1、語義分析是自然語言處理中的一個重要任務(wù)，語義角色標(biāo)注(Semantic RoleLabeling，簡稱SRL)是一種淺層語義分析的實(shí)現(xiàn)方式，它只標(biāo)注句子中與謂詞有關(guān)的成分的語義角色。目前，主流的語義角色標(biāo)注研究都是基于短語的句法樹進(jìn)行的，針對基于短語結(jié)構(gòu)的語義角色標(biāo)注的研究已經(jīng)較為成熟，并取得了很好的性能;然而，伴隨此方法的發(fā)展所帶來的瓶頸問題也日漸突出，導(dǎo)致其性能難以進(jìn)一步提高。因此，開始有學(xué)者探索使用依存句法樹進(jìn)行語義角色標(biāo)注。然而

2、，中文領(lǐng)域的研究工作受限于語料庫規(guī)模等因素，發(fā)展并不如其它語言。因此，本文從依存句法樹出發(fā)，研究中文語義角色標(biāo)注。
　　本研究首先構(gòu)建了一個基準(zhǔn)系統(tǒng)，該系統(tǒng)包括謂詞標(biāo)注(Predicate Labeling，簡稱PL)、語義角色標(biāo)注和評價系統(tǒng)三部分。其中謂詞標(biāo)注分為謂詞識別和謂詞分類兩部分，語義角色標(biāo)注分為語義角色識別和語義角色分類兩部分。其次通過分析基準(zhǔn)系統(tǒng)中使用的特征從而更有針對性的獲取更多有效的特征。由于特征一直是決定語義角

3、色標(biāo)注系統(tǒng)性能的重要因素，所以能否找到更多有效的特征將直接決定系統(tǒng)的性能。最后通過理論分析，將語義角色分類重新定義為序列標(biāo)注任務(wù)，使用條件隨機(jī)場模型替換之前使用的最大熵分類模型;并且根據(jù)錯誤分析，本文提出通過向語義角色分類模型中添加空類型，使該階段擁有能夠糾正一些語義角色識別階段所遺留下來的錯誤的能力。本文的貢獻(xiàn)主要表現(xiàn)在：研究并構(gòu)建了基于依存句法樹的語義角色標(biāo)注系統(tǒng);通過添加新特征的方法改進(jìn)系統(tǒng)性能;通過重新定義語義角色分類為序列標(biāo)注