语义分析的层次
语义分析深入理解文本含义：词义消歧确定词语具体含义，语义角色标注识别事件参与者，语义关系抽取发现实体间关系。
词义消歧(WSD)
多义词在不同上下文有不同含义。词义消歧根据上下文确定词语的具体义项。
消歧方法
- 基于词典：WordNet义项定义与上下文匹配
- 基于监督：从标注数据学习消歧模型
- 基于知识：语义网络推理
挑战：义项标注数据稀缺；词语义项定义模糊。现代方法利用预训练模型的上下文表示。
语义角色标注(SRL)
SRL识别句子中事件的谓词及其论元：施事者、受事者、时间、地点等。结构化表示句子深层语义。
框架：PropBank(英文)、CPB(中文)。每个谓词定义一套论元角色。标注：谓词识别+论元边界+角色分类。
深度学习方法
BERT等预训练模型在语义任务表现优异。上下文表示自动编码语义信息，减少手工特征设计。
语义分析价值
语义分析是理解文本深层含义的关键，为问答系统、信息抽取提供语义支撑。
语义分析让机器从"理解形式"走向"理解意义"。