉｎｇｆｏｒｔｈｅＤｉｓｃｏｕｒｓｅｏｆＥｎｇｌｉｓｈＣｏｍｐｌｉｃａｔｅｄＳｅｎｔｅｎｃｅｓ

ＳｈｅｎＣｈｕｎｙａｎ　ＷａｎｇＨｕｉｌｉｎ

（ＩｎｓｔｉｔｕｔｅｏｆＳｃｉｅｎｔｉｆｉｃａｎｄＴｅｃｈｎｉｃａｌＩｎｆｏｒｍａｔｉｏｎｏｆＣｈｉｎａ，Ｂｅｉｊｉｎｇ１０００３８，Ｃｈｉｎａ）

【Ａｂｓｔｒａｃｔ】ＴｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓｔｈｅｔｅｃｈｎｏｌｏｇｙｏｆＦｉｎｉｔｅＳｔａｔｅＴｒａｎｓｄｕｃｅｒ，ａｎｄｒｅｆｅｒｅｎｃｅｓｔｏｔｈｅｔｈｉｎｋｉｎｇｏｆｄｅｖｅｌｏｐｍｅｎｔｏｆＰｅｎｎＴｒｅｅｂａｎｋ，ｔｈｒｏｕｇｈｔｈｅａｎａｌｙｓｉｓｏｆｒｕｌｅｓａｎｄｔｈｅｒｅｓｕｌｔｓｏｆｃｏｍｐｒｅｈｅｎｓｉｖｅｕｔｉｌｉｚａｔｉｏｎｏｆＰＯＳｔａｇｇｉｎｇ，ｒｅｃｏｇｎｉｔｉｏｎｏｆ，ｐｕｎｃｔｕａｔｉｏｎｓ，ｖｏｃａｂｕｌａｒｙｍａｐｐｉｎｇ，ａｎｄｃｈｕｎｋｔｏｓｉｍｐｌｉｆｙｔｈｅｃｏｍｐｌｉｃａｔｅｄｓｅｎｔｅｎｃｅｓ．Ｆｉｎａｌｒｅｓｕｌｔｓｄｉｓｃｏｕｒｓｅｃｏｎｎｅｃｔｉｖｅｓａｒｅｅｘｐｒｅｓｓｅｄｉｎｔｈｅｆｏｒｍｏｆｐｒｏｐｏｓｉｔｉｏｎ．

【Ｋｅｙｗｏｒｄｓ】Ｒｕｌｅ－ｂａｓｅｄ　Ａｒｇｕｍｅｎｔ　Ｅｎｇｌｉｓｈｃｏｍｐｌｉｃａｔｅｄｓｅｎｔｅｎｃｅｓ　Ｄｉｓｃｏｕｒｓｅｃｏｎｎｅｃｔｉｖｅｓ　Ｆｉｎｉｔｅｓｔａｔｅｔｒａｎｓｄｕｃｅｒ

１　引　言

　　在实用机器翻译系统研究开发中，复句的处理是一个主要难题，它使得现有的机器翻译系统的译文质量和译文的可读性不尽人意。英语里有很多句子是复合句，书面语尤其如此。为此，一些研究者试图分解复句，包括根据标点符号进行分段的法汉机器翻译系统ＭＦＣ、采用基于语段的分析系统ＥＣＡＴ、采用上下文无关文法方法的

１］ＡＳＣＯＦ、使用模型规则进行匹配的方法［。

　　复句的构成方法可以是把简单句连接在一起，也可以是由一个独立小句和一个或一个以上的从属小句构

２］

。从分解复句的观点看，复句是句法结构复杂或者是单词特别多的句子，命题是复句简化结果的形式化表成［

示。本文通过规则分析的方法综合利用词性标注结果、识别关联词、标点及进行组块分析的方法将复句进行切分简化处理，最终结果以命题的形式表示。

２　总体设计

２．１　Ｐｅｎｎ树库的发展

　　语料库的句法标注是语料库语言学研究的前沿课题，它的处理目标是对语料文本进行句法分析和标注，形成

基于规则的英语复句关联词自动标注技术