基于规则的多层次组块合并研究.pdf

与

信息技术信息化网络与信息安全

基于规则的多层次组块合并研究

1112

余小鹏黄雨菲徐健儿姚小桐

摘要针对句法分析组块研究中存在的组块识别粒度难衡量问题，为解决组块识别后语法易丢失等问题，提出

一种基于规则的多层次组块合并模型。先定义词和组块的二元或三元合并规则，然后考虑组块合并粒度

和规则的优先顺序，相比于目前的一次合并，引入多层层级关系，设置组块合并的层次顺序，通过在不

同层级中设置对应的合并规则形成优先顺序来合并组块。该模型通过层级关系和合并规则对组块合并进

行约束，解决了组块粒度难以衡量和语法易丢失等问题，可以帮助计算机更好地抽取文本信息、理解语

义，提高自然语言理解的准确性和效率。

关键词组块；句法分析；规则；层次结构

doi：10.3969/j.issn.1672-9528.2025.01.019

0引言这些不足，相关学者尝试使用深度学习的方法，谷波等人[3]

提出了一种基于RNN的中文二分结构句法分析，但忽略了

在自然语言处理中，组块分析作为一种重要的技术手段，

中文部分语句不满足二分结构而满足三元结构的语句状况，

正逐渐受到广泛关注。组块分析旨在将文本中的单词组合成

导致其句法分析正确率偏低。Kitaev等人[4]提出了一种改进

有意义的、句法相关的单元，即组块。这种分析方法为语言

的神经网络模型进行词性识别和依存句法分析，在实验语料

理解和处理带来了诸多益处，能够简化文本的句法结构，使

中效果较好。但基于深度学习方法的可解释性较差，数据资

复杂的句子变得更易于理解和处理。通过识别组块，可以清

源和计算力成本高，且仍不能得到较好的组块分析结果。

晰地把握句子的核心成分和语义关系，从而为信息检索、机

本文提出了一个基于规则的多层次组块合并模型，在预

器翻译、问答系统等应用提供更准确的基础。例如，在信息

先定义好的规则中，设置规则的优先级去定义层级，通过规

检索中，组块分析可以帮助其提取关键信息，提高检索的准

则和层次顺序合并出粒度合适的组块。

确性和效率；在机器翻译中，有助于更好地理解源语言的句

法结构，从而生成更符合目标语言习惯的译文。组块分析无1相关研究

疑为自然语言处理的进一步发展和应用开辟了新的途径，具[5]

Abney（1991）将句法分析问题分为三个阶段：（1）

有重要的研究价值和实践意义。

块识别：利用基于有限状态分析机制的块识别器识别出句子

组块的研究中主要有基于规则的方法、基于统计学习的

中所有的块。（2）块内结构分析：对每