程良 郜洪奎 王紅斌

摘要：針對漢泰新聞事件要素抽取進行研究，首先分析漢泰語言特點，發(fā)現(xiàn)泰語的定語、狀語和補語后置與中文語法結(jié)構(gòu)類似，進一步分析發(fā)現(xiàn)漢泰依存結(jié)構(gòu)相同。因此，通過平行句對構(gòu)建漢泰依存樹，再根據(jù)泰語語言特點定義若干規(guī)則，利用依存樹與規(guī)則相結(jié)合抽取泰語句子的主語、賓語和狀語。實驗驗證，泰語主語名詞短語、賓語名詞短語和狀語名詞短語的事件要素抽取正確率分別為62.13%、64.18%和70.21%，說明基于依存樹與規(guī)則相結(jié)合抽取泰語新聞事件元素是可行的。

關(guān)鍵詞：依存樹；規(guī)則；泰語；要素抽取；自然語言處理

DOI：10.11907/rjdk.181605

中圖分類號：TP301

文獻標(biāo)識碼：A文章編號：1672-7800（2018）007-0049-08

Abstract：ThisresearchaimstostudytheextractionmethodfornewsinbothChineseandThailanguages.AnanalysisonthecharacteristicsofChineseandThailanguagewascarriedout.Itwasfoundthattheattributive，adverbialandpost-complementweresimilarinbothlanguages，whichfurtherindicatedthatChineseandThailanguagesharedthesamedependencystructure.Therefore，ChineseandThaidependencystructuretreesweredevelopedbyparallelsentences.Then，accordingtotherulesofThailanguagefeatures，subject，objectandadverbialofThaisentenceswereextractedbycombiningdependencytreeandthedefinedrules.TheresearchconfirmedthemainelementsinThainewsincludedsubjectnounphrases，objectnounphrases，andadverbialnounphrases，withthecorrectextractionrateof62.13%，64.18%and70.21%respectively.ItisevidentthatdependencystructuretreeincombinationwithlanguagerulescouldbeappliedinextractingtheelementsinThainews.

KeyWords：dependencytree；rule；Thailanguage；factorextraction；naturallanguageprocessing

0引言

中國作為內(nèi)陸國家與眾多國家接壤，自古以來重視與鄰國的經(jīng)濟合作及文化交流。泰國是中國的鄰居，自1975年雙方建交以來，兩國交流與合作比較密切[1-2]。隨著中國“一帶一路”倡議的提出，兩國之間的交流與合作達(dá)到一個全新高度。兩國人民獲取信息的渠道之一是各種新聞網(wǎng)絡(luò)。但是，網(wǎng)絡(luò)新聞具有海量性和無限性，如何從大量雜亂無章的新聞報道中快速、有效獲取所關(guān)注的新聞信息，已成為當(dāng)前迫切需要解決的問題。因此，開展基于依存樹與規(guī)則相結(jié)合的漢泰新聞事件要素抽取方法研究顯得十分重要。然而，泰語是小語種，應(yīng)用人群有限、技術(shù)不成熟等導(dǎo)致目前關(guān)于泰語事件的研究較少。

2005年ACE評測會議把事件要素抽取作為事件識別的后續(xù)任務(wù)[3]。事件要素抽取是指從已識別事件的眾多實體中提取出事件的時間（Time）、地點（Place）、參與者（Participants）等信息[4-6]。當(dāng)前國內(nèi)外關(guān)于事件要素抽取的研究主要采用兩種方法：模版匹配方法[7]和機器學(xué)習(xí)方法[8]。模版匹配方法是在模版的指導(dǎo)下進行的，首先要獲取模版，然后再利用獲取的模版抽取事件要素信息。例如：李芳[9]自動抽取新聞報道中提及的事件相關(guān)信息，如時間、地點以及結(jié)果等，具體做法是結(jié)合時間、地點條件完成事件要素抽取任務(wù)，在特定領(lǐng)域?qū)嶒炐Ч^為理想，但缺點是同一事件信息合并會出現(xiàn)問題；付劍鋒[10]運用基于特征加權(quán)的事件要素識別方法，實驗之前首先改良ReliefF特征選擇算法，其次根據(jù)改良后的ReliefF特征選擇算法（FWA）綜合考慮各個特征對聚類的影響，進而分配相應(yīng)的權(quán)值，然后利用K-Means算法對抽取的事件要素進行聚類，最終完成事件要素抽取，但是該方法采用FWEAI算法進行聚類，需要人工干預(yù)。

由于規(guī)則是根據(jù)人的思維制定的，總體來說采用模式匹配方法進行事件要素抽取具有準(zhǔn)確率較高（如果首先定義的模式非常準(zhǔn)確）并且知識表現(xiàn)直觀、自然的優(yōu)點，有利于了解和推理。但是該方法依賴于具體的單一語言和相關(guān)領(lǐng)域及文本格式，可移植性差、制作費時費力且容易產(chǎn)生錯誤，更重要的是只有經(jīng)驗豐富的語言學(xué)家才能完成。況且語言復(fù)雜多變，因此制作的抽取模式不可能包含所有事件類型，當(dāng)轉(zhuǎn)換語料時，由于不同語言結(jié)構(gòu)特點，需要重新制作模式，因此性價比不高。

因此，部分學(xué)者轉(zhuǎn)向機器學(xué)習(xí)方法研究事件要素的獲取。例如：Ahd[11]在2006年首次提出采用多元分類器識別事件要素，并且在ACE英文語料上做了相應(yīng)測試，結(jié)果較為理想，但是存在數(shù)據(jù)的正反例不平衡及多元分類器數(shù)量眾多等問題。趙妍妍[12]在Ahd實驗基礎(chǔ)上進行相應(yīng)改進，將不同類別中相同的事件要素進行合并，并且在ACE中文語料上取得了不錯成果。丁效[13]采用最大熵作為分類器進行事件要素識別，但是該方法依賴具體的語料。Saeedi[14]、Wang[15]和楊爾弘[16]把事件要素的抽取問題進行相應(yīng)轉(zhuǎn)化，使其轉(zhuǎn)化為分類問題，但是分類器構(gòu)建與特征選擇等需要大量人力和物力。機器學(xué)習(xí)方法具有良好的健壯性和靈活性，且比較客觀，不需要過多的人工干預(yù)以及領(lǐng)域?qū)＜抑R，因此實驗召回率較高。但是由于語料庫資源有限導(dǎo)致數(shù)據(jù)稀疏，從而引發(fā)準(zhǔn)確率較低和開銷巨大等問題，且還需要龐大的語料庫資源。目前泰語領(lǐng)域研究成果只有少量詞法層面和語料庫構(gòu)建等基礎(chǔ)資源構(gòu)建層面的研究，而事件相關(guān)研究較少。比如：趙治鵬[17]采用機器學(xué)習(xí)方法實現(xiàn)泰語分詞；KessarapornSuesatpanit等[18]通過泰語字符集信息實現(xiàn)泰語分詞；CanasaiKruengkrai等[19]通過詞和字符簇的混合模型實現(xiàn)泰語分詞。同時，泰語領(lǐng)域研究成果大都采用有監(jiān)督的機器學(xué)習(xí)方法，需要依賴高質(zhì)量的泰語訓(xùn)練語料，開銷較大，并且因資源稀少而較難獲得。上述采用機器學(xué)習(xí)識別事件要素的方法，都是采用把候選事件要素以及相關(guān)信息作為特征進行訓(xùn)練分類器，取得了較好成績；但是如果事件要素不是某一類不變的實體信息，而是泛化的相關(guān)內(nèi)容，則采用分類器識別事件要素效果較差。

針對上述事件要素研究現(xiàn)狀及泰語研究存在的問題，本文采用依存樹與模版匹配相結(jié)合可以很好地抽取漢泰事件要素信息。漢語和泰語依存關(guān)系結(jié)構(gòu)[20]相同，在獲取漢泰平行事件句對語料的基礎(chǔ)上，首先通過構(gòu)建漢語依存樹，然后將其映射為泰語依存樹，并且根據(jù)泰語語言特點定義若干規(guī)則，最后利用泰語依存樹與定義規(guī)則相結(jié)合完成泰語事件要素抽取任務(wù)。本文基于依存樹與規(guī)則相結(jié)合的漢泰新聞事件要素抽取方法，在漢泰平行事件句對的語料基礎(chǔ)上，借助中文事件較為成熟的技術(shù)，從非結(jié)構(gòu)新聞文本中抽取出事件要素信息并以結(jié)構(gòu)化形式展現(xiàn)，具有重要價值。

1研究思路與方法

事件要素提取作為事件抽取的后續(xù)任務(wù)，是從識別的事件中把人物、時間、地點等信息提取出來。本文研究重點是事件要素抽取，即抽取出事件的時間、地點、參與者等信息。由于泰語是小語種，當(dāng)前關(guān)于泰語的研究僅僅局限在詞法等方面，泰語事件研究較少及泰語語料資源有限導(dǎo)致直接開展泰語研究會面臨許多困難，因此需要借助漢語較為成熟的事件技術(shù)進行泰語事件研究。本文的事件要素抽取任務(wù)從本質(zhì)上說，與中文微博中的情感要素抽取任務(wù)相同，都是識別要素信息。張凌[21]根據(jù)中文語言結(jié)構(gòu)特點提出了基于模版和依存分析相結(jié)合的情感要素抽取方法，并通過實驗論證該方法可以有效提高情感要素抽取結(jié)果。但是泰語與漢語語言結(jié)構(gòu)不同，泰語中定語、狀語和補語是后置的語言。目前的規(guī)則在泰語中不適用或者太少，不能充分識別泰語事件要素，因此需要分析泰語語言，制定若干針對泰語事件要素抽取的規(guī)則，最后根據(jù)制定的規(guī)則與依存分析相結(jié)合進行泰語事件要素抽取。但是本文研究卻又不同于張凌的單語情感要素抽取，具體包括以下兩個難點：①泰語目前沒有依存分析樹庫，需要構(gòu)建依存樹庫；②規(guī)則模版制定需要考慮漢泰語言結(jié)構(gòu)特點，制定適用于泰語的事件要素抽取規(guī)則。

針對上述問題①，查閱文獻[20]發(fā)現(xiàn)漢語與泰語的依存關(guān)系相同，因此可以根據(jù)哈工大語言云直接得到漢語依存樹，然后將其直接映射為泰語依存樹；針對上述問題②，根據(jù)文獻[22-24]總結(jié)及咨詢泰國留學(xué)生泰語語言結(jié)構(gòu)特點，綜合整理制定若干事件要素抽取規(guī)則，最后將漢語映射得到的泰語依存樹與本文定義的若干規(guī)則相結(jié)合進行事件要素抽取。

通過上述分析，本文采用基于依存樹與規(guī)則相結(jié)合的漢泰新聞事件要素抽取方法，在現(xiàn)有漢泰平行事件句對資源的基礎(chǔ)上，展開對泰語新聞事件要素抽取研究，其任務(wù)是從泰語新聞句的眾多實體中抽取出真正的泰語新聞事件要素。圖1為泰語事件要素抽取整體流程，主要分為3個模塊：語料預(yù)處理模塊、依存樹構(gòu)建模塊、事件要素抽取模塊。本文圍繞該流程具體闡述如何抽取泰語事件要素，并進行實驗驗證。

2語料預(yù)處理模塊

2.1漢泰語言結(jié)構(gòu)特點

漢語和泰語一樣都屬于漢藏語系。漢語和泰語雖然在句法結(jié)構(gòu)上有許多相似之處，但是兩者畢竟屬于不同國家語言，因此也存在較多差異[25-26]。

2.1.1相似性

兩者之間的相似性主要體現(xiàn)在以下幾個方面：

（1）漢語和泰語在構(gòu)詞方面均使用復(fù)合法構(gòu)詞。最常見的是新詞全部以詞根作為基礎(chǔ)進行構(gòu)詞。例如：漢語中以“電”作為基礎(chǔ)可以構(gòu)建許多新詞：“電話/電腦/電視”；泰語中的“（電）”構(gòu)建的新詞有：“（電器）/（電動車）”等。

（2）漢語和泰語在表達(dá)方式上均缺少詞語的形態(tài)變化，在語法上依賴語序和虛詞。例如：漢語：“我昨天在操場打了籃球”；“我今天也在操場打了籃球”。泰語：“（我昨天在操場打了籃球）”；“（我今天也在操場打了籃球）”。

（3）泰語句子與漢語句子基本語言結(jié)構(gòu)一樣，均含有主語、謂語、賓語、定語、狀語、補語。例如：漢語：“清晨的微風(fēng)輕輕地吹走鮮花上的露珠點點”。主語：“微風(fēng)”；謂語：“吹走”；賓語：“露珠”；定語：“清晨的、鮮花上的”；狀語：“輕輕地”；補語：“點點”。泰語：“”。主語：“”；謂語：“”；賓語：“”；定語：“、”；狀語：“”；補語：“”。

（4）漢語和泰語中較短的句子經(jīng)過擴展都可以轉(zhuǎn)化為較長的句子，而且詞序保持不變。例如：漢語：“來自美國的留學(xué)生學(xué)習(xí)漢語。”對應(yīng)的泰語翻譯：“留學(xué)生的來自美國學(xué)習(xí)漢語?！睆纳鲜龇治隹芍?，詞序還是“主語+謂語+賓語”結(jié)構(gòu)。

（5）兩種語言的定語、狀語和補語都有標(biāo)志詞匯。例如在漢語中定語后面通常會有“的”、狀語后面有“地”、補語之前有“得”等標(biāo)志信息。在泰語中，定語的標(biāo)志詞是“”，狀語的標(biāo)志詞是“”，補語的標(biāo)志詞是“”。

2.1.2差異性

泰語中定語、狀語和補語的位置不同造成兩種語言在語法結(jié)構(gòu)上存在一些差異性。主要分以下幾種情況：

（1）漢語中定、狀語和補語是前置的（即為在中心詞前面），而泰語中定語、狀語和補語均是后置的（即為在中心詞之后）。例如：漢語：“清晨的微風(fēng)輕輕地吹走鮮花上的露珠點點?！碧┱Z：“微風(fēng)（）清晨的（）吹走（）輕輕地（）露珠（）點點（）鮮花上的（）”。

（2）泰語中否定的狀語在中心詞前面，其余狀語在中心詞后面。例如：“（爸爸）（我的）（來）（從不）（年邁）。

（3）泰語中地點狀語通常在謂語動詞后面。例如：“（我）（打籃球）（常常）（在操場）”。

（4）泰語中時間狀語表達(dá)式在句首或者句尾，并且從小到大為日、月、年。例如：漢語：“2005年7月倫敦發(fā)生自殺式爆炸襲擊事件?！睂?yīng)的泰語：“（7月）2005（2005年）（發(fā)生）（事件）（爆炸襲擊）（自殺式）（倫敦）”。

2.2漢泰平行事件句對語料處理

本文語料中的一部分是通過網(wǎng)上爬取的漢泰雙語新聞?wù)Z料，其中新聞?wù)Z料包括經(jīng)濟、軍事、娛樂、教育和科技等較多方面，另外一部分語料來源于實驗室收集的語料，具有普遍性和代表性。對獲取的語料進行分詞、去停用詞、詞對齊、篩選事件和統(tǒng)計歧義事件句等預(yù)處理，從而獲得30000個漢泰平行事件句對語料資源。其中，中文分詞工具采用的是哈工大語言云，泰語分詞選用實驗室趙世瑜[27]做的分詞工具，詞對齊采用giza++對獲取的漢泰平行事件句對進行處理，最后建立數(shù)據(jù)信息模型。例如：

漢語：“中國海軍艦隊訪問倫敦市?！?/p>

針對上述例句分別利用哈工大語言云和趙世瑜開發(fā)的分詞工具進行分詞處理，得到相應(yīng)結(jié)果：

漢語：“中國海軍艦隊訪問倫敦市?！?/p>

經(jīng)過上述分詞處理得到相應(yīng)的分詞結(jié)構(gòu)，針對該分詞結(jié)構(gòu)采用giza++進行漢泰雙語詞對齊，如圖2所示。

3依存樹構(gòu)建模塊

3.1泰語依存樹標(biāo)注規(guī)范

根據(jù)上文分析，漢泰語言結(jié)構(gòu)相同，都是典型的主謂賓結(jié)構(gòu)，但是泰語中定語、狀語和補語是后置的語言，泰語依存樹的標(biāo)注規(guī)范與漢語大致相同，表1給出若干種泰語標(biāo)注規(guī)范。

3.2漢語-泰語依存樹構(gòu)建方法

依存分析本質(zhì)是借助工具對語言進行剖析，尋找語言單位之間的依存關(guān)系，從而揭露語言的句法結(jié)構(gòu)[28]。從定義上說，依存分析就是借助句法分析器正確地定位句子中的“主謂賓”、“定狀補”以及它們之間的關(guān)系，在依存樹中可以直接找到句子的“主謂賓”。付劍鋒[29]采用依存分析首次進行漢語事件識別，該方法僅僅考慮觸發(fā)詞及其余詞語之間的關(guān)系作為分類器的特征，沒有具體考慮依存樹圖中相應(yīng)的主語、謂語和賓語結(jié)構(gòu)。本文根據(jù)定義的事件要素及依存樹結(jié)構(gòu)特點綜合考慮，最終完成事件要素抽取工作。

漢泰兩種語言都是典型的“主謂賓+定狀補”結(jié)構(gòu)，而且基本結(jié)構(gòu)都是主謂賓結(jié)構(gòu)，漢泰兩種語言結(jié)構(gòu)最大不同是泰語中定語、狀語和補語是后置的。研究發(fā)現(xiàn)漢泰依存關(guān)系是相同的[20]，因此根據(jù)構(gòu)建的漢語依存樹直接映射得到泰語依存樹，從而實現(xiàn)泰語依存樹的構(gòu)建。

例如：“中國海軍艦隊訪問倫敦市（）”。采用哈工大語言云對該句建立中文依存樹，如圖3所示。

通過上述分析可知，漢語和泰語依存關(guān)系是相同的，接下來把漢語依存關(guān)系映射到泰語句子上生成泰語依存樹，圖4為漢泰依存樹，圖5為漢泰語義依存樹，表2為文本格式依存樹。

4事件要素抽取模塊

4.1事件要素抽取定義

在依存樹中，事件要素通常由主語、賓語和狀語組成，其中定語、謂語和補語不充當(dāng)事件要素成分，因此本文主要工作是對主語、賓語和狀語進行分析。事件要素抽取前提是該句必須為事件句，本文在實驗室前期研究基礎(chǔ)上[30]，已經(jīng)正確識別出事件，進行事件要素的抽取。本文定義的事件要素主要包括人物、時間和地點，將本文定義的事件要素和依存樹結(jié)構(gòu)進行匹配以幫助抽取主語名詞短語、賓語名詞短語和狀語短語，從而完成事件要素的抽取。表3是漢泰雙語平行事件句對資源中的部分語料；表4給出定義事件類別及其對應(yīng)的事件要素具體內(nèi)容。

4.2基于依存樹的事件要素抽取規(guī)則制定

在事件元素的抽取中，通過構(gòu)建依存樹可以直接獲取對應(yīng)事件句中的主語、賓語和狀語等信息。但是在一些特殊情況下，有些事件要素不僅僅只是主語、賓語和狀語，還包含其它信息，因此無法根據(jù)依存樹直接獲取主語、賓語和狀語等信息?？偨Y(jié)文獻[22-24]及咨詢泰國留學(xué)生泰語語言結(jié)構(gòu)和語法等特點，定義若干規(guī)則以輔助事件要素信息的獲取。下文為根據(jù)上述文獻以及泰語語言特點進行設(shè)計的若干條主語事件要素抽取規(guī)則、賓語事件要素抽取規(guī)則和狀語事件要素抽取規(guī)則。

4.2.1主語規(guī)則

規(guī)則一：泰語語言結(jié)構(gòu)是主謂賓結(jié)構(gòu)，謂語為觸發(fā)詞，謂語把主語和賓語分離，因此可以根據(jù)依存樹直接抽取主語。在泰語中謂語通常也由動詞充當(dāng)，研究發(fā)現(xiàn)在依存樹中觸發(fā)詞就是動詞，因此可以根據(jù)這一特性確定事件觸發(fā)詞和謂語，從而把事件句分離，進而直接抽取主語要素。

例如：“泰國加強同中國的合作（）”，通過依存樹可以發(fā)現(xiàn)觸發(fā)詞“加強（）”的主語是“泰國（）”；其對應(yīng)的依存分析為圖6。

規(guī)則二：抽取偏正短語作為主語。若句子中主語成分由偏正名詞組成，可將偏正短語直接作為事件的主語。例如：“熬夜通宵的小李開車造成交通事故（）”，在該句子中，根據(jù)依存樹可知參與者事件要素為：小李（XiaoLi），但是分析可知真正參與者事件要素為：熬夜通宵的小李（XiaoLi）。因此把偏正短語即“熬夜通宵的小李（XiaoLi）作為主語事件要素”。圖7為具體依存分析。

規(guī)則三：抽取并列短語作為主語。若將名詞并列成分作為主語，可以直接把觸發(fā)詞左邊的并列短語作為事件的主語。例如：“在經(jīng)濟領(lǐng)域，中國和泰國加強了緊密合作（）”，在該句子中，觸發(fā)詞為“加強（）”，通過分析可知主語為“中國和泰國（）”。圖8為具體依存分析。

規(guī)則四：抽取介賓短語作為事件的主語。針對依存樹中主語成分缺失的情況，直接抽取觸發(fā)詞左邊的介賓短語作為主語。例如：“關(guān)于這起嚴(yán)重的交通事故發(fā)生在山東的濟南（）”。通過分析介詞“關(guān)于（）”和觸發(fā)詞“發(fā)生（）”，分析可知主語是介詞賓語“關(guān)于這起嚴(yán)重的交通事故（）”。圖9為具體依存分析。

規(guī)則五：對于復(fù)合句，抽取前置分句主語作主語。該規(guī)則是根據(jù)分句獲得觸發(fā)詞，把前面分句的并列成分作為后一個分句的主語。例如：“小明和小李交談，聊到小張（XiaoMingXiaoLiXiaoZhang）”，在該例句中，無法找到觸發(fā)詞“聊到（）”的主語，但是通過前面觸發(fā)詞“交談（）”可知，主語為“小明和小李（XiaoMingXiaoLi）”。圖10為具體依存分析。

4.2.2賓語規(guī)則

規(guī)則六：泰語語言結(jié)構(gòu)是主謂賓結(jié)構(gòu)，謂語為觸發(fā)詞，謂語把主語和賓語分離，因此可以根據(jù)依存樹直接抽取賓語。在泰語中謂語通常也由動詞充當(dāng)，研究發(fā)現(xiàn)在依存樹中觸發(fā)詞就是動詞，因此可以根據(jù)這一特性確定事件觸發(fā)詞和謂語，從而把事件句分離為3部分，進而直接抽取賓語要素。例如：“中國海軍訪問倫敦市（）”，通過依存樹可以發(fā)現(xiàn)觸發(fā)詞“訪問（）”的賓語是“倫敦市（）”。圖11為具體依存分析。

規(guī)則七：針對復(fù)合句，抽取后置分句賓語作賓語。該規(guī)則是根據(jù)分句獲得觸發(fā)詞，把后面分句的賓語成分作為前一個分句的賓語。例如：“小明和小李交談，聊到小張（XiaoMingXiaoLiXiaoZhang）”，在該例句中，無法找到觸發(fā)詞“交談（）”的賓語，但是通過后面觸發(fā)詞“聊到（）”可知，賓語為“小張（XiaoZhang）”，因此可將后面的賓語直接作為前面事件的賓語。具體依存分析如圖10所示。

規(guī)則八：抽取并列短語作為賓語。若將名詞并列成分作為賓語，可以直接把觸發(fā)詞右邊的并列短語作為事件的賓語。例如：“2005年7月倫敦發(fā)生自殺式爆炸襲擊事件造成50多人死亡和70多人受傷（720055070）”，在該句子中，觸發(fā)詞為“發(fā)生（）”，然而依存樹中的直接賓語為“死亡（）”，通過分析可知賓語為“50多人死亡和70多人受傷（5070）”，因此設(shè)置規(guī)則規(guī)定并列短語為賓語。圖12為具體依存分析。

規(guī)則九：抽取偏正短語作為賓語。若句子中賓語成分由偏正名詞組成，可以把偏正短語直接作為事件的賓語。例如：“重大交通事故發(fā)生于道路曲折的四川（）”。通過分析可知該句子的賓語為“道路曲折的四川（）”，但是依存樹中的直接賓語為“四川（）”。設(shè)置規(guī)則規(guī)定偏正短語為事件的賓語，圖13為具體依存分析。

規(guī)則十：抽取介詞短語作為事件的賓語。針對在依存樹中賓語成分不完整的情況，直接抽取介賓短語作為賓語。例如：“中國改革了關(guān)于醫(yī)療方面存在的問題（）”，通過分析可知該句子的賓語應(yīng)該為“關(guān)于醫(yī)療方面存在的問題（）”，但是依存樹中的直接賓語為“問題（）”。因此，設(shè)置規(guī)則規(guī)定介詞短語為事件的賓語。圖14為具體依存分析。

4.2.3狀語規(guī)則

規(guī)則十一：直接抽取句子首部和句子尾部時間狀語。泰語中表示時間的狀語通常放在句子首部和句子尾部，并且由時間短語構(gòu)成，可直接抽取作為時間要素。例如：“2005年7月倫敦發(fā)生自殺式爆炸襲擊事件造成50多人死亡和70多人受傷（20055070）”，通過分析直接把“2005年7月（2005）”作為時間事件要素。具體依存分析如圖12所示。

規(guī)則十二：直接抽取有“在（）+介詞短語”的句子作狀語，使其擔(dān)當(dāng)?shù)攸c要素。泰語中表示地點的事件要素通常由“在（）+介詞短語”構(gòu)成。例如：“2004年12月26日在印度洋發(fā)生海嘯（262004）”，例中“印度洋（）”是該事件的地點要素信息，直接抽取作為該事件的地點要素。圖15為具體依存分析。

規(guī)則十三：直接抽取動詞后面的地點狀語。泰語中表示地點的狀語通常位于動詞后面，漢語則相反。例如：“我常常在食堂吃飯（）”，例中食堂是觸發(fā)詞“吃（）”的地點狀語，因此直接抽取“食堂（）”作為地點要素信息。圖16為具體依存分析。

規(guī)則十四：直接抽取表示處所或方向的狀語作為地點要素。例如：“我們屋里聊（）”，例中“屋里（）”是狀語，可以作為地點要素，因此直接抽取作為地點要素信息。圖17為具體依存分析。

4.3基于依存樹與規(guī)則相結(jié)合的事件要素抽取

上文介紹了漢泰依存樹構(gòu)建及本文定義的事件要素抽取規(guī)則，下文從事件要素抽取任務(wù)（人物、時間、地點）出發(fā)，最終完成事件要素抽取。例如，給出一則漢泰交通事故類事件的依存分析樹（見圖18）。

漢語：“2017年11月18日18時在昆明市官渡區(qū)發(fā)生交通事故；事故共造成2人死亡和4人受傷?！?/p>

泰語：“1818201724”

對該例子采用依存分析可知，其符合規(guī)則八、規(guī)則十一和規(guī)則十二，采用上述規(guī)則最終完成事件要素抽取任務(wù)。實驗驗證本文定義的規(guī)則是合理的，可以識別出事件類型下的事件要素信息，如表5所示。

5.1實驗語料

實驗所用語料為經(jīng)過處理的漢泰平行事件句對語料，其中共有漢泰平行事件句對30000句。圖19所示為部分平行事件句對語料。

對上述語料進行預(yù)處理，經(jīng)過預(yù)處理后才能獲得本文最終需要的語料資源，處理后最終部分語料如圖20所示。

5.2實驗評價標(biāo)準(zhǔn)

根據(jù)上述語料，結(jié)合本文提出的方法，分別完成主語、賓語和狀語短語模塊抽取。其中采用準(zhǔn)確率、召回率和F值作為評價指標(biāo)。

準(zhǔn)確率（P）=正確識別的事件要素識別的事件要素總數(shù)

召回率（R）=正確識別的事件要素新聞中事件要素總數(shù)

F值=2*P*RP+R

5.3實驗結(jié)果及分析

首先，對獲取的漢泰平行事件句對語料進行預(yù)處理操作，得到本文實驗所需語料；其次把漢語依存樹映射為泰語依存樹，然后結(jié)合泰語語言結(jié)構(gòu)特點制定若干事件要素抽取規(guī)則；最后將上述構(gòu)建的泰語依存樹與制定的規(guī)則相結(jié)合，在預(yù)處理后的語料上進行泰語事件要素抽取。本文實驗結(jié)果如表6所示。

從表6能夠得出以下結(jié)論：狀語短語抽取效果最好，主語短語和賓語短語效果較差。這是由依存樹結(jié)構(gòu)決定的，由于依存樹分析詞語之間的相互依存關(guān)系，如果某個名詞短語之間的依存關(guān)系出現(xiàn)錯誤，則會對與其有直接或間接依賴關(guān)系的詞語產(chǎn)生巨大影響，因此導(dǎo)致主語名詞短語和賓語名詞短語效果較差。

6結(jié)語

本文結(jié)合漢泰語言結(jié)構(gòu)特點提出了14條依靠依存樹的泰語新聞事件元素抽取規(guī)則，該規(guī)則通過語義層對泰語新聞進行分析，再利用依存樹與本文定義的規(guī)則相結(jié)合完成事件要素提取。實驗結(jié)果表明，該方法可以快速定位到泰語句子的句法成分，有效抽取泰語新聞事件元素。但是由于泰語比較復(fù)雜，本文提出的規(guī)則有限，因此本文提出的方法應(yīng)用領(lǐng)域也有限。下一步工作是繼續(xù)分析泰語語言，挖掘和制定更多規(guī)則進行泰語事件要素抽取。

參考文獻：

[1]朱振明.中泰建交以來中泰關(guān)系的回顧與展望[J].東南亞南亞研究，2000（2）：24-32.

[2]梁源靈.中泰經(jīng)貿(mào)關(guān)系的回顧與展望[J].東南亞縱橫，2000（s2）：9-15.

[3]DODDINGTONG，MITCHELLA，PRZYBOEKIM.Theautomaticcontentextractionprogram-tasks，dataandevaluation[C].ProcLrecLisbon，2004：837-840.

[4]ALLANJ，GUPTAR，KHANDELWALV.Temporalsummariesofnewstopics[C].InternationalAcmSigirConferenceonResearch&DevelopmentinInformationRetrieval;，2001：10-18.

[5]HANB，GATESD，LEVINL.Fromlanguagetotime：atemporalexpressionanchorer[C].ProceedingofThirteenthInternationalSymposiumonTemporalRepresentationandReasoning，2006：196-203.

[6]MANII，WILSONG.Robusttemporalprocessingofnews[C].Proceedingsofthe38AnnualMeetingonAssociationforComputationalLinguistics，2000：69-76.

[7]YANKOVAM，BOYTCHEVAS.Focusingonscenariorecognitionininformationextraction[C].TenthConferenceonEuropeanChapteroftheAssociationforComputationalLinguistics，2003：41-48.

[8]SURDEANUM，HARABAGIUS，WILLIAMSJ，etal.Usingpredicate-argumentstructuresforinformationextraction[C].ACL'2003Proceedingsofthe41stAnnualMeeting，2003：8-15.

[9]李芳，毛順福，蔣德良，等.中文新聞事件要素自動抽取研究[D].上海：上海交通大學(xué)，2007.

[10]付劍鋒，劉宗田，劉煒，等.基于特征加權(quán)的事件要素識別[J].計算機科學(xué)，2010，37（3）：239-241.

[11]AHND.Thestagesofeventextraction[C].ProceedingsoftheWorkshoponAnnotatingandReasoningaboutTimeandEvents，2006：1-8.

[12]趙妍妍，萬翔.中文事件抽取技術(shù)研究[J].中文信息學(xué)報，2008，22（1）：3-8.

[13]丁效.音樂領(lǐng)域典型事件抽取方法研究[J].中文信息學(xué)報，2011：25（2）：15-20.

[14]SAEEDIP.FeatureengineeringusingshallowparsinginargumentclassificationofPersianverbs[C].Proceedingsofthe16thCSIInternationalSymposiumonArtificialIntelligenceandSignalProcessing，2012：333-338.

[15]WANGW.Chinesenewsevent5WLHelementsextractionusingsemanticrolelabeling[C].ProceedingsoftheThirdInternationalSymposiumonInformationProcessing，2010：484-489.

[16]楊爾弘.突發(fā)事件信息提取研究[D].北京：北京語言大學(xué)，2005.

[17]趙治鵬.采用機器學(xué)習(xí)方法實現(xiàn)泰語分詞[D].昆明：云南大學(xué)，2014.

[18]SUESATPANITK.Thaiwordsegmentationusingcharacter-levelinformation[C].InterBEST2009ThaiWordSegmentationWorkshop，2009：18-23.

[19]KRUENGKRAIC.ConstructionofThailexiconfromexistingdictionariesandtextsontheweb[C].IEICE-TransactionsonInformationandSystems，2006：2286-2293.

[20]陶廣奉.基于跨語言遷移學(xué)習(xí)的泰語依存句法解析方法研究[D].昆明：昆明理工大學(xué)，2017.

[21]張凌.基于詞性模板與依存分析的中文微博情感要素抽取[J].計算機科學(xué)，2015（42）：474-478.

[22]鄧麗娜.泰語與漢語的同異性與對泰漢語教學(xué)[J].成都大學(xué)學(xué)報：教育科學(xué)版，2008，22（4）：64-67.

[23]柯偉智.漢語結(jié)果補語與泰語對應(yīng)形式的對比研究[D].北京：北京大學(xué)，2013.

[24]邱魯陽.漢泰語中定語的語序差異及泰國學(xué)生漢語定語習(xí)得研究[D].杭州：浙江大學(xué)，2012.

[25]張金花.漢泰語對比淺析[J].群文天地月刊，2012（2）：98.

[26]孫漢萍.漢泰語的同異性比較[J].湘潭師范學(xué)院學(xué)報：社會科學(xué)版，1995（2）：34-39.

[27]趙世瑜.泰語詞法分析關(guān)鍵技術(shù)研究[D].昆明：昆明理工大學(xué)，2017.

[28]周國光.漢語配價語法論略[J].南京師范大學(xué)學(xué)報：社科版，1994（4）：103-106.

[29]付劍鋒，劉宗田，付雪峰，等.基于依存分析的事件識別[J].計算機科學(xué)，2009，36（11）：217-219.

[30]彭籍沖.泰語新聞事件抽取方法研究[D].昆明：昆明理工大學(xué)，2017.

（責(zé)任編輯：何麗）