34、调整SyntaxNet以进行意大利语句子词性标注

调整SyntaxNet以进行意大利语句子词性标注

1. 引言

近年来，认知系统这类新型智能系统愈发重要，它们能学习、推理，并以自然、个性化、反应式和/或主动式的方式与人类广泛互动。问答（QA）系统作为认知系统的一种，主要为文本或口语形式的自然语言问题提供简短且相关的答案。词性（POS）标注和句法分析是QA系统中极为重要的自然语言处理（NLP）技术，用于处理问题并确定相应答案。

词性标注为文本或句子中的每个单词分配适当的语法标签，通常先于句法分析，对QA系统理解句子和问题的结构至关重要。当QA系统处理口语句子或问题时，词性标注的复杂度会增加，因为口语结构与书面语不同，处理中的一些关键信息（如标点）需推断，且存在语言偏差现象，影响标注准确性。

在意大利语中，口语中的黏着代词比书面语更丰富。黏着代词可分为两类：附着在屈折动词后的称为词尾黏着形式，在非正式或友好语境中更常见；位于屈折动词前的称为词首黏着形式，在正式写作或演讲中更常见。显然，词首黏着形式比词尾黏着形式更容易标注，因为后者中代词和动词组合成了单个单词，词尾黏着表达式的词性标注是意大利语NLP中常见且未解决的瓶颈。

目前，意大利语词性标注的先进系统是TINT，但它在标注词尾黏着表达式时准确性不高。而Google发布的NLP框架SyntaxNet，其预训练的Parsey Universal模型可处理40种语言，包括意大利语，虽然整体准确率低于TINT，但在标注词尾黏着形式方面表现更好。因此，本文旨在研究如何改进SyntaxNet，以提高其为意大利语词尾黏着形式标注最合适词性标签的能力。

2. 背景与相关工作

词性标注是大多数NLP系统的关键任务，近年来受到广泛关注。