摘  要： 為非結(jié)構(gòu)化的Web頁面標(biāo)注事件語義信息，可以豐富Web頁面結(jié)構(gòu)化信息，加深對(duì)Web頁面內(nèi)容的理解。選取新聞?lì)愋偷腤eb頁面，遵照事件語義標(biāo)注規(guī)范對(duì)選取的未標(biāo)注Web頁面進(jìn)行事件語義標(biāo)注。對(duì)標(biāo)注了事件語義的語料實(shí)例進(jìn)行抽象得到事件語義結(jié)構(gòu)模式；利用層次聚類算法，將所得的事件語義結(jié)構(gòu)模式進(jìn)行聚類分析，得到不同類別的事件語義模式。實(shí)驗(yàn)結(jié)果表明，在已標(biāo)注事件語義的語料實(shí)例的基礎(chǔ)上，利用聚類算法進(jìn)行分析，獲取各種類別的事件語義模式，對(duì)Web頁面內(nèi)容分析與理解是非常必要的。
關(guān)鍵詞： 事件語義角色；事件語義結(jié)構(gòu)模式；聚類分析

    隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)文本數(shù)據(jù)迅猛增加。要實(shí)現(xiàn)人機(jī)間相互理解，就意味著首先要讓計(jì)算機(jī)理解自然語言語義。而自然語言語義一般又是由底層的事件語義組成的，因而基于已標(biāo)注事件語義的語言語料，進(jìn)行事件語義結(jié)構(gòu)模式獲取是非常必要的。近年來，事件研究在自然語言處理領(lǐng)域成為了熱點(diǎn)，事件在很多語義計(jì)算理論和自動(dòng)文摘、問答系統(tǒng)等應(yīng)用領(lǐng)域中都很重要，因此，使用聚類分析獲取事件語義結(jié)構(gòu)模式是值得探索的。
    語料實(shí)例指為語言研究收集的、用電子形式保存的語言材料，由自然出現(xiàn)的書面語或口語的樣本匯集而成，用來代表特定的語言或語言變體。經(jīng)過科學(xué)選材和標(biāo)注，具有適當(dāng)規(guī)模的語料庫能夠反映和記錄語言的實(shí)際使用情況。語料實(shí)例已經(jīng)成為語言學(xué)理論研究、應(yīng)用研究和語言工程不可缺少的基礎(chǔ)資源。
    事件語義結(jié)構(gòu)是語法和語義界面的結(jié)合。它充分考慮了事件的時(shí)間結(jié)構(gòu)特性和內(nèi)部構(gòu)成關(guān)系對(duì)謂詞句法表現(xiàn)的影響，有效地克服了以動(dòng)詞為核心的投射在句法解釋方面的理論缺陷。
    聚類分析是數(shù)據(jù)挖掘的核心部分。所謂聚類，就是將物理或抽象對(duì)象的集合組成由類似的對(duì)象組成的多個(gè)類或簇的過程。聚類生成的簇是一組數(shù)據(jù)對(duì)象的集合，同一簇中的對(duì)象應(yīng)盡可能相似，而不同簇中的對(duì)象盡可能相異。聚類是在預(yù)先不知道目標(biāo)數(shù)據(jù)到底有多少類的情況下，希望將所有的記錄組成不同的類或者說“聚類”。
    目前國內(nèi)外對(duì)這方面的研究還在不斷深入。JAMES提出了事件結(jié)構(gòu)的配價(jià)理論，并從詞匯語義學(xué)的角度分析了事件結(jié)構(gòu)中的語義角色[1]；CHANG基于事件謂詞對(duì)事件結(jié)構(gòu)內(nèi)部的論元連接原則進(jìn)行了討論[2]；JOOST在通過情景語義分析事件路徑的基礎(chǔ)上，提出了事件輪廓與軌跡的概念[3]；ELENA從事件分類、語義角色、事體以及因果角度對(duì)事件結(jié)構(gòu)進(jìn)行了分析[4-5]。這些研究工作都是以事件謂語為中心，采用句法分析方法得到的。袁毓林等從認(rèn)知角度研究了漢語的論元結(jié)構(gòu)和描述框架，并進(jìn)行了真實(shí)文本語義標(biāo)注的實(shí)踐[6-7]；吳平對(duì)特殊句式的事件語義結(jié)構(gòu)進(jìn)行了分析與研究[8-10]；李世奇等提出了一種基于特征組合和支持向量機(jī)的中文語義角色標(biāo)注方法[11]；郝秀蘭等提出了事件類定義角色語義表方法，將HowNet的事件類與語義解釋聯(lián)接起來[12]。
    本文基于事件語義標(biāo)注規(guī)范，使用事件語義標(biāo)注工具，對(duì)Web上收集的未標(biāo)注文本語料，進(jìn)行嘗試性標(biāo)注和聚類分析，進(jìn)而得到更加抽象的事件語義結(jié)構(gòu)模式。
1 系統(tǒng)流程
    文本選取新聞?lì)愋偷腤eb頁面，遵照事件語義標(biāo)注規(guī)范對(duì)選取的未標(biāo)注Web頁面進(jìn)行事件語義標(biāo)注。對(duì)標(biāo)注了事件語義的語料實(shí)例進(jìn)行抽象得到事件語義結(jié)構(gòu)模式；利用層次聚類算法，將所得到的事件語義結(jié)構(gòu)模式進(jìn)行聚類分析，得到不同類別的事件語義模式。整個(gè)系統(tǒng)的處理流程[9-10]如圖1所示。
    其中，對(duì)于未處理的Web頁面，頁面預(yù)處理的主要功能是將未標(biāo)注的Web頁面中涉及到的事件進(jìn)行拆分，如例1所示。

    例1  原句：2010年樸文垚在日本首奪世界冠軍，榮升中國第30位九段圍棋手。
    拆分后事件E1：2010年樸文垚在日本首奪世界冠軍
    拆分后事件E2：榮升中國第30位九段圍棋手
    對(duì)選取的Web頁面進(jìn)行處理將獲得事件集合，遵照事件語義標(biāo)注規(guī)范對(duì)預(yù)處理后的Web頁面進(jìn)行事件語義標(biāo)注。標(biāo)注結(jié)果的語料實(shí)例如例2所示。

    例2  標(biāo)注后事件E1：<EVENT id="E1">[2010年 T][樸文垚 A]在[日本 L][首 Ra][奪 EP][世界冠軍 P] </EVENT>
    標(biāo)注后事件E2：<EVENT id="E2">[榮升 EP][中國 Ra][第30位 Ra][九段圍棋手 Re] </EVENT>
    對(duì)此標(biāo)注了事件語義的語料實(shí)例進(jìn)行抽象得到事件語義結(jié)構(gòu)模式，如事件E1抽象后的結(jié)果為“T，A，L，Ra，EP，P”。
    其中A表示施事，P表示受事，T表示時(shí)間，EP表示謂詞，L表示地點(diǎn)等。通過分析，對(duì)抽取的某個(gè)事件進(jìn)行人工的事件語義標(biāo)注，得到該事件的語義結(jié)構(gòu)模式。最后，將大量的事件語義結(jié)構(gòu)模式進(jìn)行聚類即可得到不同類別的事件語義結(jié)構(gòu)模式集合。
2 聚類算法
    聚類[4]是將數(shù)據(jù)分類到不同的類或者簇的一個(gè)過程，所以同一個(gè)簇中的對(duì)象有很大的相似性，而不同簇間的對(duì)象有很大的相異性。聚類是搜索簇的無監(jiān)督學(xué)習(xí)過程。與分類具有類別標(biāo)記不同，無監(jiān)督學(xué)習(xí)不依賴預(yù)先定義的類或帶類標(biāo)記的訓(xùn)練實(shí)例，需要由聚類學(xué)習(xí)算法自動(dòng)確定標(biāo)記。聚類能夠作為一個(gè)獨(dú)立的工具獲得數(shù)據(jù)的分布狀況，觀察每一簇?cái)?shù)據(jù)的特征，集中對(duì)特定的聚簇集合作進(jìn)一步的分析。
    層次聚類方法通過將數(shù)據(jù)組織為若干組并形成樹形結(jié)構(gòu)來進(jìn)行聚類，可以分為自上而下和自下而上兩種。自上而下策略是將所有對(duì)象置于一個(gè)類中,然后漸漸分為越來越小的類，直到每個(gè)對(duì)象自成一類,或者達(dá)到了某個(gè)終結(jié)條件；自下而上策略是最初將每個(gè)對(duì)象（自身）作為一個(gè)基本類，然后將這些基本類進(jìn)行聚合以構(gòu)造越來越大的類，直到所有對(duì)象均聚合為一個(gè)類，或滿足一定終止條件為止。自上而下和自下而上基本思想如圖2所示。
    本文采用自下而上的層次聚類算法對(duì)得到的事件模式集合進(jìn)行處理。層次聚類算法的基本思想是：初始狀態(tài)下屬于數(shù)據(jù)集的每個(gè)數(shù)據(jù)對(duì)象自成一類，它們的合并代價(jià)初始值為0；然后，假定任意兩個(gè)簇合并，利用離差平方和的增量來度量兩個(gè)簇合并后所需要付出的代價(jià)，在計(jì)算完所有的兩個(gè)簇合并的代價(jià)后，選擇合并代價(jià)最小的兩個(gè)簇進(jìn)行合并；算法反復(fù)迭代，直到所有的簇合并成一個(gè)簇或者達(dá)到預(yù)先設(shè)定的簇的數(shù)目k為止。Ward層次聚類算法通常采用離差平方和函數(shù)做為目標(biāo)函數(shù)，如式（1）和式（2）所示。
    
其中，St為合并的兩個(gè)事件語義結(jié)構(gòu)模式中所有語義角色成分的離差平方和，S為各個(gè)事件語義結(jié)構(gòu)模式中所有語義角色成分的離差平方和的總和，k為預(yù)先設(shè)定的需要最終凝聚成的事件語義結(jié)構(gòu)模式的數(shù)目。假設(shè)兩個(gè)事件語義結(jié)構(gòu)模式要合并成一個(gè)事件語義結(jié)構(gòu)模式At，Nt為合并后的事件語義結(jié)構(gòu)模式的語義角色成分的個(gè)數(shù)，xit為At中的第i個(gè)語義角色成分，xt為At中所有語義角色成分的平均值。
    算法描述如下：
    (1)設(shè)定最終要凝聚的事件語義結(jié)構(gòu)模式的數(shù)目k；
    (2)根據(jù)式（1）計(jì)算兩個(gè)事件語義結(jié)構(gòu)模式之間的距離，建立鄰近度矩陣；
    (3)根據(jù)之前的計(jì)算結(jié)果，合并兩個(gè)距離最近的事件語義結(jié)構(gòu)模式，生成新的事件語義結(jié)構(gòu)模式At；
    (4)更新鄰近度矩陣，反映出新的事件語義結(jié)構(gòu)模式At與原來的事件語義結(jié)構(gòu)模式之間的鄰近性；
    (5)直到事件語義結(jié)構(gòu)模式的數(shù)目等于或者小于預(yù)先設(shè)定的數(shù)目k為止，否則轉(zhuǎn)向步驟(2)。
3 實(shí)驗(yàn)結(jié)果與分析
    在網(wǎng)絡(luò)上選取新聞?lì)愋偷腤eb頁面，通過對(duì)30多篇Web頁面語料的標(biāo)注和分析，得出5 000個(gè)事件語義結(jié)構(gòu)基本模式。將不同的基本事件模式進(jìn)行初步整理之后，得出如圖3所示的基本事件模式分布柱狀圖。
    從圖3中得出：最多的兩個(gè)事件語義結(jié)構(gòu)模式是“A，EP，P”和“EP，P”，即“施事，謂詞，受事”和“謂詞，受事”，這主要是因?yàn)樵诂F(xiàn)實(shí)生活中描寫主體成分動(dòng)作的情況非常普遍。而這兩個(gè)事件語義結(jié)構(gòu)模式的差別就在于后者缺少施事，也就是通常所謂的主體語義角色成分。在交流雙方都明確知道的前提下，通常會(huì)省略掉“施事”。因此，缺少施事這一語義角色成分和補(bǔ)全這個(gè)語義角色成分的區(qū)別不大。

    當(dāng)然存在一些事件語義結(jié)構(gòu)模式出現(xiàn)的頻率很低，如“A，T，Rn，EP，P”。這一類的事件語義結(jié)構(gòu)模式，即“施事，時(shí)間，原因，謂詞，受事”，除了包括事件語義結(jié)構(gòu)模式中最重要的主體、謂詞、客體成分，還涵蓋了憑借成分、環(huán)境成分這些附加的事件成分，使得這一類的事件語義結(jié)構(gòu)模式的語義角色成分比較多。事件語義角色成分越多，事件語義結(jié)構(gòu)模式的限定也就越多，所表達(dá)的含義就越明確，而通常在使用時(shí)會(huì)省去時(shí)間語義角色成分，所以這一類的事件語義結(jié)構(gòu)模式就很少見了。
    對(duì)一些看似是兩個(gè)不同的事件語義結(jié)構(gòu)模式，而實(shí)際上表達(dá)了相同含義，模式相似度達(dá)到50%的兩個(gè)事件語義結(jié)構(gòu)模式進(jìn)行合并，合并之后事件模式的分布直方圖如圖4所示。

　例3  事件語義結(jié)構(gòu)模式M：“A，EP，P”。事件語義結(jié)構(gòu)模式N：“P，EP，A”。
   例3中M包含的3個(gè)語義角色成分與N中包含的語義角色成分是完全相同的，唯一不同點(diǎn)在于語義角色的排列順序。在漢語中，由于對(duì)句子進(jìn)行了倒裝處理或者是將某些語義角色成分前置改變事件語義角色成分的順序，但是這種情況并沒有增加或減少事件語義結(jié)構(gòu)模式中語義角色成分的數(shù)目，更沒有改變?cè)惺录暮x。如例4所示。
    例4  (1)我被老師夸獎(jiǎng)了。(2)老師夸獎(jiǎng)了我。
    在例4中，句（1）得到的事件語義結(jié)構(gòu)模式是“P，A，EP”，而句（2）得到的事件語義結(jié)構(gòu)是“A，EP，P”，但句（1）和句（2）的句子成分和句子所表達(dá)的客觀含義是一致的，因此可以認(rèn)為這兩個(gè)句子是相同的。類似的情況還有很多，如“EP，P”與“P，EP”、“Th，EP，P”與“P，EP，Th”等。因此，這樣的兩個(gè)事件語義結(jié)構(gòu)模式是可以合并的，也就是說，這樣的兩個(gè)事件語義結(jié)構(gòu)模式可以視為同一個(gè)事件語義結(jié)構(gòu)模式。
    圖5是對(duì)不同的事件語義結(jié)構(gòu)模式進(jìn)行聚類分析之后得到的分析柱狀圖。根據(jù)某個(gè)語義角色成分在規(guī)定的語料范圍內(nèi)出現(xiàn)的頻率決定其加權(quán)值。利用聚類算法對(duì)事件語義結(jié)構(gòu)模式相似度高的兩個(gè)事件語義結(jié)構(gòu)模式進(jìn)行合并，得到一個(gè)事件語義結(jié)構(gòu)模式，經(jīng)過多次聚類將得出事件中最普遍的事件語義結(jié)構(gòu)模式集合。

    例如，事件語義結(jié)構(gòu)模式“A，EP，P”和事件語義結(jié)構(gòu)模式“A，Rn，EP，P”，其中“A，Rn，EP，P”中事件語義角色成分“原因(Rn)”相對(duì)于事件語義結(jié)構(gòu)模式“A，EP，P”這個(gè)整體所造成的影響是可忽略的。因此這兩個(gè)事件語義結(jié)構(gòu)模式在某種程度上達(dá)到了一致。事件語義結(jié)構(gòu)模式中往往還含有一些對(duì)整體模式的影響可以被忽略的語義角色成分，如“使用工具”、“環(huán)境成分”等。這些語義角色成分對(duì)事件語義結(jié)構(gòu)模式中那些主要的成分進(jìn)行修飾或者補(bǔ)充說明。例如事件語義結(jié)構(gòu)模式“A，Rn”中的“（原因）Rn”語義角色成分，可以適當(dāng)忽略該成分對(duì)整體事件語義結(jié)構(gòu)模式的影響，將其與事件語義結(jié)構(gòu)模式“A，EP，P”進(jìn)行合并操作。
    本文基于事件語義標(biāo)注規(guī)范，使用事件語義標(biāo)注工具，對(duì)從Web上收集的未標(biāo)注文本語料，進(jìn)行嘗試性標(biāo)注和聚類分析，進(jìn)而得到更抽象的事件語義結(jié)構(gòu)模式。實(shí)驗(yàn)結(jié)果表明，在已標(biāo)注事件語義的語料實(shí)例基礎(chǔ)上，利用聚類算法進(jìn)行分析，獲取各種類別的事件語義模式，對(duì)Web頁面內(nèi)容分析與理解是非常必要的。本文利用上述的聚類算法，對(duì)獲得的事件語義結(jié)構(gòu)模式進(jìn)行分析，雖然實(shí)驗(yàn)結(jié)果還存在一定的問題，如聚類算法不夠完善等，但是實(shí)驗(yàn)結(jié)果說明對(duì)事件語義結(jié)構(gòu)模式進(jìn)行研究還是很有意義的。
參考文獻(xiàn)
[1] JAMES P.The syntax of event structure[J].Journal of Cognition，1991，41：47-81.
[2] CHANG Jung-hsing.Event structure and argument linking in Chinese[J].Language And Linguistics，2003，4(2)：317-351.
[3] JOOST Z.Event shape：paths in the semantics of verbs[EB/OL].Ms.Radboud University Nijmegen & Utrecht University.http：//www.let.uu.nl/users/Joost.Zwarts/personal/EventShape.pdf，2006.
[4] ELENA P.Event structure in russian：semantic roles，aspect，causation[J].Journal of The Prague Bulletin of Mathematical Linguistics，2009(92)：5-20.
[5] ELENA P.Event structure：taxonomy，semantic roles，aspect，causation[J].Journal of Automatic Documentation and Mathematical Linguistics，2009，43(3)：196-202.
[6] 袁毓林．基于認(rèn)知的漢語計(jì)算語言學(xué)研究[M]．北京：北京大學(xué)出版社，2008．
[7] 袁毓林．用動(dòng)詞的論元結(jié)構(gòu)跟事件模板相匹配——一種由動(dòng)詞驅(qū)動(dòng)的信息抽取方法[J]．中文信息學(xué)報(bào)，2005，19(5)：37-43．
[8] 吳平.漢語特殊句式的事件語義分析與計(jì)算(第1版)[M]. 北京：中國社會(huì)科學(xué)出版社，2009：67-85.
[9] 吳平．論元控制謂詞與非論元控制謂詞的邏輯語義分析與計(jì)算[J]．外語與外語教學(xué)，2006(3)：5-10．
[10] 吳平．“使”字句事件結(jié)構(gòu)的語義分析[J]．浙江大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2009，39(3)：157-164.
[11] 李世奇，趙鐵軍，李晗靜，等．基于特征組合的中文語義角色標(biāo)注[J]．軟件學(xué)報(bào)，2011，22(2)：222-232．
[12] 郝秀蘭，楊爾弘，舒鑫柱．基于HowNet的事件角色語義特征提取[J]．中文信息學(xué)報(bào)，2001，15(5)：26-32．