人機(jī)交互文本標(biāo)注工具開發(fā)論文

1、-. z- . - .可修編-畢 業(yè) 論 文論文題目：姓 名：學(xué) 號：學(xué)習(xí)中心：專 業(yè)：指導(dǎo)教師： 二 年 月畢業(yè)論文承諾書提示：根據(jù)語言大學(xué)網(wǎng)絡(luò)教育學(xué)院論文寫作的規(guī)定，如發(fā)現(xiàn)論文有抄襲、網(wǎng)上下載、請人代寫等情況，畢業(yè)論文一律不及格。同時取消學(xué)士學(xué)位申請資格。畢業(yè)論文不及格者，可申請重寫一次，并按重修繳納費(fèi)用。本人承諾：本人已經(jīng)了解語言大學(xué)的畢業(yè)論文寫作的有關(guān)規(guī)定；本人的論文是在指導(dǎo)教師指導(dǎo)下獨(dú)立完成的研究成果。整篇論文除了文中已注明出處或引用的容外，絕沒有侵犯他人知識產(chǎn)權(quán)。對本論文所涉及的研究工作做出奉獻(xiàn)的個人和集體，均已在文中以明確方式注明。簽 名：_ 日 期：_目 錄 TOC o 1-3

2、 h z u HYPERLINK l _Toc182814517目錄 PAGEREF _Toc182814517 h2HYPERLINK l _Toc182814518摘要 PAGEREF _Toc182814518 h 2HYPERLINK l _Toc182814519Abstract PAGEREF _Toc182814519 h 3HYPERLINK l _Toc182814520第一章緒論 PAGEREF _Toc182814520 h 1HYPERLINK l _To前言 PAGEREF _Toc182814521 h 1HYPERLINK l _Toc1

3、8281452212 研究背景 PAGEREF _Toc182814522 h 1HYPERLINK l _Toc182814523信息抽取概述 PAGEREF _Toc182814523 h 1HYPERLINK l _Toc182814524基于容的文本信息提取 PAGEREF _Toc182814524 h 2HYPERLINK l _To發(fā)人機(jī)交互的標(biāo)注工具的意義 PAGEREF _Toc182814525 h 3HYPERLINK l _To務(wù)描述 PAGEREF _Toc182814526 h 3HYPERLINK l _Toc1

4、8281452715論文的組織和安排 PAGEREF _Toc182814527 h 3HYPERLINK l _Toc182814528第二章標(biāo)注工具的設(shè)計原則和設(shè)計思想 PAGEREF _Toc182814528 h 5HYPERLINK l _To究方法和指導(dǎo)思想 PAGEREF _Toc182814529 h 5HYPERLINK l _To注工具的設(shè)計原則 PAGEREF _Toc182814530 h 5HYPERLINK l _Toc1828145312.2.2 文本標(biāo)注工具的設(shè)計原則 PAGEREF _Toc182814531

5、 h 5HYPERLINK l _To人機(jī)交互界面設(shè)計原則 PAGEREF _Toc182814532 h 5HYPERLINK l _Toc182814533第三章標(biāo)注工具的具體開發(fā) PAGEREF _Toc182814533 h 5HYPERLINK l _To發(fā)環(huán)境的選擇 PAGEREF _Toc182814534 h 5HYPERLINK l _To注工具的設(shè)計 PAGEREF _Toc182814535 h 5HYPERLINK l _Toc182814536標(biāo)注工具的界面算法 PAGEREF _Toc18

6、2814536 h 5HYPERLINK l _Toc182814537構(gòu)造設(shè)計 PAGEREF _Toc182814537 h 5HYPERLINK l _To標(biāo)注工具的詳細(xì)設(shè)計 PAGEREF _Toc182814538 h 6HYPERLINK l _Toc182814539人機(jī)交互界面詳細(xì)設(shè)計 PAGEREF _Toc182814539 h 6HYPERLINK l _Toc182814540菜單和工具欄的設(shè)計 PAGEREF _Toc182814540 h 6HYPERLINK l _To注過程文本的處理 PAGEREF _Toc1

7、82814541 h 6HYPERLINK l _Toc182814542實體標(biāo)注詳細(xì)設(shè)計 PAGEREF _Toc182814542 h 6HYPERLINK l _Toc182814543關(guān)系標(biāo)注詳細(xì)設(shè)計 PAGEREF _Toc182814543 h 6HYPERLINK l _Toc182814544事件標(biāo)注詳細(xì)設(shè)計 PAGEREF _Toc182814544 h 6HYPERLINK l _To標(biāo)注結(jié)果 PAGEREF _Toc182814545 h 6HYPERLINK l _To術(shù)難點討論 PAGEREF _Toc1828145

8、46 h 6HYPERLINK l _Toc182814547第四章標(biāo)注工具的缺陷分析和功能展望 PAGEREF _Toc182814547 h 7HYPERLINK l _Toc182814548完畢語 PAGEREF _Toc182814548 h 2HYPERLINK l _Toc182814549致 PAGEREF _Toc182814549 h 2HYPERLINK l _Toc182814550參考文獻(xiàn) PAGEREF _Toc182814550 h 2-. z人機(jī)交互文本標(biāo)注工具開發(fā)摘要：基于容的文本信息提取是當(dāng)前的一個研究熱點，無論搜索引擎還是問答系統(tǒng)，其根本的根底是有效的獲取

9、文本中的信息。使用機(jī)器學(xué)習(xí)的方法從語料庫中獲取有效的知識，以支持文本信息的處理已經(jīng)成為計算語言學(xué)的一個主流技術(shù)，而帶標(biāo)語料庫則是這一技術(shù)的根底。 帶標(biāo)語料庫的建立的根底就是對大量的文本進(jìn)展標(biāo)注，并以一定的構(gòu)造來存儲。這樣一來就需要開發(fā)一個具有友好的人機(jī)交互界面的文本標(biāo)注工具來輔助文本標(biāo)注，在一定程序上減輕標(biāo)注工作者的負(fù)擔(dān)。這次文本標(biāo)注工具的設(shè)計，處理的目標(biāo)是純文本文件，以一篇文檔為單位提供用戶進(jìn)展實體，事件，關(guān)系的標(biāo)注，并在標(biāo)注過程中給出標(biāo)注的中間結(jié)果，最后在保存標(biāo)注文件的時候進(jìn)展處理，以*ml語言格式進(jìn)展輸出存儲。標(biāo)注工具的功能包括對文本的實體，事件，關(guān)系三大類的標(biāo)注，對標(biāo)注過的文本進(jìn)展標(biāo)記

10、，提醒用戶標(biāo)注進(jìn)度，最后對標(biāo)注中間結(jié)果的處理與保存。本文是對這次人機(jī)交互文本標(biāo)注工具的設(shè)計與實現(xiàn)的詳細(xì)的闡述。首先對背景及理論知識作了具體的介紹。然后，分別進(jìn)展文本標(biāo)注工具的系統(tǒng)分析、總體架構(gòu)分析，并對每個模塊的具體實現(xiàn)做詳細(xì)地講解。最后，本文還介紹本次文本標(biāo)注工具設(shè)計的缺陷以及未來改良的方案,并對本次標(biāo)注工具的開發(fā)作總結(jié)。關(guān)鍵詞: 人機(jī)交互，文本標(biāo)注，MFC編程The Interactive Te*t tagging Tool Development Author: * Tutor: * Abstract：The te*t information e*tration based on con

11、tent is a current study hotspot. Regardless of the search engine or the interrogator-responder system, their basic foundation is gain te*t information in effective. Use the method of machine learning to gains the effective knowledge from Corpus , supporting the te*t information processing is already

12、 bee putaional linguisticsa mainstream technology. The tagged corpus is the technical foundation.The target of this te*t tagging tool design is the processed corpora(te*t). Taking the single piece of te*t for users to tag entities, relations, events, and show intermediate results during tagging proc

13、ess . culminating in the preservation of tagging documents processed *ml language to the output format for storage. The tools functional annotation including tagging the entities, the events, the relations labeled the tagging off te*t , remind users the tagging progress, and dealing the intermediate

14、 results processing and preservation.The paper will describe and discuss over the design and realization of this interactive te*t tagging tool. Firstly, detailed theoretical backgrounds will be given; secondly, analysis of this tool and general structure for it and the full descriptions about the re

15、alization of each model will be introduced; finally, the defects of the design of the tool and improvement to its future development will be given and a summary of the structure and the performance of the system will be delivered as well. Key word:Human puterInteractive, Te*t tagging, MFC-. z第一章 緒 論

16、11 前言隨著互聯(lián)網(wǎng)的廣泛普及，語言信息處理的社會需求越來越大，人們迫切需要用自動化的手段處理海量的語言信息。語言資源有方案有規(guī)模的開發(fā)對于語言信息處理領(lǐng)域的研究和開發(fā)具有重要意義。對文本進(jìn)展標(biāo)注就是語言資源建立的一個方面，人機(jī)交互式的標(biāo)注工具是進(jìn)展語料標(biāo)注的有效手段，從一定程度上可以的減輕標(biāo)注工作者的負(fù)擔(dān)，同時還可以輔助檢查標(biāo)注結(jié)果。 開發(fā)界面友好的標(biāo)注工具可以進(jìn)一步的提高標(biāo)注工作者的效率，同時構(gòu)造化的輸出更方便標(biāo)注數(shù)據(jù)的后續(xù)使用。12 研究背景信息抽取概述信息抽取是指從一段文本中抽取指定的事件，事實等信息，形成構(gòu)造化的數(shù)據(jù)并填入一個數(shù)據(jù)庫中供用戶查詢使用的過程。即它從文本中抽取用戶感興趣的

17、事件，實體和關(guān)系，被抽取出來的信息以構(gòu)造化的形式描述，然后存儲在數(shù)據(jù)庫中，為情報分析和監(jiān)測、比價購物、自動文摘、文本分類等各種應(yīng)用提供效勞。例如，災(zāi)害預(yù)防部門可以從自然災(zāi)害的新聞報道中抽取出災(zāi)害的類型、時間、地點、人員傷亡、經(jīng)濟(jì)損失等情況；醫(yī)生可以從病人的醫(yī)療記錄中抽取出病癥、診斷記錄和檢驗結(jié)果；平安部門分析有線新聞和播送電視的文本來找到和總結(jié)恐懼分子活動記錄等。一般來說，信息抽取系統(tǒng)的處理對象是自然語言文本尤其是非構(gòu)造化文本。但廣義上講，除了電子文本以外，信息抽取系統(tǒng)的處理對象還可以是語音、圖像、視頻等其他媒體類型的數(shù)據(jù)。基于容的文本信息提取基于容的文本信息提取是當(dāng)前的一個研究熱點，無論搜索

18、引擎還是問答系統(tǒng)，其根本的根底是有效的獲取文本中的信息。使用機(jī)器學(xué)習(xí)的方法從語料庫中獲取有效的知識，以支持文本信息的處理已經(jīng)成為計算語言學(xué)的一個主流技術(shù)，而帶標(biāo)語料庫則是這一技術(shù)的根底。由于語言本身的復(fù)雜性和富含信息的特點，使得語料庫標(biāo)注的容、對象可以在語法、語義、語用等各個層次上進(jìn)展，語料庫標(biāo)注的容和程度，從根本上決定了從文本中可以提取出的信息容和信息粒度，也決定了進(jìn)展文本容計算的對象、方法。比方，對于文本片斷，據(jù)美國加利福尼亞州羅斯維爾市警方說，一架單引擎飛機(jī)12日在羅斯維爾市郊墜毀，機(jī)上2人全部死亡，被飛機(jī)撞毀的一座房屋中2人失蹤。其中所包含的信息有：飛機(jī)墜毀的時間12日、地點羅斯維爾市

19、郊、傷亡情況2人死亡，2人失蹤、該消息的來源警方、飛機(jī)本身的狀態(tài)屬性單引擎、消息來源的屬性美國加利福尼亞州羅斯維爾市警方、死亡人員的屬性(機(jī)上2人)、失蹤人員的屬性被飛機(jī)撞毀的一座房屋中2人、。這些信息直接反映了文本片斷的意義，包括了命名實體、實體如羅斯維爾市、飛機(jī)；實體的屬性及其間的關(guān)系如羅斯維爾市警方與警方，失蹤人員和房屋的關(guān)系；事件如墜毀事件及其屬性事件的時間、地點、傷亡情況等。表達(dá)這些信息的語言形式是豐富多樣的，我們將其稱為意義單元。因此，有效地標(biāo)注文本中的意義單元，是面向文本容計算進(jìn)展資源建立的一個嘗試。根據(jù)突發(fā)事件的類型，對真實文本中意義單元的屬性、特征、相關(guān)連方式進(jìn)展研究，并通過

20、標(biāo)注體系將其表現(xiàn)出來，是前人沒有做過的。從真實文本的實際數(shù)據(jù)出發(fā)，探索支持文本容計算、具有意義信息標(biāo)注的語料庫建立是一個新的嘗試。目前，面向文本信息提取的帶標(biāo)語料庫的研究，ACE工程進(jìn)展的較為深入。ACE對語料庫標(biāo)注形式、方法、容、對象都作了大量的研究，其標(biāo)注容包括文本中的實體表達(dá)、實體間的關(guān)系表達(dá)、事件的表達(dá)等。本文受ACE標(biāo)注容的啟發(fā)，通過對ACE已標(biāo)數(shù)據(jù)的分析，確定了以意義單元作為標(biāo)注對象，期望在標(biāo)注容上更加精煉，標(biāo)注的語言層次上能夠貫穿各個層級，同時面對不同的事件信息，能有更準(zhǔn)確的表達(dá)形式。此外，從資源建立的角度來看，我們必須建立我們自己的語料庫。13開發(fā)人機(jī)交互的標(biāo)注工具的意義目前語

21、料加工的方式主要有三種方式，即人工、自動、和人機(jī)結(jié)合的半自動方式。由于自然語言處理技術(shù)的限制，自動加工方式會給語料庫標(biāo)注帶來一些錯誤，而人工加工方式非常昂貴，需要大量的人力資源。相比之下，半自動加工方式則兼顧兩者的優(yōu)點。人機(jī)結(jié)合的方式有兩種：一種是計算機(jī)自動選擇語料庫中需要人工干預(yù)的自動加工方式不能解決的局部，從而減少人的工作；另一種反是則實現(xiàn)由計算機(jī)對加工的語料進(jìn)展自動加工，然后由人工校對。對文本進(jìn)展標(biāo)注就是語言資源建立的一個方面。人工標(biāo)注的過程是一個艱辛的、費(fèi)時費(fèi)力的，然而從語言信息處理開展的觀點來看，是一個必須進(jìn)展的過程。h_L% V/Y pz因此開發(fā)一個可以輔助標(biāo)注工作的工具就有它的意

22、義。人機(jī)交互式的標(biāo)注工具是進(jìn)展語料標(biāo)注的有效手段，從一定程度上可以的減輕標(biāo)注工作者的負(fù)擔(dān)，同時還可以輔助檢查標(biāo)注結(jié)果的一致性等問題。 開發(fā)界面友好的標(biāo)注工具可以進(jìn)一步的提高標(biāo)注工作者的效率，同時構(gòu)造化的輸出更方便標(biāo)注數(shù)據(jù)的后續(xù)使用。14任務(wù)描述本次標(biāo)注工具開發(fā)的主要工作是windows風(fēng)格的交互環(huán)境設(shè)計與實現(xiàn)和適用于文本成分的標(biāo)注風(fēng)格的設(shè)計與實現(xiàn)。具體就是要完成以下的這些任務(wù)：人機(jī)交互界面的設(shè)計人機(jī)交互界面的實現(xiàn)實體，關(guān)系，實現(xiàn)具體標(biāo)注的實現(xiàn)標(biāo)注中間結(jié)果的顯示標(biāo)注結(jié)果的構(gòu)造化輸出15論文的組織和安排整個論文分為四個局部，緒論介紹了這個標(biāo)注工具出現(xiàn)的背景，解釋了我們構(gòu)造這個工具的必要性，后面各章

23、節(jié)全部圍繞標(biāo)注工具設(shè)計開發(fā)的各個細(xì)節(jié)來描述。分別為第2章標(biāo)注工具的設(shè)計原則和設(shè)計思想，包括用戶的各種需求和工具要具備的功能，預(yù)先估計工具開發(fā)過程中可能會遇到的困難，為工具的具體開發(fā)和實現(xiàn)打好根底。第3章標(biāo)注工具的具體開發(fā)，包括開發(fā)環(huán)境的選擇，設(shè)計思想的詳細(xì)實現(xiàn)，技術(shù)難點的分析討論。第4章對這次標(biāo)注工具開發(fā)的總結(jié)，分析工具的缺陷以及沒有解決的問題，以及對系統(tǒng)以后改良開展的看法。第二章 標(biāo)注工具的設(shè)計原則和設(shè)計思想21研究方法和指導(dǎo)思想22標(biāo)注工具的設(shè)計原則 文本標(biāo)注工具的設(shè)計原則23 人機(jī)交互界面設(shè)計原則第三章 標(biāo)注工具的具體開發(fā)31開發(fā)環(huán)境的選擇32標(biāo)注工具的設(shè)計標(biāo)注工具的界面算法構(gòu)造設(shè)計33 標(biāo)注工具的詳細(xì)設(shè)計人機(jī)交互界面詳細(xì)設(shè)計菜單和工具欄的設(shè)計34標(biāo)注過程文本的處理實體標(biāo)注詳細(xì)設(shè)計關(guān)系標(biāo)注詳細(xì)設(shè)計事件標(biāo)注詳細(xì)設(shè)計35 標(biāo)注結(jié)果36技術(shù)難點討論標(biāo)注工具的缺陷分析和功能展望盡管工具經(jīng)過反復(fù)的設(shè)計和考慮，性能進(jìn)展盡可能的優(yōu)化，但是本次的標(biāo)注工具的缺陷還是非常多的，由于時間的緊和能力的有限，還有許多的功能可以去實現(xiàn)，還有許多的地方需要改良。本次標(biāo)注工具實現(xiàn)了簡單的人機(jī)交互環(huán)境，但還有許多需要處理的過程。如用戶標(biāo)注之后發(fā)現(xiàn)標(biāo)注出錯撤銷標(biāo)注的操