劉小明 樊孝忠 劉里

(北京理工大學(xué)計(jì)算機(jī)學(xué)院，北京100081)

問句分析是自動(dòng)問答系統(tǒng)首要的工作，是后續(xù)信息檢索和答案抽取的前提和基礎(chǔ)，對(duì)問答系統(tǒng)的整體性能具有重要的影響.對(duì)用戶以自然語(yǔ)言提問的問句，問句分析通過詞法、句法、語(yǔ)義甚至語(yǔ)言等多種處理，提取問題中的各種信息，并以計(jì)算機(jī)能夠處理的形式表征出來.因此，問句分析的目的主要是為后續(xù)信息檢索和答案抽取提供合適的問題結(jié)構(gòu)化表示形式.

問句分析一直是問答系統(tǒng)研究的重點(diǎn)和難點(diǎn)［1］，國(guó)內(nèi)外學(xué)者對(duì)此進(jìn)行了廣泛且深入的研究.文獻(xiàn)［2］中研究了并列結(jié)構(gòu)識(shí)別的問題.文獻(xiàn)［3］中通過識(shí)別問句主題和焦點(diǎn)來檢索問句.賈君枝等［4］利用框架語(yǔ)義學(xué)原理，構(gòu)建面向問句分析的語(yǔ)義框架，實(shí)現(xiàn)對(duì)問句的語(yǔ)義分析.陳康［5］將句子中具有固定語(yǔ)義且位置相對(duì)固定的部分稱為語(yǔ)義塊，據(jù)此提出基于語(yǔ)義塊的問句表征.范士喜等［6］提出的問句信息塊標(biāo)注(QICA)分析方法與文獻(xiàn)［5］中方法相似，先根據(jù)語(yǔ)義將問句中的信息分為5類，然后對(duì)問句中的信息分類標(biāo)注完成問句分析工作.上述方法都取得了不錯(cuò)的效果，但對(duì)含有事件信息的復(fù)雜問句處理的準(zhǔn)確率不高［5］.

復(fù)雜問題處理的一個(gè)難點(diǎn)是如何處理其中包含的事件信息［5］.特別是在一些特定的受限領(lǐng)域，如計(jì)算機(jī)故障診斷領(lǐng)域問答系統(tǒng)中，問句描述的是計(jì)算機(jī)出現(xiàn)故障的信息，這些故障信息由一系列的領(lǐng)域事件構(gòu)成.例如，在問句“顯示器黑屏是怎么回事?”中，“黑屏”為一領(lǐng)域事件，對(duì)理解該問句起決定性作用.

復(fù)雜問句S1“打開電腦或重新啟動(dòng)電腦的時(shí)候，主機(jī)的電源指示燈亮，顯示器沒有顯示，主機(jī)發(fā)出嘀嘀的報(bào)警聲”中，“打開”、“啟動(dòng)”、“亮”、“顯示”和“報(bào)警”5個(gè)事件決定了問句的語(yǔ)義信息，其中“打開”和“啟動(dòng)”是并列事件，但因其修飾成分不同，所以是不同的兩個(gè)事件.

由此可見，正確處理事件相關(guān)信息是分析復(fù)雜問句和提高系統(tǒng)性能必須解決的問題.為此，文中提出了一種融合事件信息的復(fù)雜問句分析方法，該方法利用事件抽取技術(shù)獲取復(fù)雜問句中若干事件，以事件語(yǔ)義模型表征事件，用多個(gè)事件語(yǔ)義模型實(shí)例表征整個(gè)復(fù)雜問句的完整語(yǔ)義信息.在事件語(yǔ)義表征的基礎(chǔ)上，利用事件要素計(jì)算事件的相似度，再由事件的相似度計(jì)算完整問句的相似度.最后通過實(shí)驗(yàn)驗(yàn)證融合事件信息的復(fù)雜問句分析方法的有效性.

1 事件

客觀世界是運(yùn)動(dòng)的，運(yùn)動(dòng)的世界是由事件描繪的.事件由時(shí)間、空間、參與者要素、過程狀態(tài)等要素構(gòu)成，這些要素描述了參與事件的一個(gè)或多個(gè)實(shí)體之間發(fā)生相互作用的情景、方式、程度或效果等信息［7］.語(yǔ)言描述事件的基本方式是(Event(do What)，Who，Whom，Where，When，How)，其意義是描述在一定的時(shí)間(When)和空間(Where)環(huán)境中，實(shí)體(Who，Whom)之間發(fā)生了什么樣的作用(Event(do What))，以及作用發(fā)生的方式、效果、程度等(How).

1.1 事件語(yǔ)義模型

事件由事件觸發(fā)詞(Event)觸發(fā)，事件觸發(fā)詞是標(biāo)識(shí)事件的動(dòng)詞或者動(dòng)詞性名詞，是表示事件發(fā)生的術(shù)語(yǔ)［8］.事件發(fā)生的空間(Where)、時(shí)間(When)、參與者(Who，Whom)和事件發(fā)生的狀態(tài)、方式、程度或效果(How)等要素是事件的論元，事件觸發(fā)詞和事件論元構(gòu)成了事件完整的語(yǔ)義信息.例如，對(duì)于句子“昨天在中關(guān)村我買了一臺(tái)筆記本電腦”，其事件觸發(fā)詞和事件要素標(biāo)識(shí)如下:

基于以上敘述，定義事件的一個(gè)形式化描述，稱之為事件語(yǔ)義模型.

定義1事件語(yǔ)義模型Event={A，O，M，H，T，L}.其中:A為施事要素Who;O為受事要素Whom，M為事件內(nèi)容或者動(dòng)作要素Event，將事件觸發(fā)詞也看作是一項(xiàng)事件要素;H為作用的效果;T為時(shí)間要素When;L為空間信息Where.

根據(jù)事件語(yǔ)義模型的定義，句(1)中“買”事件表示為Event(買)={A=我，O=一臺(tái)筆記本電腦，M=買，H=了，T=昨天，L=在中關(guān)村}.

1.2 事件相似度計(jì)算

比較兩個(gè)事件需要計(jì)算兩個(gè)事件的相似度.事件語(yǔ)義模型的定義表明，事件是一種包含多種屬性信息的復(fù)雜數(shù)據(jù)對(duì)象.文獻(xiàn)［9］中給出了一種包含多種類型屬性的復(fù)雜數(shù)據(jù)對(duì)象的通用相似度計(jì)算方法，定義復(fù)雜對(duì)象i(i={xi1，xi2，…，xin})和j(j={xj1，xj2，…，xjn})的相似度so(i，j)為

式中:αf為屬性f的權(quán)值為對(duì)象i和j關(guān)于f的相似度;如果屬性值xif或xjf缺失，則指示項(xiàng)0，否則

文獻(xiàn)［7］中將事件定義為由動(dòng)作、對(duì)象、時(shí)間、環(huán)境、斷言和語(yǔ)言表現(xiàn)6種事件要素構(gòu)成的一個(gè)6元組，文獻(xiàn)［10］中基于此定義，通過計(jì)算事件的語(yǔ)法和語(yǔ)義相似度、詞語(yǔ)序列相似度、時(shí)間重合度，并按照各要素對(duì)事件描述能力的強(qiáng)弱規(guī)定了權(quán)重因子的大小，最后綜合事件所有要素的相似度得到事件的相似度.在計(jì)算機(jī)故障診斷領(lǐng)域，問題涉及的事件具有如下特性:(1)若事件觸發(fā)詞即事件的動(dòng)作要素語(yǔ)義信息不同，則兩個(gè)事件是不同的.例如，句子“顯示器黑屏”中的“黑屏”事件和“顯示器進(jìn)水了”中的“進(jìn)水”事件，即使這兩個(gè)事件的施事要素相同，都為“顯示器”，但卻是不同的事件，兩個(gè)事件的相似度為0.(2)事件的作用效果要素對(duì)事件的修飾成分具有決定性的影響.例如“指示燈亮”和“指示燈不亮”對(duì)事件“亮”的修飾不同，意義完全相反.(3)其余要素如時(shí)間和空間信息分別以一定的權(quán)值影響事件.

因此，計(jì)算機(jī)故障診斷領(lǐng)域中事件的相似度雖然也是由事件的所有要素共同確定的，但不是各個(gè)特征相似度的簡(jiǎn)單組合，而是事件的動(dòng)作要素和事件的作用效果對(duì)事件的相似度具有決定性，其它要素對(duì)事件按照一定的權(quán)重施加影響.這與一般的多種屬性的復(fù)雜數(shù)據(jù)對(duì)象之間的相似度是不同的.據(jù)此改進(jìn)式(2)，計(jì)算機(jī)故障診斷領(lǐng)域中事件實(shí)例ei和ej的相似度為

式中:αp(p=A，O，T，L)為施事、受事、時(shí)間和空間4種元素的權(quán)重，權(quán)值由領(lǐng)域?qū)＜腋鶕?jù)具體的應(yīng)用設(shè)定，其中如果屬性值pi和pj同時(shí)缺失或者同時(shí)出現(xiàn)，則指示項(xiàng)s(pi，pj)為事件要素pi和pj之間的相似度.參照文獻(xiàn)［11］，將事件要素看作義元，則事件要素之間相似度計(jì)算公式為

式中:d為pi和pj在義元層次體系中的路徑長(zhǎng)度，是一個(gè)正整數(shù);h(pi)和h(pj)分別為義元pi和pj的層次深度.

例如，句子Si=“顯示器沒有顯示”和Sj=“顯示器顯示黑屏”都包含有“顯示”事件，分別表示為ei和ej.那么事件ei和ej的相似度以及各個(gè)要素的相似度計(jì)算結(jié)果如表1所示.

表1 事件ei和ej及其要素之間的相似度1)Table 1 Similarities between event ei and ej and their elements

根據(jù)以上要素，假設(shè)除事件的動(dòng)作要素和作用效果要素外，其余各個(gè)要素間的權(quán)重相同.按照式(3)，事件ei和ej的相似度sE(ei，ej)=1×0.8×(1+1+1+1)/4=0.8.

2 基于事件語(yǔ)義模型的問句分析

事件信息的語(yǔ)義表征是復(fù)雜問句“理解”的關(guān)鍵.基于事件信息的問句分析就是提取并形式化地表征問句中事件的語(yǔ)義信息，然后用事件語(yǔ)義模型形式化表征問句中的各個(gè)事件及事件元素信息，由各個(gè)事件語(yǔ)義模型的實(shí)例組成的集合描述整個(gè)問句的語(yǔ)義信息，為信息檢索和答案提取提供形式化支持.基于事件語(yǔ)義模型的問句分析包括預(yù)處理、事件語(yǔ)義信息提取和事件語(yǔ)義信息表征3個(gè)步驟.文中以問句S1為例來說明這3個(gè)步驟.

2.1 預(yù)處理

預(yù)處理包括分詞、詞性標(biāo)注和命名實(shí)體識(shí)別.首先對(duì)問句S1進(jìn)行分詞和詞性標(biāo)注，結(jié)果如下:

打開/v電腦/n或/c重新/d啟動(dòng)/v電腦/n的/ude1時(shí)候/n，/wd主機(jī)/n的/ude1電源/n指示燈/n亮/vi，/wd顯示器/n沒有/d顯示/v，/wd主機(jī)/n發(fā)出/v嘀嘀/o的/ude1報(bào)警/vn聲/n.

命名實(shí)體識(shí)別利用領(lǐng)域?qū)嶓w關(guān)鍵詞庫(kù)確定問句中的實(shí)體，并根據(jù)領(lǐng)域本體確定實(shí)體之間的相互關(guān)系和實(shí)體的屬性.根據(jù)領(lǐng)域?qū)嶓w關(guān)鍵詞庫(kù)，對(duì)分詞、詞性標(biāo)注的結(jié)果進(jìn)行掃描，確定其中的實(shí)體關(guān)鍵詞.對(duì)發(fā)現(xiàn)的實(shí)體關(guān)鍵詞，查詢領(lǐng)域本體庫(kù)，獲取實(shí)體及其之間的關(guān)系.領(lǐng)域本體庫(kù)中包括了實(shí)體、實(shí)體屬性和實(shí)體之間的關(guān)系，即計(jì)算機(jī)部件及其屬性信息，以及部件間的關(guān)系信息.該示例中，掃描問句發(fā)現(xiàn)的實(shí)體關(guān)鍵詞有“電腦”、“主機(jī)”、“顯示器”、“電源”和“指示燈”，因此確定該問題的實(shí)體集合Entity={entity1=電腦，entity2=主機(jī)，entity3=顯示器，entity4=電源，entity5=指示燈，entity6=報(bào)警聲};關(guān)系集合Relation={r1=HAS_A(電腦，主機(jī))，r2=HAS_A(電腦，顯示器)，r3=HAS_A(主機(jī)，電源)，r4=HAS_A(電源，指示燈)}.實(shí)體及其屬性信息是事件抽取時(shí)事件論元的備選項(xiàng).利用實(shí)體關(guān)系判定一個(gè)詞在不同句子中指示的是否為同一個(gè)實(shí)體.如主機(jī)和顯示器都有電源和指示燈兩個(gè)子部件實(shí)體，顯然顯示器電源與主機(jī)電源是不同實(shí)體.該內(nèi)容不是文中的研究重點(diǎn)，故不再詳述.

2.2 事件抽取和表征

事件抽取包括事件識(shí)別和事件要素的識(shí)別兩部分.事件識(shí)別是根據(jù)領(lǐng)域事件關(guān)鍵詞庫(kù)，在問句預(yù)處理結(jié)果中掃描事件關(guān)鍵詞;事件要素的識(shí)別即事件論元的識(shí)別，是對(duì)發(fā)現(xiàn)的事件確定與之相關(guān)的實(shí)體、時(shí)間、空間和作用效果等信息.

事件識(shí)別需要一個(gè)領(lǐng)域事件觸發(fā)詞集合，該集合包含特定領(lǐng)域中可能表示事件信息的所有動(dòng)詞和詞性.如果問句中某個(gè)詞是集合中的一個(gè)元素，且詞性與觸發(fā)詞集合中標(biāo)識(shí)的相同，則認(rèn)為該詞觸發(fā)了一個(gè)領(lǐng)域事件.

事件論元識(shí)別采用哈爾濱工業(yè)大學(xué)信息檢索研究中心共享的LTP服務(wù)接口［12］，通過調(diào)用該接口中的語(yǔ)義角色標(biāo)注功能，獲取事件觸發(fā)詞的語(yǔ)義角色，再對(duì)比預(yù)處理階段獲取的實(shí)體信息，將賦予語(yǔ)義角色的領(lǐng)域?qū)嶓w作為事件的施事或受事論元.簡(jiǎn)單地將獲取的標(biāo)記ArgTmp語(yǔ)義角色的詞作為事件的時(shí)間要素，標(biāo)記ArgLoc的詞作為空間要素.

根據(jù)上述事件語(yǔ)義模型和事件的抽取結(jié)果，將事件表征為由多個(gè)要素構(gòu)成的事件語(yǔ)義模型實(shí)例.在例句S1中，領(lǐng)域事件關(guān)鍵詞有“打開”、“啟動(dòng)”、“亮”、“顯示”和“報(bào)警”.其中，“打開”和“啟動(dòng)”是電腦的動(dòng)作，副詞“重新”是“啟動(dòng)”的修飾語(yǔ);“亮”是指示燈的動(dòng)作;“報(bào)警”是主機(jī)的動(dòng)作，產(chǎn)生的結(jié)果是“滴滴”的實(shí)體“聲音”;“顯示”是顯示器的動(dòng)作，結(jié)果是“沒有”.“報(bào)警”是“主機(jī)”的操作，即“主機(jī)”發(fā)生了“報(bào)警”事件.因此，問句S1的事件集合Event={“打開”，“啟動(dòng)”，“亮”，“顯示”，“報(bào)警”}中的各個(gè)事件及其語(yǔ)義模型實(shí)例如表2所示.

表2 問句S1的語(yǔ)義表征Table 2 Semantic representation of question S1

2.3 復(fù)雜問句的相似度計(jì)算

研究發(fā)現(xiàn)，復(fù)雜問句的事件構(gòu)成了問題的主干，在計(jì)算機(jī)故障診斷領(lǐng)域更是如此.因此將包含事件的問句作為一種特殊的文本，表示為由多個(gè)事件語(yǔ)義模型表征的事件向量.根據(jù)事件語(yǔ)義模板和事件相似度定義，參考文獻(xiàn)［13］中基于事件的文本相似度計(jì)算方法，定義基于事件的復(fù)雜問句相似度計(jì)算方法如下:

式中:sS(Si，Sj)為問句Si和Sj的相似度;sE(eik，ejk)為事件eik和ejk的相似度;分別為Si和Sj包含的事件個(gè)數(shù);n為Si和Sj包含的全部事件個(gè)數(shù)

3 實(shí)驗(yàn)及分析

3.1 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)數(shù)據(jù)一部分來源于某自動(dòng)客服系統(tǒng)的用戶常用問句(FAQ)庫(kù)，另一部分則取自補(bǔ)充FAQ庫(kù)，從網(wǎng)絡(luò)如“百度知道”、“搜搜問問”、“太平洋電腦網(wǎng)快問”等知識(shí)問答專欄抓取.總共有104個(gè)與顯示器相關(guān)的問句，作為領(lǐng)域備選問句集合Q.

對(duì)領(lǐng)域備選問句集合Q中的問句進(jìn)行分詞和詞性標(biāo)注，將所有詞性標(biāo)注為動(dòng)詞的詞語(yǔ)組成備選事件觸發(fā)詞備選集合.然后，領(lǐng)域?qū)＜胰斯徍嗣總€(gè)事件的觸發(fā)詞，確定與顯示器故障相關(guān)的特有的事件動(dòng)詞或名詞性動(dòng)詞，組成顯示器故障相關(guān)的事件觸發(fā)詞集合W.

從備選問句集合中選取包含有事件觸發(fā)詞的問句，再人工除去無關(guān)及無效問句，得到實(shí)驗(yàn)所需的領(lǐng)域事件復(fù)雜問句2500個(gè)，組成實(shí)驗(yàn)數(shù)據(jù)集合TQ.實(shí)驗(yàn)中使用的部分問句和事件如表3所示.

表3 復(fù)雜問句及其事件示例Table 3 Samples of complex question and its related events

計(jì)算用戶問句與問句庫(kù)中各個(gè)問句的相似度，取閾值為0.75，將相似度大于該值的問句認(rèn)為是與用戶意義一致的問句，有多個(gè)答案的取第一個(gè)作為有效答案，并判定其正確性.

3.2 實(shí)驗(yàn)結(jié)果及分析

基于詞頻統(tǒng)計(jì)(TFIDF)的方法、基于知網(wǎng)的方法、基于語(yǔ)義依存的方法［14］、基于語(yǔ)義塊的方法［5］是目前中文問句分析中具有代表性的方法，文獻(xiàn)［5-14］中都對(duì)這些方法及其性能進(jìn)行了詳細(xì)的敘述，這里不再贅述.為驗(yàn)證事件語(yǔ)義信息對(duì)問句分析的效果，采用這4種方法與基于事件信息的復(fù)雜問句分析方法進(jìn)行實(shí)驗(yàn).實(shí)驗(yàn)中使用相同的TQ數(shù)據(jù)，并采用準(zhǔn)確率(準(zhǔn)確率=答對(duì)的問題數(shù)/問題總數(shù))來衡量這些方法的性能.

初步實(shí)驗(yàn)是單獨(dú)利用基于事件信息的問句分析方法，有1157個(gè)問句取得了正確的結(jié)果，其準(zhǔn)確率只有46.28%.但其中事件論元識(shí)別正確的有1450個(gè)問句，取得了79.79%的準(zhǔn)確率.由此可見，單獨(dú)使用事件語(yǔ)義信息并不能取得理想的識(shí)別效果.

因此，考慮在利用問句關(guān)鍵詞詞頻特征和語(yǔ)義信息特征方法的基礎(chǔ)上增加領(lǐng)域事件語(yǔ)義信息.進(jìn)一步的實(shí)驗(yàn)是:首先從問句中抽取關(guān)鍵詞，根據(jù)知網(wǎng)和領(lǐng)域本體對(duì)關(guān)鍵詞進(jìn)行同義詞、領(lǐng)域關(guān)聯(lián)擴(kuò)展.將關(guān)鍵詞及其擴(kuò)展結(jié)果作為查詢條件，利用基于TFIDF的方法在FAQ庫(kù)中查詢，將返回的前10條作為備選結(jié)果.然后，根據(jù)事件語(yǔ)義信息對(duì)備選結(jié)果進(jìn)行分析，利用基于事件的問句相似度計(jì)算方法來計(jì)算備選結(jié)果與用戶問句的相似度.最后，將相似度最高的常用問句作為最后的返回結(jié)果.幾種方法的實(shí)驗(yàn)結(jié)果如表4所示.

從表4可知，基于TFIDF的方法、基于知網(wǎng)的方法、基于語(yǔ)義依存的方法和基于語(yǔ)義塊的方法都取得了較高的準(zhǔn)確率;而文中融合事件信息的復(fù)雜問句分析方法利用了問句中事件的結(jié)構(gòu)化語(yǔ)義信息，進(jìn)一步提高了對(duì)復(fù)雜問句的分析效果，準(zhǔn)確率高達(dá)78.6%.

表4 幾種方法的實(shí)驗(yàn)結(jié)果Table 4 Experimental results of severalmethods

4 結(jié)語(yǔ)

文中將事件提取技術(shù)用于自動(dòng)問答系統(tǒng)的復(fù)雜問題分析，定義了一個(gè)表征事件的事件語(yǔ)義模型和抽取方法，給出了一種事件相似度計(jì)算方法，并以此為基礎(chǔ)設(shè)計(jì)、實(shí)現(xiàn)了融入事件信息的復(fù)雜問句分析方法.事件語(yǔ)義模型有效地表征了問題中的事件語(yǔ)義信息，事件向量表征了問題中的完整事件語(yǔ)義信息，因此，融入事件信息的問句分析方法在利用關(guān)鍵詞詞頻特征和詞義特征的基礎(chǔ)上，還利用了事件的語(yǔ)義信息，可為自動(dòng)問答系統(tǒng)后續(xù)的信息檢索和答案提取提供更為準(zhǔn)確和豐富的結(jié)構(gòu)化語(yǔ)義信息，提高了自動(dòng)問答系統(tǒng)的準(zhǔn)確度.

一個(gè)事件的發(fā)生往往會(huì)對(duì)另一個(gè)事件產(chǎn)生影響，將事件之間的相互影響稱為事件之間的關(guān)系.現(xiàn)階段對(duì)復(fù)雜問句分析的研究?jī)H利用事件集合來表征問句，沒有利用事件之間的關(guān)系信息.事件之間的關(guān)系對(duì)問句更深層次語(yǔ)義理解的影響將是下一步研究的內(nèi)容.

［1］鄭實(shí)福，劉挺，秦兵，等.自動(dòng)問答綜述［J］.中文信息學(xué)報(bào)，2002，16(6):46-52.Zheng Shi-fu，Liu Ting，Qin Bing，et al.Overview of question answering［J］.Journal of Chinese Information Processing，2002，16(6):46-52.

［2］Fan Shi-xi，Wang Xuan，Wang Xiaolong.Combination of roughest theory and maximum entropy model for conjunctive structure detection in QA system［C］∥Proceedings of the Sixth International Conference on Machine Learning and Cybernetics.Hong Kong:IEEE，2007:3051-3056.

［3］Duan Hui-zhong，Cao Yun-bo，Lin Chinyew，et al.Searching questions by identifying question topic and question focus［C］∥Proceedings of the 46th Annual Meeting of the Association for Computational Linguistics:Human Language Technologies.Columbus:Association for Computational Linguistics，2008:156-164.

［4］賈君枝，邰楊芳.漢語(yǔ)框架網(wǎng)絡(luò)問答系統(tǒng)的問句分析設(shè)計(jì)與實(shí)現(xiàn)［J］.現(xiàn)代圖書情報(bào)技術(shù)，2008，165(6):11-15.Jia Jun-zhi，Tai Yang-fang.The design and implementation of question analysis for Q＆A system based on Chinese FrameNet［J］.New Technology of Library and Information Service，2008，165(6):11-15.

［5］陳康.受限領(lǐng)域問答系統(tǒng)的問句分析研究［D］.北京:北京理工大學(xué)計(jì)算機(jī)學(xué)院，2008.

［6］范士喜，王曉龍，王軒，等.面向真實(shí)環(huán)境的問句分析方法［J］.電子學(xué)報(bào)，2010，38(5):1131-1135.Fan Shi-xi，Wang Xiao-long，Wang Xuan，et al.Real environment oriented question analyzing［J］.Acta Electronica Sinica，2010，38(5):1131-1135.

［7］劉宗田，黃美麗，周文，等.面向事件的本體研究［J］.計(jì)算機(jī)科學(xué)，2009，36(11):189-192.Liu Zong-tian，Huang Mei-li，Zhou Wen，et al.Research on event-oriented ontologymodel［J］.Computer Science，2009，36(11):189-192.

［8］趙妍妍，秦兵，車萬(wàn)翔，等.中文事件抽取技術(shù)研究［J］.中文信息學(xué)報(bào)，2008，22(1):3-8.Zhao Yan-yan，Qin Bing，Che Wan-xiang，et al.Research on Chinese eventextraction［J］.Journal of Chinese Information Processing，2008，22(1):3-8.

［9］敖成龍，蘇英，龔元明.基于相似度的復(fù)雜數(shù)據(jù)對(duì)象比較［J］.北京理工大學(xué)學(xué)報(bào)，2003，23(5):593-595.Ao Cheng-long，Su Ying，Gong Yuan-ming.Comparison of complex data objects based on similarity［J］.Transactions of Beijing Institute of Technology，2003，23(5):593-595.

［10］單建芳，劉宗田，周文.事件相似度計(jì)算［J］.小型微型計(jì)算機(jī)系統(tǒng)，2010，31(4):731-734.Shan Jian-fang，Liu Zong-tian，Zhou Wen.Event similarity calculation［J］.Journal of Chinese Computer Systems，2010，31(4):731-734.

［11］劉群，李素建.基于《知網(wǎng)》的詞匯語(yǔ)義相似度計(jì)算［J］.中文計(jì)算語(yǔ)言學(xué)，2002，7(2):59-76.Liu Qun，Li Su-jian.Word similarity computing based on How-net［J］.Computational Linguistics and Chinese Language Processing，2002，7(2):59-76.

［12］哈工大信息檢索研究中心.語(yǔ)言技術(shù)平臺(tái)［EB/OL］.(2006-09-05)［2010-09-10］.http:∥ir.hit.edu.cn/demo/ltp/.

［13］仲兆滿，劉宗田，周文，等.基于事件的文本相似度計(jì)算［J］.廣西師范大學(xué)學(xué)報(bào):自然科學(xué)版，2009，27(1):149-152.Zhong Zhao-man，Liu Zong-tian，Zhou Wen，et al.Eventsbased text similarity computing［J］.Journal of Guangxi Normal University:Natural Science Edition，2009，27(1):149-152.

［14］李彬，劉挺，秦兵，等.基于語(yǔ)義依存的漢語(yǔ)句子相似度計(jì)算［J］.計(jì)算機(jī)應(yīng)用研究，2003，12(12):15-17.Li Bin，Liu Ting，Qin Bing，et al.Chinese sentence similarity computing based on semantic dependency relationship analysis［J］.Application Research of Computers，2003，12(12):15-17.