以構詞律與相似法為本的中文動詞自動分類研究

A Hybrid Approach for Automatic Classification of Chinese Unknown Verbs

本論文合併兩種方法預測未知動詞的詞類。第一種方法為規則法，即從訓練 語料中歸納出未知動詞組成的構詞規律，分成兩個主要的判斷方式：一、依 照未知動詞的組成的關鍵字決定其分類。二、依照未知動詞的構成組合決定 其分類。 關鍵字法首先將動詞依長度分為四組。第一組為二字詞、三字詞、四字詞、 五字以上的詞彙。在對實際語料的觀察下，發現不同詞長的動詞結構相異， 因此將語料依詞長分組。例如：三字詞可訓練出「好」、「出」兩條規則決 定動詞的詞類，其他長度的未知動詞並沒有這兩條規則，另外「化」規則不 適用於二字動詞。 規則法的第二部分為依照構成組合決定其分類。在觀察未知動詞時，發現有 部分未知動詞的組合很具有規律，我們就將訓練語料中未知動詞的組合做個 歸納，得到九種組合。在十次實驗中，規則法可以處理的未知動詞平均約為 23.19%，猜測正確的比例為91.67%。 二、相似法為利用與未知動詞相似的例子來預測未知動詞的詞類。相似法主 要利用知網與中央研究院中文句結構樹資料庫1.0 作為語意與詞類相似度測 量的工具。藉由計算未知動詞與已知動詞的相似度來預測未知動詞的詞類， 未知動詞的詞類為與其相似度最高的相似例子的詞類。 * 中央研究院資訊所，曾慧馨E-mail: huihsin@iis.sinica.edu.tw 陳克健E-mail: kchen@iis.sinica.edu.tw + 政使用相似法的好處在於相似法所尋找的的相似詞，若相似度高的話，不僅可 以預測詞類分類，同時也可以預測語意與結構分類。當兩個辭彙相似度高時， 表示這兩個辭彙的詞類、語意類與結構必定相似。在十次實驗中，使用相似 法預測動詞的正確率約為71.05％。 規則法的優點在於判斷正確率高，缺點為可處理的未知動詞數量有限；相似 法的優點為可以處理大部分的未知動詞，但正確率不如規則法高。最後，我 們結合這兩種處理方法來預測未知動詞的分類，將兩個方法同時應用在最後 的測試語料中，規則法的正確率為87.25%，而相似法的正確率為65.04%，兩 著者結合後的正確率為70.80%。