论文部分内容阅读
事件指代消解根据指代词的不同可以分为代词的事件指代消解和名词短语的事件指代消解。研究了语义角色对名词短语的事件指代消解系统的影响,根据SVM机器学习的方法进行英文事件的指代消解,通过在计算事件语义相似度的元组（语义角色）中加入时间和地点元素改进语义特征来提高事件指代消解系统的性能。Onto Notes 4.0语料库上的实验结果显示,引入改进的语义特征后,与基准系统相比系统的准确率和F值均有所提高。验证了时间和地点元素对事件指代消解的正面影响。