图4 VP“put the bird in the house”的chart图
图5 VP“likes the bid in the house”的chart图
采用适当的上下文信息之后，人们会提出一个问题，即改进后的句法分析器的准确率又如何呢？它能取得66%的准确率，与其他策略相比，效果确实很好。但是，在PP附着选择上，仍然存在33%的错误率。那么，还需要另外增加什么样的信息来提高性能呢？显然，在规则的开始部分，可以采用二元或者三元语法模型，这样就可以将规则概率与输入的较大片段联系起来。如果存在足够多的训练数据，或许可以帮助我们进行最后的选择判断。
附着关系选择不仅依赖于动词，也依赖于PP中的介词。根据规则VP→V NP PP中的前一个语法类、中心动词和介词，可以设计出更复杂的评估体系。这要求我们准备更多的数据来获取可靠的概率统计，不过，这也会让可信度显著提高。然而，其中的困难是现在不能轻易地在规则中进行比较。规则VP→V NP PP可以采用动词和介词来评估，但是，规则VP→V NP缺少相应的介词。因此，还需要设计一个更复杂的评估测试办法。
一般来说，如果有足够的数据，词类的区分性越好，估计值的预测结果就会越准确。前面我们也提到了基于词语的统计需要大量的数据，但是，是否存在一部分词语可以单独处理并能取得更好的效果呢？当然，一些类似于介词这样的功能词好像比较适合于单独处理。这些词语的数目是固定的，它们对句子结构的分析有比较大的影响。类似地，其他一些封闭型的词语都可以单独处理，而不要作为同一个词类进行处理，这些词类有冠词、数词和连词等。可以合理地做出假设：我们能获取这些词的足够数据，并做出可靠的估计。
开放型词语则要复杂得多。例如，在数据约束方面，动词和名词扮演着关键的角色。但是，这些词实在是太多了，不可能都单独加以考虑。其中一个办法是只对那些常用的词语进行单独处理，处理方法和我们刚刚介绍的相同。另外一个办法是按照词语的相似性对它们聚类。聚类可以根据语义属性手工实现。比如，从本质上看，所有描述动作的动词可能具备相同的行为特征，因此可以将它们聚成同一个类。另外一种可选的方式是分析存在附着歧义的句子语料库，采用自动的技术方法学习有用的类别。
责任编辑：admin
上一篇：语义和逻辑形式简介
下一篇：最佳优先句法分析
微信公众号搜索“译员”关注我们，每天为您推送翻译理论和技巧，外语学习及翻译招聘信息。