在上周的标注过程中,我们针对2000条金融新闻语料进行了标注。
起先,我们希望针对金融语料进行一些领域特定性的修改,但是由于语料的语体一致,利用新闻语料训练出来的自动标注系统的正确率还是不错的,并没有特别需要因为是金融领域而与原设定的依存方案产生冲突的地方。
但是,这次的标注依然具有一定的难度,主要体现在下面几个方面:
第一,短语内部层次的依存标注问题。金融语料中,公司名和一些其他有长定语修饰的专有名词非常多;另外,缩写词参与的短语依存标注也容易被忽视,需要标注者先对缩写词进行正确地分词,而后再进行依存标注。
第二,是一词多义、词类活用现象造成的干扰。
首先是一词多义的现象,即一个词它又两种词性,两种词性之间的语义或有关联或无关联。拿“公告”来举例,在没有其他成分充当核心谓词的情况下,它是动词当谓语,而在有其他动词时,比如“某公司公告称,……”就要考虑这里的“公告”是动词和“称”并列,还是作为一个名词呢?在实际的处理中,我们将之处理为动词与“称”并列,这是因为虽然“公司公告”中可以认为“公司”是“公告”的定语,但是作为名词的“公告”却并不能作为“称”的执行者,换言之,“称”所具有的“+人”的属性与“公告”“-人”的语义产生了冲突。但在另一种情况中,“公司发布公告称”,“公告”明显是作为名词充当“发布”的宾语了。
再就是词类活用的现象,这主要出现在长定语的判断中,就是一个一个动词活用作形容词来修饰名词(这边暂时没想到相关的例子),词类活用与一词多义的区别在于,“动词活用作形容词”的现象是临时性的,因而该动词依然是动词,所以我们无需改变其词性标签,而在标注其依存关系时按实际标注即可。
第三,是宾语和补语的混淆,这一点主要是对动词的及物性有所犹豫。汉语动词的按及物性,可以分为及物、不及物、两者皆可这三类。如果是及物动词,那么必须要带宾语,如果是不及物动词后面跟了名词必然不能当宾语,而是充当补语,如果可以是及物动词也可以是不及物动词,那么要分清其什么语义情景中是及物动词,什么语义情景中是不及物动词,而后在检查那么名词是否符合其语义,再判断是宾语还是补语。例如“较前年上涨10%”,这里“10%”和“上涨”就是补语的关系,因为“上涨”是不及物的。
此外,感觉上句法依存确实会损失一些信息,比如单句单句间的联系全部以并列结构处理,又比如由于规则限制,句子的核心谓语定在了信息量并不多的“称”“报道”“认为”这类词上,而根据句子的信息包装,新信息基本都在句子后半部分,如果我能对这项任务的上游操作有具体的了解,我想我也许对方案的调整会有更大的操作空间吧。
附详细答疑总结:
是/是否+形容词
这是系表结构,系表结构在框架内似乎只能处理成动宾关系。
原因是否与……有关
原因<-是否,SBV,是否->有关,VOB,与<-有关,ADV
A和/与B相比
A与B相比,净利润下降7%。
A<-相比,SBV ; 与->B, POB; 与<-相比,ADV;“A与B相比”做后句的状语。
A至B
A<-至,SBV,至->B,POB
无+V+N
无销售条件股份
无->条件,VOB,销售<-条件,ATT,无<-股份,ATT
主语是个从句
[刚泰集团持有刚泰控股股份] 共计1.96亿元。
这里应该是“刚泰集团持有刚泰控股股份”这样的小句做主语,然后“共计”是谓语,“1.96亿股”是宾语。
冒号
本次互保金额:合计总额不超过20亿元人命币。
假设没有冒号,按照主谓谓语的标法,本次互保金额<-合计总额,ATT。但是这里有了冒号,“本次互保金额”必须和前面的相连接
两个动词
两个动词V1和V2同时出现,可以分词以下集中情况:
V1+V2
我们唱歌跳舞。
V1->V2,COO
V1+N1+V2
带他走
这是一个兼语句,带->他,VOB,带->走,VOB
V1+V2+N2
动词按照是否需要宾语可以分成三类,一类是必须要带宾语,一类是一定不能带宾语,一类是既可以带宾语也可以不带宾语。
如果V1一定要带宾语,那么V2+N2是V1的宾语从句,其他情况,V1->V2,COO。
(例子待补充)
V1+N1+V2+N2
- 若N1既是V1的宾语又是V2的宾语,则是N1是兼语,V1->N1,VOB,V1->V2,VOB,V2->N2,VOB。
- 若N1和N2分别是V1、V2的宾语,则是两个并列的动宾短语,V1->V2,COO
注意/观察/了解/……到
注意->到 CMP
提供全额连带责任
给
- 动词
实意的“给予”意。小明给我一块钱。给->钱,VOB
- 介词
表示动作发出的方向。他昨天把这本书卖给小张了。给->小张,卖->给,CMP
累计/共计/合计
- 放在名词前面的时候,作为形容词来修饰名词
累计金额为…… 累计<-金额,ATT
- 放在名词后面时,作动词,若后面还有动词,与之并列
金额累计约为…… 金额<-累计,SBV 累计->约,COO
- 放在动词前,做状语修饰动词
亨利达公司共计生产1000只皮包。 共计<-生产,SDV
对外担保
违规对外担保
违规<-担保 ADV 对外<-担保 ADV
xxx公告/11月1日消息
A公司公告,明天公司发红包。
11月1日消息,明天公司发红包。
A公司<-公告,SBV 公告->发,COO
11月1日<-消息,SBV 消息->发,COO
区分
A公司公告称,明天公司发红包。
A公司->公告,SBV 公告->称,COO 称->发,VOB
A公司发布公告称,明天公司发红包。
A公司->发布,SBV 发布->公告,VOB, 发布->称,COO
公司(002)……
002<-公司,COO
拟……V1
公司拟发行第二批债券
拟->发行,ADV
为
- 为表示“是”的意思的时候,是动词
今年的营销总额为1亿元。root->为,HED
- 表示目的的,是介词
为迎接圣诞,学校…… 为->迎接,POB