基于實例動態(tài)泛化的共指消解及應用.pdf

1、共指消解是自然語言處理中的核心任務，它對于信息抽取、信息檢索、篇章分析、自動文摘、信息過濾和機器翻譯等都具有重要的意義。本文對基于實例動態(tài)泛化的共指消解方法中存在的若干問題進行了改進；開發(fā)了多種共指鏈生成方案用于合并二元分類結果，從而提升共指消解的性能指標；我們將基于實例動態(tài)泛化的共指消解方法應用在自然語言處理的其他任務上，幫助提升這些問題的處理效果。
　　本文重點研究了三部分內容：基于實例動態(tài)泛化的共指消解方法中的相關問題；二元

2、分類結果合并也即共指鏈生成方案的研究；以及基于實例動態(tài)泛化方法在自然語言處理其他任務中的應用。
　　基于實例動態(tài)泛化的共指消解方法的相關工作主要集中在Mention識別和精確泛化點的構建兩部分。我們開發(fā)了基于分類方法和基于序列標注方法兩類Mention識別算法，改善識別效果解決層級錯誤傳遞問題。此外，為了解決泛化點的質量問題，我們引入了精確泛化點概念，通過抽取更為準確的特征改進消解算法，在多種語料上的實驗證明了我們工作的有效性。<

3、br>　　在二元分類模塊之后，下一步需要解決共指鏈生成方案。本文討論了三種二元分類合并算法：基于詞匯信息的方法；基于分類置信度的方法；基于Ranking的方法。這三種方案原理不同，適用場合不同，取得的效果也有所差別。我們對這三種方案進行了詳細的分析比較，證明了我們工作的有效性，但這種合并始終受限于二元分類過程的處理精度，很難取得根本性的突破。
　　在二元分類算法和共指鏈生成方法的基礎上，我們把基于實例動態(tài)泛化的共指消解方法應用在了