语料库构建——自然语言理解的基础

汉语篇章微观话题结构建模与语料库构建

篇章话题结构分析是自然语言理解的前沿基础，而大规模高质量的适用于汉语篇章分析的语料资源缺乏，严重制约了相关篇章话题计算模型的研究.针对上述问题，首先研究了汉语篇章话题结构的理论表示体系.分析了主述位理论、英语修辞结构理论和宾州篇章树库体系的优势，结合汉语复句句群理论以及汉语自身特点，提出了一种基于主述位理论的汉语篇章微观话题结构表示方式，并借助微观话题链构建了汉语篇章话题结构表示体系.随后，在此基础上，采用自顶向下、后向搜索的标注策略和人机结合的语料库标注方式，构建了基于篇章微观话题表示体系的汉语篇章话题结构语料库(Chinese discourse topic corpus, CDTC).CDTC共包含500个文档，对其进行了详细统计分析并展示了语料库的标注情况.与宾州篇章树库体系、广义话题结构理论的对比表明，所提篇章微观话题结构表示体系在理论上具有一定的优越性，并且符合汉语特点；一致性检验表明CDTC能够充分体现汉语篇章话题分析问题本身的难度，并能够为相关研究提供语料资源支持.

点击“阅读全文” 可下载。