內(nèi)容標(biāo)簽和關(guān)系標(biāo)簽相結(jié)合的漢語(yǔ)篇章標(biāo)注

1、內(nèi)容標(biāo)簽和關(guān)系標(biāo)簽相結(jié)合的漢語(yǔ)篇章標(biāo)注李素建，王荀 ，王宇昕北京大學(xué)計(jì)算語(yǔ)言學(xué)研究所 北京 100871lisujian,xunwang,本文的框架 篇章標(biāo)注及相關(guān)工作 內(nèi)容標(biāo)簽和結(jié)構(gòu)標(biāo)簽相結(jié)合的標(biāo)注規(guī)范 標(biāo)注樣例和工具 總結(jié)篇章關(guān)系 篇章關(guān)系是指文本的組成部分之間的語(yǔ)義關(guān)聯(lián)。 一般只標(biāo)注相鄰部分之間的關(guān)系 最小單位是句子、小句，也有使用短語(yǔ)的。 樹狀結(jié)構(gòu)或者圖模型來(lái)描述標(biāo)注結(jié)果篇章關(guān)系理論和語(yǔ)料庫(kù) 基于RST理論的RST-Discoures Treebank（Carlson等，2001） 385篇Wall Street Journal文章 PDTB-v2（Prasad等，2008） 語(yǔ)義關(guān)系

2、分為三層 一百萬(wàn)字規(guī)模的Wall Street Journal文章 FrameNet Graphbank 中文語(yǔ)料庫(kù)：樂(lè)明/婁開陽(yáng)/李毅篇章關(guān)系理論和語(yǔ)料庫(kù) RST-DT和GraphBank是將整個(gè)文本作為一個(gè)整體進(jìn)行理解和標(biāo)注 PDTB和FrameNet主要用來(lái)描述文本片段。 篇章關(guān)系標(biāo)注的目的： 不同層次的文本標(biāo)注統(tǒng)一到一個(gè)框架 更好地服務(wù)于自然語(yǔ)言處理任務(wù)的需要內(nèi)容標(biāo)簽和關(guān)系標(biāo)簽相結(jié)合的篇章標(biāo)注體系 標(biāo)注的基本原則 分層的原則 句-段-篇-章 簡(jiǎn)單的原則 關(guān)系標(biāo)簽 內(nèi)容標(biāo)簽 異質(zhì)的原則 不同的層面使用不同的標(biāo)簽分層的原則 篇：由關(guān)系比較單調(diào)和松散的章組成 章：由一個(gè)或者幾個(gè)意義段組成 意

3、義段：由意義段或者自然段組成 自然段：由句子組成 句子：由句內(nèi)基本單位組成 每一層的單元彼此之間以及相鄰的層次之間存在著關(guān)系，從而構(gòu)成了整個(gè)篇章。簡(jiǎn)單的原則 關(guān)系標(biāo)簽：兩個(gè)相鄰的成分之間的關(guān)系。 內(nèi)容標(biāo)簽：?jiǎn)蝹€(gè)的成分本身的內(nèi)容所具有的意義特征。 內(nèi)容標(biāo)簽的設(shè)計(jì)比較靈活，而關(guān)系標(biāo)簽的數(shù)目和種類則是比較固定。這樣可以兼顧標(biāo)簽體系靈活性和穩(wěn)定性的需要。 關(guān)系標(biāo)簽是必須的，內(nèi)容標(biāo)簽是可選的，內(nèi)容標(biāo)簽可以是對(duì)關(guān)系標(biāo)簽的一個(gè)補(bǔ)充。異質(zhì)的原則（關(guān)系標(biāo)簽）內(nèi)容標(biāo)簽 以醫(yī)學(xué)文本為例病理病理數(shù)據(jù)數(shù)據(jù)預(yù)后預(yù)后防治防治病因病因死亡情況死亡情況癥狀癥狀病理解剖病理解剖預(yù)防預(yù)防定義定義診斷診斷病理生理病理生理治療治療誘因誘因體征體征檢查檢查臨床表現(xiàn)臨床表現(xiàn)分類分類描述描述功能功能篇章關(guān)系標(biāo)注散文為例關(guān)系標(biāo)簽標(biāo)注結(jié)果標(biāo)注輔助工具總結(jié) 在新聞?wù)Z料和醫(yī)學(xué)文本上進(jìn)行了標(biāo)注 同時(shí)標(biāo)注篇章的語(yǔ)義關(guān)系和重要內(nèi)容 內(nèi)容和語(yǔ)義關(guān)系分開 保證了標(biāo)注體系的理論上完備性 保證了重要信息可以被標(biāo)識(shí)出來(lái)