主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
徐戈,蒙新泛,王厚峰.采用无标注语料的动词和形容词主观性评级.软件学报,2013,24(5):1036-1050
采用无标注语料的动词和形容词主观性评级
Subjectivity Ranking of Verbs and Adjectives with an Unlabeled Corpus
投稿时间:2011-10-12  修订日期:2012-07-03
DOI:10.3724/SP.J.1001.2013.04315
中文关键词:  主观性  无标注语料  级差线索  主体线索  评级  汉字主观性
英文关键词:subjectivity  unlabeled corpus  gradability clue  subject clue  ranking  subjectivity of Chinese characters
基金项目:国家自然科学基金(91024009); 国家高技术研究发展计划(863)(2012AA011101); 国家社会科学基金(12&ZD227)
作者单位E-mail
徐戈 北京大学计算语言学研究所, 北京 100871
计算语言学教育部重点实验室(北京大学), 北京 100871
闽江学院计算机科学系, 福建 福州 350108 
xuge@pku.edu.cn 
蒙新泛 北京大学计算语言学研究所, 北京 100871
计算语言学教育部重点实验室(北京大学), 北京 100871 
 
王厚峰 北京大学计算语言学研究所, 北京 100871
计算语言学教育部重点实验室(北京大学), 北京 100871 
 
摘要点击次数: 2483
全文下载次数: 2770
中文摘要:
      为了自动区分中文主观词和客观词,采用主观性线索和汉字的主观性两种手段对动词和形容词进行主观性度量.主观性的线索进一步被分成级差(gradability)线索和主体(subject)线索;根据这些线索,使用基于图的算法进行评级(ranking).在汉语主观性词表构建中,提出使用主体线索和汉字主观性.5 个标注人员对随机选择的500 个单词进行主观性标注,据此构建主客观标准集,并将其用于各种设置下的实验结果评估.实验结果显示,当被标注的单词出现频率较高时,所提出的方法能够超过或者匹配人工标注.此外,尽管文中只使用了无标注的数据,但还有更多的先验知识(如语义词典等)可以被引入到该方法中.
英文摘要:
      In this paper, aiming to automatically distinguish subjective words from objective ones in Chinese, the study performs a subjectivity ranking test on Chinese adjectives and verbs. The paper exploits subjectivity clues and the subjectivity of Chinese characters. The subjectivity clues are further divided into gradability clues and subject clues. The study then uses graph-based algorithms to calculate the subjectivity originated from subjectivity clues. The subject clues and subjectivity of Chinese characters are novel ideas in such tasks. Five annotators are asked to label subjectivity of 500 words, from which the gold standard is built upon and evaluates rankings in various settings. It is shown that when words to be ranked occur frequently, this approach can outperform or match some human annotators. Furthermore, although the study only an unlabeled corpus, more prior knowledge can be incorporated into the graph-based approach.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利