短语结构树库向依存结构树库转化研究

摘要

汉语依存树库的建设相对其他语言如英语,在规模和质量上还有一些差距.树库标注需要付出很大的人力物力,并且保证树库质量也比较困难.该文尝试通过规则和统计相结合的方法,将宾州汉语短语树库Penn Chinese Treebank转化为哈工大依存树库HIT-IR-CDT的体系结构,从而增大现有依存树库的规模.将转化后的树库加入HIT-IR-CDT,训练和测试依存句法分析器的性能.实验表明,加入少量经转化后的树库后,依存句法分析器的性能有所提高;但加入大量树库后,性能反而下降.经过细致分析,作为一种利用多种树库提高依存句法分析器性能的方法,短语转依存还存在很多需要深入研究的方面.