專利名稱：一種漢語句子中事件句式的抽取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及自然語言處理應(yīng)用領(lǐng)域，特別涉及一種漢語句子中事件句式的抽取方 法。
背景技術(shù)：
語義角色標(biāo)注(Semantic Role Labeling)，又被稱作淺層語義分析(Shallow Semantic Parsing)，它是對自然語言句子語義理解的一種探索，主要標(biāo)注與句子中目標(biāo)謂 詞相關(guān)成分的語義角色。語義角色標(biāo)注過程通常有四個階段1)過濾，通常使用一些簡單的啟發(fā)式規(guī)則， 將句法分析結(jié)果中那些不可能成為語義角色的標(biāo)注單元(句法成分、短語等)過濾掉；2) 語義角色識別，識別出哪些標(biāo)注單元是某一目標(biāo)動詞的論元；3)語義角色分類，對確定為 目標(biāo)動詞論元的標(biāo)注單元標(biāo)注語義角色；4)后處理，使用一些啟發(fā)式規(guī)則，對標(biāo)注結(jié)果做 進(jìn)一步調(diào)整，還有一些系統(tǒng)將某些階段進(jìn)行合并。在現(xiàn)有的標(biāo)注系統(tǒng)中，語義角色標(biāo)注大多采用的是統(tǒng)計學(xué)習(xí)的方法。基本思想是 根據(jù)一定的語言學(xué)知識列出標(biāo)注基本單元的各種特征，并與該單元的語義角色類型組成學(xué) 習(xí)的實例，最后使用某種學(xué)習(xí)算法對這些實例進(jìn)行自動學(xué)習(xí)，以便對新的實例進(jìn)行預(yù)測。 Pradhan等人總結(jié)了目前常用的基本特征，包括謂詞信息、路徑信息、中心詞信息、動詞框架 信息等，這些特征從不同的側(cè)面反映了帶標(biāo)注單元的語義角色信息。但是，現(xiàn)有的語義角色標(biāo)注技術(shù)沒有單獨的事件句式抽取階段，而是將其融合在 語義角色標(biāo)注的成分選擇與特征選擇部分，這樣會缺乏直觀的描述能力，不利于深入挖掘 語言模型的知識，因此不能很好的把握事件句式的句式語義對應(yīng)關(guān)系，而本發(fā)明則把事件 句式的抽取作為一項單獨的任務(wù)，便于使用不同的技術(shù)，來達(dá)到不同的分析目標(biāo)。

發(fā)明內(nèi)容
本發(fā)明的目的旨在至少解決上述技術(shù)缺陷之一。本發(fā)明提出的漢語句子中事件句式的抽取方法，不是只對單個待標(biāo)注單元進(jìn)行特 征分析，而是著眼于整個句子的結(jié)構(gòu)特點，對漢語句子依據(jù)不同結(jié)構(gòu)進(jìn)行細(xì)分類，再結(jié)合各 類別句子所具有的不同語言特點，靈活運用啟發(fā)式規(guī)則，使得整個處理過程更符合漢語自 身的描述特點。同時，該方法不需要做完全句法分析，降低了對句法分析器的要求，可以克 服目前漢語自動句法分析不成熟的缺陷，便于利用現(xiàn)有的各種分析工具，實現(xiàn)漢語淺層語 義分析。為達(dá)到上述目的，本發(fā)明提出了一種漢語句子中事件句式的抽取方法，包括以下 步驟計算機初始化，其中，所述計算機初始化包括定義相關(guān)術(shù)語，加載數(shù)據(jù)文件，設(shè)定數(shù) 據(jù)結(jié)構(gòu)和加載基本處理模塊；以所述計算機初始化的信息作為輸入數(shù)據(jù)；根據(jù)所述輸入信 息抽取事件句式；根據(jù)所述事件句式得到事件塊；獲取每個所述事件塊的通用角色標(biāo)注結(jié) 果；根據(jù)所述通用角色標(biāo)注結(jié)果得到每個所述事件塊的專用角色標(biāo)注結(jié)果。
本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變 得明顯，或通過本發(fā)明的實踐了解到。


本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變 得明顯和容易理解，其中圖1是本發(fā)明合并下層句法塊模塊的處理流程；圖2為本發(fā)明事件知識庫檢索模塊的處理流程；圖3為本發(fā)明合并規(guī)則抽取模塊的處理流程；圖4為本發(fā)明事件句式分類抽取流程圖；圖5為本發(fā)明事件內(nèi)容分析系統(tǒng)總體結(jié)構(gòu)；和圖6為本發(fā)明事件句式抽取模塊的處理流程。
具體實施例方式下面詳細(xì)描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終 相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附 圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能解釋為對本發(fā)明的限制。本發(fā)明是為了克服傳統(tǒng)的語義角色標(biāo)注方法只能針對單個待標(biāo)注單元進(jìn)行特征 分析的不足，而提出的一種漢語句子中事件句式的抽取方法，該方法不是只對單個待標(biāo)注 單元進(jìn)行特征分析，而是著眼于整個句子的結(jié)構(gòu)特點，且對漢語句子依據(jù)不同結(jié)構(gòu)進(jìn)行細(xì) 分類，再結(jié)合各類別句子所具有的不同語言特點，靈活運用啟發(fā)式規(guī)則，使得整個處理過程 更符合漢語自身的描述特點。另一方面，該方法不需要做完全句法分析，降低了對句法分析 器的要求，可以克服目前漢語自動句法分析不成熟的缺陷，便于利用現(xiàn)有的各種分析工具， 實現(xiàn)漢語淺層語義分析。本發(fā)明提出的漢語句子中事件句式的抽取方法，具體包括(1)定義術(shù)語本發(fā)明的實現(xiàn)過程使用到一些自定義的術(shù)語，現(xiàn)分別介紹如下(Ll)TCTTCT即清華漢語樹庫(Tsinghua Chinese Treebank)的簡稱，在實現(xiàn)過程中，本發(fā) 明將使用到該庫中所使用到的詞性標(biāo)注集。(1. 2)詞性標(biāo)注集本發(fā)明中使用到的詞性標(biāo)注集有TCT原始詞性標(biāo)記集，文中句子使用的一些TCT 原始詞類標(biāo)記定義如表1.1所示_標(biāo)記 詞性描述_a形容詞η名詞d副詞
ν云力詞vJY 動名詞、頓號。句號？問號！嘆號...... 省略號，逗號；分號—— 破折號u助詞ρ介詞_表1. 1為了便于利用其他體系的詞類標(biāo)記，本發(fā)明中還使用了擴展的TCT詞性標(biāo)記集， 其他體系的詞類標(biāo)記集合(如北大詞性標(biāo)記集合)可以映射到該擴展TCT詞性標(biāo)記集中， 文中句子使用的一些擴展TCT詞性標(biāo)記定義如表1. 2所示_標(biāo)記 詞性描述_aηdνvNν JYwDwEwPu JDEρ_表 1. 2(1. 3)詞語切分和詞性標(biāo)注的句子具體地，先經(jīng)過分詞處理，然后對每一個詞都標(biāo)注上某一特定詞性標(biāo)注集合的詞 性的句子，這個詞性既可以是表1. 1中的原始TCT詞性，也可以為表1.2中的擴展TCT詞性。舉例1 幫助/VJY庫區(qū)/n人民/n重建/V家園/n 、/、發(fā)展/V生產(chǎn)/V 。八這是對句子“幫助庫區(qū)人民重建家園”做分詞處理，并對分出的每個詞進(jìn)行原始
形容詞
名詞
副詞
動詞
名動詞
兼語動詞
頓號
結(jié)句點號 分隔點號 結(jié)構(gòu)助詞 介詞如句號、問號、嘆號、省略號等 包括逗號、分號、破折號 的、之TCT詞性標(biāo)注的結(jié)果，例如“庫區(qū)/n”，其中“庫區(qū)”是詞，“η”是這個詞的詞性(名詞)，詞和 詞性之間以斜杠相連，兩個詞之間用空格隔開。
’表示，句法功能和句法成分之間用符號‘_’隔開，中心詞的表示方法是在詞后加標(biāo)記 ‘-@’，其表現(xiàn)形式為{<句法功能 >，< 句法成分 >，< 中心詞位置>]其中，所述句法功能，反映所述句法塊所處的句法功能位置，用句法塊功能標(biāo)記集表 示，其中，所述句法塊功能標(biāo)記集由S 主語，P 謂語/述語，0 賓語，A 定語，D 狀語，C 補 語，H 中心語，J 兼語等標(biāo)記組成；所述句法成分，反映所述句法塊內(nèi)部組成成分信息，用句法塊成分標(biāo)記集表示，其中， 所述句法塊成分標(biāo)記集由np 名詞塊，mp 數(shù)量塊，sp 空間塊，tp 時間塊，ap 形容詞塊， dp 副詞塊，pp 介詞塊等標(biāo)記組成。
3.如權(quán)利要求1所述的漢語句子中事件句式的抽取方法，其特征在于，所述設(shè)定數(shù)據(jù) 結(jié)構(gòu)進(jìn)一步包括設(shè)定詞Verb ；設(shè)定句法塊Block，所述句法塊Block用于保留每個句法塊的信息； 設(shè)定句子EveryRecord，所述句子EveryRecord記錄所述句子的信息；和 融合規(guī)貝1J表 vector<everyRule>rules,所述規(guī)貝Ij表 vector<everyRule>rules 用于保 留每一條下層句法塊融合為上層句法塊的規(guī)則。
4.如權(quán)利要求3所述的漢語句子中事件句式的抽取方法，其特征在于，所述句子 EveryRecord 進(jìn)一步包括目標(biāo)動詞Gverb，用于記錄所述句子中的目標(biāo)謂詞； 動詞詞性Gpos，用于記錄所述句中目標(biāo)謂詞的詞性；目標(biāo)動詞詞位置vLoca，用于記錄所述目標(biāo)動詞在句子詞序列中所處的位置， vLoca e W，n-1]，其中，η為句子中詞語的總個數(shù)；目標(biāo)動詞塊位置bLoca，用于對所述句子做句法塊分析后，記錄所述目標(biāo)動詞所在的句 法塊，bLoca e [-l，n-l]，其中，η為句子中句法塊的總個數(shù)；詞序列vector<Verb>alIVerbs，用于記錄所述句子中每個詞的信息； 句法塊序列vectoKBlockhllBlocks，用于對句子做句法塊分析后，記錄所有的塊信息、ο
5.如權(quán)利要求1所述的漢語句子中事件句式的抽取方法，其特征在于，所述基本處理 模塊，進(jìn)一步包括詞性轉(zhuǎn)換及擴展模塊，用于將輸入句子中詞的其他詞類體系標(biāo)記轉(zhuǎn)換為系統(tǒng)需要的 TCT詞類體系標(biāo)記；句法分析模塊，用于對輸入的句子做句法分析； 事件知識庫檢索模塊，用于利用目標(biāo)動詞和義項信息進(jìn)行檢索； P塊層次分類模塊，用于對句法塊序列中句法功能標(biāo)記為“P”的句法塊進(jìn)行層次分類， 如果P塊位于句子層面，則分為“+”例，如果P塊位于復(fù)雜名詞短語層面，則分為“-”例；融合規(guī)則提取模塊，用于從已經(jīng)標(biāo)注好的語料文件中抽取得到下層句法塊向上層句法 塊進(jìn)行融合的規(guī)則，所述語料中每條句子都是所述句法塊的序列，每一個句法塊的句法功 能標(biāo)記是分層次功能標(biāo)記，所述分層次功能標(biāo)記是所述功能標(biāo)記的序列；下層句法塊合并模塊，用于將起始塊前/后L個句法塊合并為一個新的塊，刪除原有的 L個塊，新塊的句法功能標(biāo)記為合并規(guī)則的superB ；通用語義角色標(biāo)注模塊，用于獲取所述EveryRecord結(jié)構(gòu)的vector<Block>alIBlocks 中每一個所述事件塊的語義角色標(biāo)注結(jié)果；語義角色映射模塊，用于獲取目標(biāo)動詞專用框架和通用框架的對應(yīng)關(guān)系。
6.如權(quán)利要求1所述的漢語句子中事件句式的抽取方法，其特征在于，所述以計算機 初始化的信息作為輸入數(shù)據(jù)，進(jìn)一步包括對輸入的經(jīng)過詞語切分和詞性標(biāo)注的句子獲取所有的詞信息，存儲于一個詞向量 vector<Verb> 中；對所述詞向量中的每一個詞Verb做詞性擴展處理，且用新的詞性替換詞性擴展前的 詞性；根據(jù)輸入的所述目標(biāo)動詞及所述動詞義項信息，得到所述目標(biāo)動詞的動詞義項描述及 所述目標(biāo)動詞專用框架與通用框架的對應(yīng)關(guān)系，且輸出處理后的句子； 對所述處理后的句子進(jìn)行句法分析，且保存相應(yīng)的分析結(jié)果；和 將所述句法分析結(jié)果與輸入的所述目標(biāo)動詞一并存入一個所述EveryRecord結(jié)果中， 其中，所述EveryRecord為所述輸入數(shù)據(jù)。
7.如權(quán)利要求6所述的漢語句子中事件句式的抽取方法，其特征在于，所述根據(jù)輸入 信息抽取事件句式，進(jìn)一步包括判斷所述EveryRecord結(jié)構(gòu)中目標(biāo)動詞所在塊的句法功能是否標(biāo)記為“P”，如果為 “P”,則對所述EveryRecord的vector<Block>allBlocks中目標(biāo)動詞所在的P ±夬重處理；對所述EveryRecord進(jìn)行EDC識別，并將所述EDC識別結(jié)果置入所述EveryRecord的 vector<Block>alIBlocks 中；讀入合并規(guī)則到vector<everyRule>rules結(jié)構(gòu)中，按照everyRule的Ien從大到小排 列，如果所述Ien相同，則按freq從高到低排列；判斷所述 EveryRecord 的 vector<Block>allBlocks 中，Block 的 fun 標(biāo)記為 “P” 的 所述Block的個數(shù)，如果有多個Block的fun標(biāo)記都為“P”，則對所述EveryRecord結(jié)構(gòu)的 vector<Block>allBlocks中的每一個句法功能為“P”的Block，做P塊層次的分類；對EveryRecord中目標(biāo)動詞控制的事件句式的類型進(jìn)行分類； 如果所述分類結(jié)果為單P塊單層次，則在vectoKBlock〉()中，所述目標(biāo)動詞所在的塊 為事件句式的謂語塊，對所述謂語塊做典型句式[D]*[S]*[D]*P[C]
*的匹配；如果分類結(jié)果為單P塊多層次，以所述目標(biāo)動詞所在的P塊為中心，前后搜索成為事件 塊的句法塊，當(dāng)搜索過程中遇到其他功能標(biāo)記的句法塊時，將能夠合并的下層句法塊向上 合并成新的句法塊，其中，若待合并塊的起始位置在所述目標(biāo)動詞所在塊之前，則合并方向 向前，合并為S或D ；反之，合并方向向后，合并為0 ；如果分類結(jié)果為多P塊單層次，以所述vectoKBlockhllBlocks左起第一個P塊為 界，將塊序列分為所述P塊前的主語部分和所述P塊后的部分，對P塊后的部分，再找到 vector<Block>allBlocks右起第一個P，以該P為界，分為謂語部分和賓語部分，然后分別 進(jìn)行左搜索和右搜索；所述左搜索，為從目標(biāo)P塊開始，向左搜索若搜索到S、D ±夬，則說明該P塊有自己的 S、D，不與其余P共用，此時停止繼續(xù)搜索；若搜索到J塊，則說明該J塊作為前一個P塊的 賓語，作為該P塊的主語，因此目標(biāo)P塊的主語就是這個兼語塊，停止繼續(xù)搜索；若搜索到P 塊，判斷該P與目標(biāo)P是否具有相似結(jié)構(gòu)，若相似，跳過該P塊，繼續(xù)向前搜索S和D，否則， 停止搜索；若搜索到了其他的塊，跳過，繼續(xù)搜索； 以如上方式對所述目標(biāo)P進(jìn)行向右的搜索。
8.如權(quán)利要求7所述的漢語句子中事件句式的抽取方法，其特征在于，所述在搜索過 程結(jié)束之后，還包括進(jìn)一步判斷所述目標(biāo)P是否具有自身的S和D，若沒有，則在最初得到的主語部分中找 到S和D，以作為所述目標(biāo)P與其他P塊共有的主語塊；和進(jìn)一步判斷所述目標(biāo)P是否具有自身的0，若沒有，則在最初得到的賓語部分中找到0， 作為所述目標(biāo)P與其他P共有的賓語塊。
9.如權(quán)利要求7所述的漢語句子中事件句式的抽取方法，其特征在于，如果分類結(jié)果 為多P塊多層次，且所述目標(biāo)動詞所在P塊在前述復(fù)雜名詞短語MNP層面，其處理過程為正 確識別出MNP的左右邊界，其中，MNP的左邊界有四種情況，分別為A、vector<Block>allBlocks的左邊界MNP構(gòu)成一個復(fù)雜主語塊；B、目標(biāo)P左相鄰介詞MNP構(gòu)成EDC小句的狀語從句；C、目標(biāo)P左相鄰句子層面的P=MNP構(gòu)成該P的復(fù)雜賓語；D、目標(biāo)P左相鄰的P
uJDE句式MNP位于其左側(cè)‘的’字短語內(nèi)部。
10.如權(quán)利要求7所述的漢語句子中事件句式的抽取方法，其特征在于，如果分類結(jié)果 為多P塊多層次，且所述目標(biāo)動詞所在P塊在小句層面，則處理過程為對于vector<Block>allBlocks中所有位于所述MNP層面的P塊，確定這個P的左右邊 界，將所述MNP作為一整個塊，如果所述MNP塊在目標(biāo)P塊的左邊，則判定所述MNP構(gòu)成目 標(biāo)P的S ；否則，判定所述MNP構(gòu)成目標(biāo)P的0 ；和 獲取所述目標(biāo)P塊支配的各個功能塊。
全文摘要
本發(fā)明提出了一種漢語句子中事件句式的抽取方法，包括以下步驟計算機初始化，其中，所述計算機初始化包括定義相關(guān)術(shù)語，加載數(shù)據(jù)文件，設(shè)定數(shù)據(jù)結(jié)構(gòu)和加載基本處理模塊；以所述計算機初始化的信息作為輸入數(shù)據(jù)；根據(jù)所述輸入信息抽取事件句式；根據(jù)所述事件句式得到事件塊；獲取每個所述事件塊的通用角色標(biāo)注結(jié)果；根據(jù)所述通用角色標(biāo)注結(jié)果得到每個所述事件塊的專用角色標(biāo)注結(jié)果。通過本發(fā)明的方法，能夠靈活運用啟發(fā)式規(guī)則，使得整個處理過程更符合語言自身的特點，同時，該方法不需要做完全句法分析，降低了對句法分析器的要求，因此便于利用現(xiàn)有的各種分析工具，實現(xiàn)漢語淺層語義分析。
文檔編號G06F17/27GK101937430SQ20101027266
公開日2011年1月5日 申請日期2010年9月3日 優(yōu)先權(quán)日2010年9月3日
發(fā)明者周強, 陳麗歐 申請人:清華大學(xué)