摘 要：指代消解技術(shù)是自動文章的關(guān)鍵，介紹了指代消解的研究方式，分析了中文指代消解目前研究現(xiàn)狀，并且詳細闡述了語料庫和所使用的此類標記，同時提出了名詞短語識別和標記符號，分析了中文名詞短語的確定與英文的不同，對中文指代消解的前期語料的處理和后期應(yīng)用作了很好的介紹。

關(guān)鍵詞：指代消解；規(guī)則；名詞短語

中圖分類號：TP391.1

1 研究的背景及意義

1.1 自動文摘技術(shù)

指代是自然語言處理領(lǐng)域的常見現(xiàn)象，廣泛的存在于自然語言的各種表達中。對于簡化表達，銜接上下文起著重要作用。在語言學(xué)中，指代也稱照應(yīng)，英文單詞是Anaphora，所指的對象或內(nèi)容稱為先行語（Antecedent）。確定照應(yīng)語所指的先行語的過程稱為指代消解[1]（Anaphora Resolution）。指代消解是在一個篇幅內(nèi)進行的。指代消解技術(shù)是信息抽取[2]IE（Information Extraction）評測的主要技術(shù)指標。伴隨計算機技術(shù)在非數(shù)字化領(lǐng)域研究的興起，指代消解被越來越多的應(yīng)用在自動文摘，信息檢索等領(lǐng)域。

2 中文指代消解基本知識

2.1 中文語料庫的規(guī)范

中文指代消解所使用的語料庫是由富士通研究開發(fā)中心和北京大學(xué)計算語言學(xué)研究所，根據(jù)人民日報1998年上半年的語料為對象，從1999年4月起制作出了最大的漢語標注語料庫[3]。共有26個詞類標記，包括：處所詞s、名詞n、時間詞t、介詞p、數(shù)詞m、量詞q、區(qū)別詞b、詞r、動詞v、形容a、狀態(tài)詞z、副詞d、連詞c、助詞u、方位詞f、語氣詞y、嘆詞e、擬聲詞o、成語i、習(xí)用語l、簡稱j、前接成分h、后接成分k、語素g、非語素字x、標點符號w，并多加以下3類標記：

專有名詞的分類標記即人名nr，地名ns，團體機關(guān)單位名稱nt，其他專有名詞nz；

語素的子類標記即名語素Ng，動語素Vg，形容語素Ag，時間語素Tg，副語素Dg等；動詞和形容詞的名詞用法標記vn，an和副詞用法標記vd，ad。合計約40個左右。抽取方法采用隱馬爾可夫模型。

例如句子：“他去南京”根據(jù)單詞出現(xiàn)的概率與詞性和詞性的連接概率，計算出所有切法的概率總值，概率值最大的為第一候選，這其中“他/r去/v南京/ns”的概率總值最大，是第一候選。

2.2 名詞短語的識別

本文研究的主要內(nèi)容是將代詞替換為它所指代的照應(yīng)詞，所以在消解過程中需要對命名實體和代詞進行標注，

根據(jù)本文特定的語料內(nèi)容，只需要將源語料中動詞（v）、含有動詞意義的名詞（vn）、名詞（n）、時間詞（t）和命名實體進行標注，所以利用ICTCLAS所標注出來的詞性[4]和Perl編寫的程序?qū)⒎指钗募械拇~和命名實體都標注成了“<詞性>單詞”的形式，例如名詞“北京”就標記成為“北京”的形式存放于命名實體標記文件中。

在命名實體識別中，將命名實體分為“Human”、“Place”、“Organization”、“Time”、“Pronoun”和“General”，六種類型進行標識，分別表示“人物”、“地點”、“機構(gòu)”、“時間”、“代詞”和“一般名詞”，其標注的方式與上述動詞的標注方式是一樣的，即張先生，指代消解就是把指代這類命名實體的代詞進行消解。

指代消解最核心的問題是根據(jù)文章的兩個名詞和名詞短語來判斷是否存在指代關(guān)系[5]。名詞短語是以名詞為主體的短語，性質(zhì)和作用與名詞相同。例如：民俗風(fēng)情、甲級聯(lián)賽、社會風(fēng)氣等。

在計算機指代消解中，處理的關(guān)鍵名詞短語包括：人名（Human Name）、地名（Place Name）、機構(gòu)名（Organization Name）、時間（Time）、代詞（Pronoun Name）和一般名詞（General），分別用符號H、P、O、T、D和G 表示不同類型的先行詞對應(yīng)的照應(yīng)語類型不同，如人稱代詞的先行語一般指代人名，絕對不會指代時間或者代詞，如表1所示：

表1 基本名詞成分分組情況

組別 詞性符號

人名（Human Name）nr

地名（Place Name）ns

機構(gòu)名（Organization Name）nt

時間（Time）Tg/t

代詞（Pronoun Name）r

一般名詞（General）an /Ng/n/nx/nz/vn

判斷名詞短語的方式步驟如下：

首先，根據(jù)上面的六種組別分類判斷出句子中的名詞短語；

其次，根據(jù)距離屬性，判斷相鄰的短語如果組別相同，可以將兩個短語合二為一；

最后，合并并列的名詞性短語。如句子中出現(xiàn)“和”、“與”或“、”兩側(cè)的短語的類型一致，就將兩側(cè)短語連同連接詞“和”、“與”或“、”一起合并為一個名詞短語。字母B用來表示并列詞如“和”、“與”、“、”，語料句子中的出現(xiàn)的其他成分均標記成字母Q。

根據(jù)上面的方式，對人民日報標注語料基本實現(xiàn)了指代消解的名詞短語識別，識別結(jié)果舉例如下：

19980118-01-001-007/m{災(zāi)情/n}G{驚動/v}Q{中南海/ns}P{。/w}Q{當(dāng)天/t}T{下午/t}T{，/w}Q{江/nr澤民/nr}H{總書記/n}G{和/c（Ag-c-Ng-p-q-v）}B{李/nr鵬/nr}H{總理/n}Q{打電話/l}Q{向/p（Ng-p-v）}Q{罹難者/n家屬/n}G{和/c（Ag-c-Ng-p-q-v）}B{災(zāi)區(qū)/n 群眾/n}G{表示/v}Q{親切/ad}q{慰問/v。/w}Q。

3 中文指代消解的特點

漢語和英語兩種語言之間存在差異，中文的指代消解，如果直接借鑒英文指代消解的處理方法是不科學(xué)的。如英語中的單復(fù)數(shù)信息、人名的性別信息等在漢語中都不明顯。例如英文中的“they”，針對不同的語境，在漢語中可以翻譯成“他們”、“她們”和“它們”三種。人名、地名、機構(gòu)名等命名實體的自動識別，是人稱代詞消解中需要首先解決的問題，但是目前這一問題并未完全解決，這在一定程度上影響了先行語的辨識，同樣也影響了人稱代詞的消解。詞匯與句法知識在指代消解中起著非常重要的作用，

句法分析尚處在很不成熟的階段，句子之間的語義關(guān)系，甚至常識性知識更不容易分析得到。因此，要運用這些知識指代消解是困難的，也是目前自然語言處理中研究得最多的問題之一。

參考文獻：

[1]王厚峰.指代消解的基本方法和實現(xiàn)技術(shù)[J].中文信息學(xué)報，2002，16（6）：9-17.

[2]孔芳，周國棟.指代消解綜述[J].計算機工程，2010，36（8）：33-36.

[3]段慧明，松井久仁於.大規(guī)模漢語標注語料庫的制作與使用[J].語言文字應(yīng)用2000，02：72-777.

[4]李國臣，羅云飛.采用優(yōu)先選擇策略的中文人稱代詞的指代消解[J].中文信息學(xué)報，2005，19（4）：24-30.

[5]郭志立.人稱代詞指代主體的辨析及其在在要抽取中的應(yīng)用[M].1998年中文信息處理國際會議論文集，北京：清華大學(xué)出版社，1998：310-315.

作者簡介：韋麗紅（1982-），女，黑龍江人，碩士，講師，研究方向：語義web、文本挖掘、信息處理。

作者單位：呼倫貝爾學(xué)院 計算機科學(xué)與技術(shù)學(xué)院，內(nèi)蒙古海拉爾 021008