1、復(fù)述是指對(duì)相同語(yǔ)義的不同表達(dá)，復(fù)述研究在眾多自然語(yǔ)言處理的應(yīng)用領(lǐng)域中都有重要的意義。本文的主要研究任務(wù)是短語(yǔ)級(jí)復(fù)述資源的獲取。這項(xiàng)研究工作的目的和意義是為基于統(tǒng)計(jì)機(jī)器翻譯的復(fù)述生成模型提供更多資源，從而提高復(fù)述生成的質(zhì)量。
　　本文抽取短語(yǔ)級(jí)復(fù)述的方法共包括兩個(gè)步驟：復(fù)述短語(yǔ)候選的獲取和復(fù)述候選的確認(rèn)。復(fù)述短語(yǔ)候選的獲取使用了基于可比新聞的方法，此類方法的主要優(yōu)點(diǎn)在于互聯(lián)網(wǎng)上可比新聞的數(shù)量眾多，因此使用該方法可以構(gòu)建相當(dāng)規(guī)模的復(fù)述

2、短語(yǔ)庫(kù)?；诳杀刃侣勌崛『蜻x的步驟包括獲取新聞?wù)Z料，基于新聞內(nèi)容的相似度和新聞發(fā)布時(shí)間的間隔獲取可比新聞，從可比新聞中提取可比句，以及從可比句中提取復(fù)述短語(yǔ)。復(fù)述候選的確認(rèn)使用基于二元分類的方法，其重點(diǎn)是分類特征的設(shè)計(jì)。本文所使用的特征主要是基于復(fù)述語(yǔ)料的統(tǒng)計(jì)特征，其中包括基于χ2方法的詞對(duì)齊特征，基于互信息方法詞對(duì)齊特征以及基于χ2方法的詞性標(biāo)注模板對(duì)齊特征。前兩個(gè)特征是詞匯層面上的統(tǒng)計(jì)特征，后一個(gè)為以詞性信息為模板的統(tǒng)計(jì)特征。除此之

3、外，我們還使用了一些簡(jiǎn)單的短語(yǔ)串相似特征，如詞長(zhǎng)度比，詞重疊率，編輯距離特征。
　　實(shí)驗(yàn)結(jié)果表明了使用基于可比新聞的方法可以獲取大規(guī)模的復(fù)述短語(yǔ)，并根據(jù)特征比較證明了每一類特征對(duì)分類準(zhǔn)確率提高均有貢獻(xiàn)，其中以基于χ2方法的詞對(duì)齊特征的貢獻(xiàn)最大?；诳杀刃侣劦姆椒ü搏@取復(fù)述短語(yǔ)2,961,739對(duì)，其準(zhǔn)確率為21.47％。我們使用4類特征對(duì)2,961,739對(duì)復(fù)述短語(yǔ)候選進(jìn)行分類確認(rèn)，最終共抽取出595,619對(duì)復(fù)述短語(yǔ)，其準(zhǔn)確率為