语义角色标注

摘要： 语义角色标注(Semantic Role Labeling,SRL)旨在识别给定句子中所包含的谓词及对应的语义论元,从而为信息抽取、自动问答和阅读理解等任务的语义理解提供帮助.构建句法特征作为实现语义角色标注任务的关键步骤,在很大程度上影响着任务的性能.针对现有的神经网络模型未能有效构建句法特征,例如现有研究采取离线式的人工定式句法裁剪方案,不可避免地造成关键句法信息丢失或者裁剪效果减弱等问题,本文提出基于动态句法剪枝机制的端到端神经网络模型,并将其用于中文语义角色标注任务.具体地,我们提出两种创新的动态句法剪枝机制:基于递归神经网络模型的动态句法剪枝机制(Recur-DSP)和基于带句法标签的图卷积网络模型的句法剪枝机制(SGCN-DSP).Recur-DSP采用递归神经网络模型进行句法结构编码与融合,并对句法树的每一个连接处通过Gumbel-Softmax函数离散化实现动态句法裁剪.SGCN-DSP采用图卷积神经网络模型为句法依存树的依存弧结构以及对应的标签进行统一建模,并提出对应的动态句法裁剪机制.在基准数据集上的实验结果显示所提方法超过当前的最好模型,获得当前中文语义角色标注的最优性能.通过整合预训练语言模型BERT,基于CoNLL09数据集,提出的模型SGCN-DSP在角色论元识别上获得了90.4%的F1值,在谓词识别上获得90.8%的F1值.

摘要： 语义角色标记被认为是实现自然语言理解的关键一步,并已被广泛研究.近年来,基于深度神经网络的端到端语义角色标记越来越受到关注.然而当前的语义角色标记方法使用没有语言特征的深度神经网络,配价结构可以较好地刻画句子的句法结构和语义构成关系,因此,本文提出了一种融合配价信息的深度神经网络模型,它有效地结合了丰富的语言配价信息以进行语义角色标记.本文在CoNLL-2005共享任务数据集和CoNLL-2012共享任务数据集上对融合配价信息的深度神经网络模型进行了评估,在两个基准语义角色标记数据集上比以前的工作取得了更好的结果.

摘要： 采用融合自注意力机制的双向长短期记忆模型(SelfAtt-BILSTM)和条件随机场模型(CRF),构建一种Self-Att-BILSTM-CRF模型,对政策文本进行语义角色标注,以提取政策主要内容.采用某高校政策文件为实验数据集,利用BILSTM模型自动学习序列化语句上下文特征,融合自注意力机制增加重要特征元素的权重,通过CRF层利用特征进行序列标注,提取语义角色,以实现政策文件的主要内容挖掘.经过对比验证,该模型能够有效地提取政策文本内容,在标注数据集上F1值达到78.99％.实验结果同时表明,自注意力机制能够有效提高神经网络模型的语义角色标注效果.

摘要： 食品舆情实体关系抽取是构建食品舆情知识图谱的关键技术,也是当前信息抽取领域的重要研究课题。针对食品舆情中常出现的实体对多关系问题,在卷积神经网络(convolutional neural network,CNN)中引入基于位置感知的领域词语义注意力机制;在双向长短时记忆(bidirectional long short-term memory,BLSTM)网络中引入基于位置感知的语义角色注意力机制,构建基于CNN-BLSTM的食品舆情实体关系抽取模型。在食品舆情数据集上进行了对比实验,实验结果表明:基于CNN-BLSTM的食品舆情实体关系抽取模型在食品舆情数据集上准确率比常用的几种深度神经网络模型高出8.7%~13.94%,验证了模型的合理性和有效性。

摘要： 食品舆情实体关系抽取是构建食品舆情知识图谱的关键技术,也是当前信息抽取领域的重要研究课题.针对食品舆情中常出现的实体对多关系问题,在卷积神经网络(convolutional neu-ral network,CNN)中引入基于位置感知的领域词语义注意力机制;在双向长短时记忆(bidirectional long short-term memory,BLSTM)网络中引入基于位置感知的语义角色注意力机制,构建基于CNN-BLSTM的食品舆情实体关系抽取模型.在食品舆情数据集上进行了对比实验,实验结果表明:基于CNN-BLSTM的食品舆情实体关系抽取模型在食品舆情数据集上准确率比常用的几种深度神经网络模型高出8.7％ ～13.94％,验证了模型的合理性和有效性.

摘要： 针对汉语语句表意灵活复杂多变的特点,提出一种基于语义与情感的句子相似度计算方法,从表意层面计算句子相似度.该方法使用哈工大LTP平台对句子进行预处理,提取词语、词性、句法依存标记与语义角色标记,将语义角色标注结果作为句中语义独立成分赋予相似度权重系数,综合句法依存关系与词法关系计算两句相同标签语义独立成分相似度得到部分相似度,加权计算部分相似度得到句子整体相似度.另外,考虑到情感与句式因子,在整体相似度的基础上对满足条件的两句计算情感减益与句式减益.实验结果表明,该方法能有效提取出句子语义独立成分,从语义层面上计算句子相似度,解决了信息遗漏与句子组成成分不一致的问题,提高了句子相似度计算的准确率与鲁棒性.

摘要： 在构建汉语框架语义角色标注模型时,多种语言学特征和不同的上下文窗口常被组合成大量的候选特征模板.从候选特征模板中高效地找到最优模板是构建优良的标注模型的关键所在.文章比较了两种特征模板选择方法:贪心选取法和正交表选取法.从汉语框架网络知识库中选取25个框架作为实验用语料,实验比较了两种特征模板选取方法的时间复杂度和模型性能.实验结果显示,正交表选取法不仅可以通过并行计算以显著降低训练时间开销,而且其模型标注性能也略微高于贪心选取法的标注性能.

摘要： 大规模语义角色标注语料库的构建可以为计算机理解自然语言的语义提供有用的训练数据.本文主要研究服务于语义角色标注语料库构建的语义角色标注规则.在人工语义角色标注的基础上,分析句式和句模的对应关系,并总结出一套基于句式的语义角色标注规则,在测试集上达到78.73％的正确率.基于上述规则,可以在构建语义角色标注语料库时完成自动标注的工作,标注人员在此基础上进行人工校对,从而有效地减少工作量.

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—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ProDBank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。

摘要： 语义角色标注是获取语义信息的一种重要手段。许多现有的语义角色标注都是在完全句法分析的基础上进行的，但由于现阶段中文完全句法分析器性能比较低，基于自动的完全句法分析的中文语义角色标注效果并不理想.因此本文将中文语义角色标注建立在了浅层句法分析的基础上。在句法分析阶段，利用构词法获得词语的语素信息，有效提高了句法分析的性能，F值达到了93.61。在角色标注阶段，利用动词的语素信息，并提出了句子的“粗框架”特征，使角色标注阶段的F值达到了74.1，比前人(71.9)有较为显著的提升，从而证明了笔者的方法是有效的。

摘要： 提出了基于最大熵模型的语义角色标注方法,该方法以浅层句法分析为基础,把短语或命名实体作为标注的基本单元,将最大熵模型用于句子中谓词的语义角色标注.该方法的关键在于模型参数估计和特征选择.具体应用中采用IIS算法学习模型参数,并选择基于句法成分的、基于谓词的、句法成分一谓词关系、语义四类特征作为模型特征集.将该方法用于信息抽取中事件表述语句的语义角色标注,对"职务变动"和"会见"两类事件的表述语句进行事件要素的语义角色标注,在各自的测试集上分别获得了76.3%和72.2%的综合指标F值.

摘要： 在自然语言处理中,语义角色标注是一个比较重要的任务.语义角色标注任务以语义角色理论为基础.语义角色标注任务和语言学的相关理论都要求一个动词在不同语句中相应的语义角色成分保持一致.本文统计了北京大学973课题语义角色标注语料库及中文PropBank中“施事”的语义分布,进而根据该语义分布,加上人工筛选,找出了在“施事”语义角色的标注上无法保持一致的动词共85个.本文指出,这些动词的“施事”语义无法保持一致的原因在于它们是一类有致使语义特征,无自主语义特征的动词.本文的研究对于处理其他语义角色(如“客体”)也存在的标注不一致问题有一定的启示.

摘要： 评价对象是情感分析中情感信息的一个重要组成部分.本文基于条件随机场模型,研究多种特征在评价对象抽取任务中的表现,并将特征归纳为词法、依存关系、相对位置、语义等四大类别.其中,重点引入语义角色标注新特征.在实验中,在三个不同的数据集上考查了各个特征及其组合对系统性能的影响,作了详细的比较研究.另外,实验结果表明新提出的语义角色标注特征对评价对象抽取有很好的指示作用.

摘要： 在基于依存的语义角色标注研究中,大多数系统采用机器学习方法进行论元识别和分类.本文分析了依存树的特点,发现论元集中分布于依存树上的特定局部范围内,因此提出种基于依存树距离的论元识别方法.该方法将候选论元限制在与目标动词的依存树距离不超过3的范围内,通过制订规则,提取目标动词的最佳候选论元集合.在CoNLL2009中文语料上采用正确的依存树,识别出了98.5％的论元.充分利用此种局部性特征，制订规则将距离特征作为判定候选论元的重要条件，实现了基于规则的论元识别。结合基于机器学习的论元分类，基于正确的依存句法分析结果，本文角色标注系统F值达到89.46%，相比前人工作取得了较大改进。

摘要： 语义角色标注的研究方法中使用最频繁的一类是基于特征工程，将任务转化成分类问题使用机器学习的方法来解决，而且几乎所有的有指导语义角色标注采用的标注语料都是宾州大学命题库标注体系。近年来，北京大学开发出—套新的标注语料-北大网库，本文的目的在于测试这类研究方法在新语料的效果，验证之前所使用的特征是否对标注语料具有依赖性。通过实验我们发现前人方法中的一些不足，尤其个别特征在北大网库上作用更关键。

摘要： 本文以感知词语为实例,尝试以汉语框架语义知识库(CFN)现有的构建结果为基础资源,以短语类型、句法功能以及词语本身的句法语义属性为已知条件,初步归纳汉语句子中语义角色的标注规则。通过小规模数据的分析和测试,可以预见,基于句法和词汇语义特征的规则对于语义角色识别是非常有效的。

摘要： 语义分析是自然语言理解领域研究的根本性问题,浅层语义分析为此提供了一种新的解决途径.从语义学的角度讨论了浅层语义分析的发展历史和理论基础,概述了语义角色标注任务的定义、相关资源与方法.还着重介绍并比较了当前英语两大语义角色体系和汉语角色体系,最后给出了浅层语义分析中统计模型的现有特征集的句法语义分类.

摘要： 一种非受限路径自然语言的语义角色标注及语义提取方法，所述方法首先收集非受限条件下汉语路径自然语言语料，建立汉语路径自然语言语料库；然后使用基于语块分析和依存句法分析的语义角色标注方法实现对路径自然语言语料的自动标注；最后根据语义角色标注结果，按照顺序划分路径单元，并提取路径单元的导航语义信息。本发明使用基于语块分析和依存句法分析的语义角色标注方法进行路径自然语言语义角色标注，根据提取出的语义角色标注结果进行路径单元划分，最后提取各路径单元的语义信息。该方法能够准确地按照顺序划分路径单元，并准确提取路径语义信息，因此可指导机器人问路导航的顺利实施。

摘要： 本发明公开了一种基于知识图谱与语义角色标注的软件缺陷报告分派方法，包括：获取待分派软件缺陷报告中的文本数据；对文本数据进行语义角色标注，得到语义角色标注向量表示；利用知识图谱对文本数据注入知识，得到文本向量表示；拼接归一化后的语义角色标注向量表示与文本向量表示，得到待分派软件缺陷报告的向量表示，软件缺陷报告分派结果。本发明使用预训练语言模型对缺陷报自动分类，提高了缺陷分派的准确性，通过外部知识和明确的结构化语义信息的引入，提升了模型的文本表示能力；将知识和语义标注信息分开处理，并采取拼接的方式融合，具有较高的解耦性。

摘要： 本发明涉及一种基于深度语义模型与语义角色标注的句子相似度评估方法，将文本字符串映射到低语义空间中的特征向量，利用余弦相似度来度量两个句子之间的相似度；已有的语义角色进行保留，其他的语义角色统一进行处理；根据谓词之间的相似度的大小对句子对进行谓词的配对，得到谓词匹配对，进一步得到语义角色之间的相似计算值；将一个句子的多个谓词中每一谓词的多个语义角色进行语义搭配，计算语义角色的相似度，将深度语义模型计算出的相似度和基于语义角色计算出的相似度两部分进行线性组合作为句子的最终相似度。本发明结合语义角色，比皮尔逊相关系数提升2.226％，比SemEval2017评测官网上排名第一的结果高出0.266％。

摘要： 一种非受限路径自然语言的语义角色标注及语义提取方法，所述方法首先收集非受限条件下汉语路径自然语言语料，建立汉语路径自然语言语料库；然后使用基于语块分析和依存句法分析的语义角色标注方法实现对路径自然语言语料的自动标注；最后根据语义角色标注结果，按照顺序划分路径单元，并提取路径单元的导航语义信息。本发明使用基于语块分析和依存句法分析的语义角色标注方法进行路径自然语言语义角色标注，根据提取出的语义角色标注结果进行路径单元划分，最后提取各路径单元的语义信息。该方法能够准确地按照顺序划分路径单元，并准确提取路径语义信息，因此可指导机器人问路导航的顺利实施。

摘要： 本申请公开了一种基于机器阅读理解的语义角色标注方法、装置及介质，属于自然语言处理领域。该方法包括谓词消歧步骤、角色预测步骤以及论元标注步骤，其中角色预测步骤，将标识谓词与确定语义标签对应的多个论元类别输入到预训练语言模型中，在多个论元类别中选取预设数量个论元类别作为标识谓词具有的角色标签。本申请引入角色预测步骤，有效减少了需要提问的角色的数量，降低了计算量；谓词消歧步骤和论元标注步骤通过引入谓词和橘色的具体含义，而不仅仅是每个含义的标签，预训练语言模型就能够得到更加细致的指导，提高语义角色标注的准确率。

摘要： 本发明涉及一种基于语义角色标注的概念解释抽取方法及应用，所述方法包括以下步骤：获取待处理文本，将该待处理文本分割成句子；通过语义角色标注法抽取每个句子的角色特征部分，形成初始概念和解释；基于预先构建的词性句法规则树对所述初始概念和解释进行匹配处理，获得符合规则的最终概念和解释；本发明还提供一种如上所述的基于语义角色标注的概念解释抽取方法在Rest服务中的应用。与现有技术相比，本发明具有自动、快速、准确等优点。

摘要： 本发明公开了一种中文对话语义角色标注方法及系统，该方法包括：将数据集中的对话文本数据进行关联实体增强处理，得到增强数据集；将增强数据集输入轻量化关联实体增强模型，输出富有外部知识的词向量；根据对话语义角色标注的数据样本构建索引编码器并输出索引向量；将富有外部知识的词向量与索引向量进行拼接，得到拼接向量；将拼接向量输入至预构建的语义角色标注层，得到语义角色标注结果。本发明基于轻量化技术对中文对话语义标注的模型进行轻量化处理，能够减少整体模型的参数，降低模型的计算代价，本发明作为一种中文对话语义角色标注方法及系统，可广泛应用于自然语言处理技术领域。

摘要： 本发明公开了一种基于知识增强的深度对话语义角色标注方法及系统，该方法包括：获取数据集并对数据集进行预处理，得到预处理后的文本；获取三元组并对三元组进行筛选，得到过滤后的三元组；将过滤后的三元组与预处理后的文本结合，得到句子树结构；将句子树结构转换为序列并输入到BERT编码器，输出词向量；对预处理文本进行处理，得到索引向量；将词向量和索引向量输入到预构建的语义角色标注模型，输出预测标注结果。该系统包括：预处理模块、三元组模块、树结构模块、词向量模块、索引向量模块和结果模块。通过使用本发明，提升标注的准确度。本发明作为一种基于知识增强的深度对话语义角色标注方法及系统，可广泛应用于自然语言处理技术领域。

摘要： 本申请涉及人工智能技术领域，提供了一种语义角色标注方法、装置、计算机设备和存储介质，所述方法包括：获取待标注语句，并对待标注语句进行分词处理和词性标注；根据词性标注的结果确定待标注语句中的动词；获取各个动词预设的角色标签，根据角色标签和分词处理的结果构建各个角色标签所对应的输入样本；将各个输入样本输入至语义角色标注模型；在语义角色标注模型中，计算输入样本中的各个字作为输入样本所对应的角色标签的起始位置时的第一概率和结束位置时的第二概率，根据第一概率和第二概率进行角色标注。通过本申请提供的语义角色标注方法、装置、计算机设备和存储介质，提供语义角色标注的准确性。

摘要： 本发明公开了一种基于知识图谱与语义角色标注的软件缺陷报告分派方法，包括：获取待分派软件缺陷报告中的文本数据；对文本数据进行语义角色标注，得到语义角色标注向量表示；利用知识图谱对文本数据注入知识，得到文本向量表示；拼接归一化后的语义角色标注向量表示与文本向量表示，得到待分派软件缺陷报告的向量表示，软件缺陷报告分派结果。本发明使用预训练语言模型对缺陷报自动分类，提高了缺陷分派的准确性，通过外部知识和明确的结构化语义信息的引入，提升了模型的文本表示能力；将知识和语义标注信息分开处理，并采取拼接的方式融合，具有较高的解耦性。