【作者】 王步康； 王红玲； 袁晓虹； 周国栋；

【Author】 Wang Bukang~1,Wang Hongling~2,Yuan Xiaohong~3,Zhou Guodong~4 (School of Computer Science and Technology,Soochow University,Suzhou 215006,China; Jiangsu Provincial Key Laboratory of Computer Information Processing Technology,Suzhou 215006,China)

【机构】 苏州大学计算机科学与技术学院； 江苏省计算机信息处理技术重点实验室；

【摘要】 目前使用特征方法进行语义角色标注研究已经遇到发展瓶颈,性能难以进一步提高;而基于核函数的方法可以充分利用特征方法无法表示的结构化信息,有进一步研究的空间。本文使用SVM提供的卷积树核函数构造了一个中文语义角色标注系统,该系统以依存关系作为标注单元进行中文语义角色标注。本文重点描述了通过不同的裁剪方法来获得依存树的结构化信息,裁剪后的依存树分别为最短路径树和最小树。在中文PropBank和NomBank的转换语料上的实验结果表明:使用最小树能得到系统的最佳性能,在动词性谓词和名词性谓词上分别获得82.87,76.40的F1值。更多还原

【Abstract】 Currently,it is hard to further improve the performance of feature-based semantic role labeling because the features’ limits.The kernel-based method can represent the structural information better than the feature-based method,so it has great value to the future research.This paper implements a Chinese dependency-based semantic role labeling system, uses the convolution tree kernel of SVM.In this paper,we focus on how to properly express the structural representation between predicates and arguments on dependency tree and let the input tree contain less noise information.We explore two methods to prune the dependency tree:Shortest Path Tree(SPT) and Minimum Tree(MT).The experiments on the transferred corpuses from Chinese PropBank and Chinese NomBank show our system achieves the best performance by using the minimum tree.It achieves 82.87 in labeled F1 on verbal predicates and 76.40 in labeled F1 on nominal predicates.更多还原