摘要: 在自然语言的处理中，歧义问题始终困扰着计算机对自然语言的理解能力，本文研究了汉语短语层面的结构歧义问题，提出了语义知识的知识图(KnowledgeGraphs)表示方法，并把强大的语义知识资源—知网(Hownet)改进并应用到短语结构的歧义消解系统里。 ... 展开 在自然语言的处理中，歧义问题始终困扰着计算机对自然语言的理解能力，本文研究了汉语短语层面的结构歧义问题，提出了语义知识的知识图(KnowledgeGraphs)表示方法，并把强大的语义知识资源—知网(Hownet)改进并应用到短语结构的歧义消解系统里。 汉语歧义问题的多样性和繁杂性始终是自然语言理解方面的一个难点，尤其是短语结构的歧义，它已经成为影响句法分析效率和准确率的最大因素。本文总结了短语结构歧义的类型，比较和详细分析了以往的短语结构歧义消解策略，提出了基于语义的短语结构消歧策略，在详细分析了各种语义学的理论，比较了各种语义知识表示方法后，提出了利用知识图的知识表示方式来表示语义知识。在本文中，知识图中的词图是根据知网中的语义词典自动生成的，短语图是在短语分析过程中由词图合并得来的。在把语义知识利用知识图的形式表示以后，本文在短语结构的歧义消除中将语义知识应用到基本的语义计算上，详细分析了基于语义词典的相似度计算原理，并提出了基于知识图的词语相似度计算方法，在这些计算过程中，针对知识图的特点和知网中对概念项表示的层次性，不仅计算中心义原节点的相似度，同时兼顾了其它非中心义原节点的相似度对词图相似度的影响，提高了最后词语相似度的精确性，使得结果更具合理性。 本文给出了一整套基于语义的短语结构的歧义消解策略，把短语结构的歧义消解从注重语法层面深入到语义层面，利用强大的语义知识资源-知网和新的知识表示方式-知识图实现了一个基于语义的短语结构歧义消解原型系统。通过对试验数据的测试结果来看，还是比较令人满意。 在文章的最后，对于短语结构的歧义消解的进一步工作进行了总结和展望。 收起