日语依存关系解析是基于日语依存文法,确定句子中各个文节间的依存关系。它是日语句法分析的一个重要的组成部分,在日语机器翻译、句子分析等许多领域有着重要的作用。因此,在日语自然语言处理领域,依存关系解析的研究具有重要的理论和实际意义。本文主要研究在大规模标注语料库支持下的基于NN-LSVM的依存关系判定方法。 日语是一种结构比较紧凑的语言,依存关系主要发生在相邻的两个文节之间。因此,本文采用了基于组块的文节逐步应用算法来控制解析过程,即在依存关系的解析过程中,仅仅关注直接相邻的文节间是否具有依存关系,而不是考虑所有的文节对。这样可以有效的控制依存候选的数量,减少了解析的运算量,提高了解析的精度和解析的速度。 本文采用SVM(Support Vector Machine)模型利用标注好的语料生成一个分类器,以此来判断两个文节间是否具有依存关系。提高SVM模型解析精度最好的方法是增大训练集的规模,然而,随着训练集规模的增大,训练时间会大幅度的增加,解析速度也会变的缓慢。为了克服训练集规模增大带来的影响,本文在SVM基础上提出了一种基于NNLSVM对大规模训练语料进行修剪的日语依存关系解析方法:在使用SVM训练得到分类器之前,使用LSVM和NN方法删除那些对分类没有作用的,甚至起反作用的训练样本,然后再经训练得到最终的分类器,以此用于依存关系的解析。 用京都大学语料库进行测试,文节的解析精度达到了89.23%,句子的解析精度达到了47.82%,解析速度为0.8秒/句。实验结果表明本文提出的方法能够用于解析日语的依存关系,并且可以取得较好的解析精度和解析速度。