汉语依存分析的概率化决策动作模型及自适应技术研究

句法分析在自然语言处理领域占有极其重要的地位，模型本身的缺陷与自适应能力的不足是限制句法分析器性能的重要原因。本申请研究汉语依存分析的问题，针对现有模型本身的缺陷，提出了概率化决策动作模型，融合基于决策的方法和基于动态规划方法的优点，既可以利用丰富的上下文特征，又从全局的视角对决策动作进行建模。同时，该方法还具有较高的时间效率。针对自适应能力不足的问题，本课题研究无监督的依存分析器自适应技术，利用重排序方法实现依存分析器的自适应。在没有带标目标领域语料库作为学习依据的情况下，本课题研究无监督的重排序技术- - 将候选依存树转化为一系列词语关系的集合，并利用网络挖掘方法判断词语关系的合理性，从而对候选依存树的合理性做出判断。以上关键技术的研究成果，将为依存分析器性能的提高以及在实际领域的推广应用奠定基础。