針對(duì)數(shù)據(jù)稀疏問題，采用適應(yīng)度函數(shù)較靈活的遺傳算法做語義的自動(dòng)標(biāo)注；以《同義詞詞林》的層次式結(jié)構(gòu)為依據(jù)，提出了利用語義層次的提升來改善適應(yīng)度函數(shù)中參數(shù)的估計(jì)質(zhì)量；定義了語義層次的兩個(gè)基本概念；闡述了語義提升的原理，并采用選擇受限策略來解決因語義提升而引起的模型辨別力下降問題；實(shí)現(xiàn)了用于語義標(biāo)注的遺傳算法。實(shí)驗(yàn)表明該算法在語義標(biāo)注中能適應(yīng)不同訓(xùn)練數(shù)據(jù)量，具有一定的可行性。
關(guān) 鍵 詞 語義標(biāo)注; 遺傳算法; 層次結(jié)構(gòu); 隱馬爾可夫模型

語義標(biāo)注是自然語言深層處理的關(guān)鍵技術(shù)之一，對(duì)信息抽取、機(jī)器翻譯、語言理解等都有重要意義，在文本數(shù)據(jù)集成方面已有應(yīng)用[1-2]，同時(shí)也是從深層上理解自然語言的一個(gè)必要的前期工作。一般情況下語義標(biāo)簽數(shù)目眾多，訓(xùn)練數(shù)據(jù)相對(duì)更為稀疏，用HMM[3]做語義標(biāo)注面臨參數(shù)估計(jì)不準(zhǔn)的難題。遺傳算法是一種求取最優(yōu)值的有效方法，在詞性標(biāo)注中已得到應(yīng)用[4]，但在語義標(biāo)注中卻面臨數(shù)據(jù)稀疏問題，難以直接應(yīng)用。本文依托《同義詞詞
林》，提出了通過提升語義層次來緩解參數(shù)估計(jì)失真問題，使遺傳算法能根據(jù)訓(xùn)練數(shù)據(jù)量的大小而靈活地采用適應(yīng)度函數(shù)。