.266 北京科技大学学报 第32卷 HPSG),以句子为单位对文本进行句法结构分析，找 式，由此获得特征值；fnc()为特征生成函数，可以 到句中的谓词(predicate)和论元(argment)关 包括ps()表示词语位置函数：ped()为中心驱动谓 系[⑧].进而，将上下文中存在语法依存关系的词语 词函数，coag()表示获取同现论元函数，bag()表示 作为目标词的消歧特征，在此基础上，还可对依存 词袋函数；ags表示特征生成参数，包括surf(目标 关系的词语进行语义和义类的泛化·例句：“電車ヤ 词表面形)、base(基本形)、ped(谓词)、hyper((上位 自動車花運転寸弓人”(a person who drives trains or 词)、symo(同位词)、semclass(义类)、pos(词 cas),谓词为Ped=運耘，论元为两个，其中ARG2 性)、等 是由？连接的一个并列短语，用它的孩子对其扩 假设对以下例句：“魚猫仁食心机大.” 展，则论元为{ARG1=人，ARG2=電車，ARG22= (The fish is eaten by cat)进行深层特征抽取，目标 自動車{.进行义类归纳，两者又可归结为同一个义 词为猫”图2展示了词法类(mor以、句法类(sym) 类(C988),则论元变为{ARG1=人，ARG2= 特征生成的形式和过程 (C988{.这样(C988成为目标词消歧的新特征， Target word -2 =1 +】 +1 45 以泛化的特征项提高语义聚合度， mor魚/#/猫/仁/食/5丸// 3.2特征表示 syn 食<(ARG1:猫，ARG2:魚) 用于日文词义消歧的语言学特征非常多，就本 文采用的消歧特征多达43种.因此，进行复杂特征 TargetPOS(0.base) owCO or 抽取，有必要将众多的特征项规范地组织起来，对 Pre3gram mot ps(-3.base 每个特征而言，“Option=Vale'”是它的基本形式， 本文采用BNF范式进行特征表示· Even::W ondSenseTag<FeatureL is 图2语言特征的生成与表示 (FeatureL is::FeatureItem）十 Fig2 Generation and mpresentation of linguistics fitures (Featureltem〉：=(FeatureLabe:[part]: 〈exp ression 4词义序列标注策略 FeatureLabe)::=TargeO rth TagrgeSurf TargetPOS BOW Con- 由于日文语句中词语的关联性很强，孤立地对 Orth I SenClass I Depd- 一个词项进行词义消歧，容易出现偏斜指派.基于 head CoPredAg 句子的词义消歧是一个序列分类的问题，要将每个 Pre3gram Pre2gram 词的词义标记进行排列组合，从而找到概率值最大 Prelgram… 的那个词义序列作为最终结果，为了避免合并词义 part]::=morlsyn Isem 过程中出现组合爆炸，本文采用带有启发式规则的 〈expression:fnc(ags) 束搜索(beam search)算法[]. func()::=ps()Ibag()Ipred()lang() 束搜索算法类似于V itebi算法，所不同的是， angs:-surflbase lpred hyperlsyno Isemn- 把搜索过程分成若干阶段，计算每个阶段的搜索节 class lpos… 点的耗散值，只保留最有价值的前K个点，然后仅 式中，Event为对当前目标词所进行的一次特征抽取 对这K个点进行扩展，依次下去，由于束搜索只维 结果；W ondSenseTag为词义标记，不为空时，特征抽 持有限的K条搜索路径，可大幅缩小搜索空间、提 取用于训练，为空时，特征抽取用于标注；Feat血reList 高搜索效率. 为目标词的特征列表；Featureltem为一个特征项； 设一个多义词输入序列{w,2,…,w,3为 FeatureLabel为特征项标记，包括TargeOrth(目标词 词w:的第个词义，W为待消岐词的集合，T为已消 原形)、Targe Surf(目标词表面形)、入TargePOS(目标 岐词义标记列表，束宽(beam with)为K.N= 词性)、BOW ConOrth(词袋)、Depdhead(HPSG的中 [W,T]作为一个搜索节点，scoe(N)表示N中的词 心驱动词)、SenClass(语义类入、Pe[3~1]gam、 义序列T在当前上下文中的概率，作为过滤搜索节 Post[3~l]gm为目标词的ngam模型；part为抽 点的依据 取特征的类型；mor为词法类特征；sym为句法类特 利用束搜索算法完成日文词序列标注的具体实 征；sm为语义类特征；expression为特征生成表达 现过程如下，北 京 科 技 大 学 学 报 第 32卷 ＨＰＳＧ）‚以句子为单位对文本进行句法结构分析‚找 到句 中 的 谓 词 （ｐｒｅｄｉｃａｔｅ）和 论 元 （ａｒｇｕｍｅｎｔ）关 系 ［8］．进而‚将上下文中存在语法依存关系的词语 作为目标词的消歧特征．在此基础上‚还可对依存 关系的词语进行语义和义类的泛化．例句：“電車や 自動車を運転する人 ” （ａｐｅｒｓｏｎｗｈｏｄｒｉｖｅｓｔｒａｉｎｓｏｒ ｃａｒｓ）‚谓词为 Ｐｒｅｄ＝運転‚论元为两个‚其中 ＡＲＧ2 是由 “や ”连接的一个并列短语‚用它的孩子对其扩 展‚则论元为｛ＡＲＧ1＝人‚ＡＲＧ21 ＝電車‚ＡＲＧ22 ＝ 自動車｝．进行义类归纳‚两者又可归结为同一个义 类〈Ｃ988〉‚则 论 元 变 为 ｛ＡＲＧ1＝人‚ＡＲＧ2＝ 〈Ｃ988〉｝．这样〈Ｃ988〉成为目标词消歧的新特征‚ 以泛化的特征项提高语义聚合度． 3∙2 特征表示 用于日文词义消歧的语言学特征非常多‚就本 文采用的消歧特征多达 43种．因此‚进行复杂特征 抽取‚有必要将众多的特征项规范地组织起来．对 每个特征而言‚“Ｏｐｔｉｏｎ＝Ｖａｌｕｅ”是它的基本形式． 本文采用 ＢＮＦ范式进行特征表示． 〈Ｅｖｅｎｔ〉∷ ＝〈ＷｏｒｄＳｅｎｓｅＴａｇ〉〈ＦｅａｔｕｒｅＬｉｓｔ〉 〈ＦｅａｔｕｒｅＬｉｓｔ〉∷ ＝〈ＦｅａｔｕｒｅＩｔｅｍ〉＋ 〈ＦｅａｔｕｒｅＩｔｅｍ〉∷ ＝〈ＦｅａｔｕｒｅＬａｂｅｌ〉：［ｐａｒｔ］： 〈ｅｘｐｒｅｓｓｉｏｎ〉 〈ＦｅａｔｕｒｅＬａｂｅｌ〉∷ ＝ＴａｒｇｅｔＯｒｔｈ｜ＴａｇｒｇｅｔＳｕｒｆ｜ ＴａｒｇｅｔＰＯＳ ｜ＢＯＷＣｏｎ- ｔＯｒｔｈ｜ＳｅｍＣｌａｓｓ｜Ｄｅｐｄ- ｈｅａｄ ｜ ＣｏＰｒｅｄＡｒｇ ｜ Ｐｒｅ3ｇｒａｍ ｜Ｐｒｅ2ｇｒａｍ ｜ Ｐｒｅ1ｇｒａｍ｜… ［ｐａｒｔ］∷ ＝ｍｏｒ｜ｓｙｎ｜ｓｅｍ 〈ｅｘｐｒｅｓｓｉｏｎ〉∷ｆｕｎｃ（ａｒｇｓ） ｆｕｎｃ（）∷ ＝ｐｓ（）｜ｂａｇ（）｜ｐｒｅｄ（）｜ａｒｇ（）｜… ａｒｇｓ∷ ＝ｓｕｒｆ｜ｂａｓｅ｜ｐｒｅｄ｜ｈｙｐｅｒ｜ｓｙｎｏ｜ｓｅｍ- ｃｌａｓｓ｜ｐｏｓ｜… 式中‚Ｅｖｅｎｔ为对当前目标词所进行的一次特征抽取 结果；ＷｏｒｄＳｅｎｓｅＴａｇ为词义标记‚不为空时‚特征抽 取用于训练‚为空时‚特征抽取用于标注；ＦｅａｔｕｒｅＬｉｓｔ 为目标词的特征列表；ＦｅａｔｕｒｅＩｔｅｍ为一个特征项； ＦｅａｔｕｒｅＬａｂｅｌ为特征项标记‚包括 ＴａｒｇｅｔＯｒｔｈ（目标词 原形 ）、ＴａｒｇｅｔＳｕｒｆ（目标词表面形 ）、ＴａｒｇｅｔＰＯＳ（目标 词性 ）、ＢＯＷＣｏｎｔＯｒｔｈ（词袋 ）、Ｄｅｐｄｈｅａｄ（ＨＰＳＧ的中 心驱动词 ）、ＳｅｍＣｌａｓｓ（语义类 ）、Ｐｒｅ［3～1］ｇｒａｍ、 Ｐｏｓｔ［3～1］ｇｒａｍ为目标词的 ｎ-ｇｒａｍ模型；ｐａｒｔ为抽 取特征的类型；ｍｏｒ为词法类特征；ｓｙｎ为句法类特 征；ｓｅｍ为语义类特征；ｅｘｐｒｅｓｓｉｏｎ为特征生成表达 式‚由此获得特征值；ｆｕｎｃ（ ）为特征生成函数‚可以 包括 ｐｓ（）表示词语位置函数；ｐｒｅｄ（）为中心驱动谓 词函数‚ｃｏａｒｇ（）表示获取同现论元函数‚ｂａｇ（）表示 词袋函数；ａｒｇｓ表示特征生成参数‚包括 ｓｕｒｆ（目标 词表面形 ）、ｂａｓｅ（基本形 ）、ｐｒｅｄ（谓词 ）、ｈｙｐｅｒ（上位 词 ）、ｓｙｎｏ（同 位 词 ）、ｓｅｍｃｌａｓｓ（义 类 ）、ｐｏｓ（词 性 ）、等． 假设对以下例句：“魚が猫に食べられた．” （Ｔｈｅｆｉｓｈｉｓｅａｔｅｎｂｙｃａｔ．）进行深层特征抽取‚目标 词为 “猫 ”．图 2展示了词法类 （ｍｏｒ）、句法类 （ｓｙｎ） 特征生成的形式和过程． 图 2 语言特征的生成与表示 Ｆｉｇ．2 Ｇｅｎｅｒａｔｉｏｎａｎｄｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｌｉｎｇｕｉｓｔｉｃｓｆｕｔｕｒｅｓ 4 词义序列标注策略 由于日文语句中词语的关联性很强‚孤立地对 一个词项进行词义消歧‚容易出现偏斜指派．基于 句子的词义消歧是一个序列分类的问题‚要将每个 词的词义标记进行排列组合‚从而找到概率值最大 的那个词义序列作为最终结果．为了避免合并词义 过程中出现组合爆炸‚本文采用带有启发式规则的 束搜索 （ｂｅａｍｓｅａｒｃｈ）算法 ［9］． 束搜索算法类似于 Ｖｉｔｅｒｂｉ算法‚所不同的是‚ 把搜索过程分成若干阶段‚计算每个阶段的搜索节 点的耗散值‚只保留最有价值的前 Ｋ个点‚然后仅 对这 Ｋ个点进行扩展‚依次下去．由于束搜索只维 持有限的 Ｋ条搜索路径‚可大幅缩小搜索空间、提 高搜索效率． 设一个多义词输入序列｛ｗ1‚ｗ2‚…‚ｗｎ｝‚ｓｗｉｊ为 词 ｗｉ的第 ｊ个词义‚Ｗ为待消岐词的集合‚Ｔ为已消 岐词义标记列表‚束宽 （ｂｅａｍ ｗｉｄｔｈ）为 Ｋ．Ｎ＝ ［Ｗ‚Ｔ］作为一个搜索节点‚ｓｃｏｒｅ（Ｎ）表示 Ｎ中的词 义序列 Ｔ在当前上下文中的概率‚作为过滤搜索节 点的依据． 利用束搜索算法完成日文词序列标注的具体实 现过程如下． ·266·