基于错误驱动的语义文法自动扩展学习方法研究

• 作者: 王东升 王卫民 祁云松 王石 曹存根
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 语义文法 文法扩展 自然语言理解 领域 本体
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 248-259
• 页数: 12页
• 分类号: TP311
• 语种: 中文
• DOI: 10.12263/DZXB.20190159

摘要

面向领域的自然语言理解技术是垂直搜索引擎、领域相关问答系统等应用的核心技术之一.本文在已构建的基于本体和语义文法的自然语言理解系统的基础上,提出一种基于错误驱动的语义文法自动扩展学习方法,对于解析错误的句子,利用核心文法生成部分解析树,按照打分函数选择一组最佳的部分解析树,利用预测模型预测部分解析树的上层节点并试图构建完整的解析树,从而学习得到新的文法规则,对于学习得到的不同类型的规则进行验证并更新核心文法库,通过对句子的可学习性度量来筛选学习对象,从而提高文法扩展学习的整体质量和效率.分别在两个不同规模的领域数据集进行了测试,在交互式学习范式下,测试对比了学习算法在不同规模领域的学习效率,在批量学习范式下,测试对比了更新后的文法和核心文法在两个领域数据集上的准确率和识别率等性能指标.实验结果表明,本文所提出的方法是有效的.