细粒度上的语义分析

从分析粒度上可以分成：词语级语义分析、句子级语义分析以及篇章级语义分析。

词语级的语义分析：

词语级别的语义分析主要研究词语的含义，常见的任务有：词语消歧、词表示、同义词或上下位词的挖掘。

1、词语消歧：一词多义是许多语言的固有属性，如“苹果”可以指水果，又可以指美国的科技公司。词语消歧的任务是判断文中出现的词语属于哪种意思。

2、词表示：词表示的任务是用一个k维的向量表示一个词，并且该向量中包含着词语的意思，常用的词向量表征框架是word2vec，该方法训练得到的词向量能够让语义相关的词具有相似的词向量，并且词向量间还具有逻辑推算能力。

3、同义词和上下位词的挖掘：语言的多样性导致了一词多义，如“房子”的近义词有房屋、房产。语言的层次性导致了词语间具有上下位关系，像房产、存款、股票可归纳位财产，可以使用一些机器学习的方法挖掘词语间的这种关系。

句子级的语义分析：

句子级的语义分析任务比较多，如：语义角色标注、蕴含分析、句子表示、语义依存分析。

1、语义角色标注（Semantic Role Labeling，SRL）是一种浅层的语义分析技术，标注句子中某些短语为给定谓词的论元（语义角色），如施事、受事、时间和地点等。能够对问答系统、信息抽取和机器翻译等应用产生推动作用。

2、文本蕴含（Textual Entailment）是指两个文本片段有指向关系。当认为一个文本片段真实时，可以推断出另一个文本片段的真实性。

3、句子表示：和词表示类似，句子表示研究的是用一个k维的向量表示一句话的含义，常用句子向量在文本检索、问答系统中计算文档间的相似度。

4、语义依存分析（Semantic Dependency Parsing,SDP）分析句子各个语言单位之间的语义关联，并将语义关联以依存结构呈现。语义依存分析目标是跨越句子表示层句法结构的束缚，直接获取深层的语义信息。

篇章级的语义分析：

篇章级的语义分析是句子级研究的延申，常见的任务是指代消解：

• 人称代词（Pronoun）
• 指示代词（Demonstrative）
• 有定描述（Definite Description）