汉语短语的自动识别一直是自然语言处理领域的研究焦点之一,对信息抽取、问答系统、机器翻译等方面的研究有着十分重要的价值。短语的自动识别是句法分析的一个子问题,句法分析又是框架语义分析的必要前提,而面向框架语义分析的短语自动识别有其特定的要求,因此单纯的短语识别任务不能满足框架语义分析的需要。 本文面向框架语义分析的任务,采用不同的机器学习方法对文本中的名词短语和动词短语进行识别,构造了不同的识别系统,取得了比较满意的识别结果。其研究内容如下: 1.基于转换的名词短语的识别。针对框架语义分析的目的,在分析真实语料的基础上,提出了适合于框架语义分析的汉语名词短语的定义。介绍了基于转换的机器学习方法及基于转换的算法,给出在识别名词短语中的转换条件,实验证明利用转换的方法识别名词短语是可行的,并对实验结果进一步分析,提出了改进办法。 2.基于最大熵模型识别名词短语。在识别过程中,首先特征选择,其次建立模型训练和文本标注两部分组成的名词短语识别系统。通过对系统的执行,显示了较好的效果。 3.基于规则的动词短语的识别。通过对语料的分析并针对识别的目的,定义了适合框架语义分析的动词短语。根据功能合一语法定制了识别动词短语的规则,并利用这些规则对动词短语进行自动识别。实验结果显示了较高的召回率和正确率。 4.面向框架语义的汉语句法语义分析模型。介绍了汉语框架网络的