技術(shù)特征：

1.一種基于參數(shù)概念表達(dá)動詞語義的方法，其特征在于，包括如下步驟：

步驟1：抽取動詞與賓語，以及動詞與主語的依存關(guān)系；

步驟2：根據(jù)動詞與賓語、動詞與主語的依存關(guān)系計算動詞參數(shù)對于模式的熵值，并計算動詞參數(shù)對于該動詞的互信息值，計算得到動詞參數(shù)權(quán)重；

步驟3：將動詞參數(shù)進行概念化，即尋找具有最大動詞參數(shù)權(quán)重的k團。

2.根據(jù)權(quán)利要求1所述的基于參數(shù)概念表達(dá)動詞語義的方法，其特征在于，所述步驟2包括：

步驟2.1：計算動詞參數(shù)對于模式的熵值，熵值越大，則動詞參數(shù)的質(zhì)量越好，所述質(zhì)量是指某個詞作為這個動詞的參數(shù)的可靠度；

${\mathrm{Entropy}}_v\left(e\right)=-\underset{m\∈M_{e,v}}{\Σ}P\left(m\right)\log P\left(m\right);$

式中：Entropy_v(e)表示詞e對于動詞v的模式熵，P(m)表示模式m出現(xiàn)的概率，m表示模式m，即詞e和動詞v的不同搭配組合，M_e,v表示詞e和動詞v的所有搭配組合；

步驟2.2：計算動詞參數(shù)對于動詞的互信息值，互信息值越高，則動詞參數(shù)的質(zhì)量越好，具體地，采用的二值的互信息，計算公式如下：

${\mathrm{MI}}_v\left(e\right)=f\left(x\right)=\left\{\begin{array}{c}1,p(v,e)log\frac{p(v,e)}{p\left(v\right)p\left(e\right)}\>0\\ -1,otherwise\end{array}\right.;$

式中：MI_v(e)表示詞e相對于動詞v的互信息，p(v,e)表示在語料中動詞v和詞e一起出現(xiàn)的概率，p(v)表示動詞v出現(xiàn)的概率，p(e)表示詞e出現(xiàn)的概率；

步驟2.3：計算動詞參數(shù)的權(quán)重值Q_v(e)，計算公式如下：

Q_v(e)＝Entropy_v(e)×MI_v(e)。

3.根據(jù)權(quán)利要求1所述的基于參數(shù)概念表達(dá)動詞語義的方法，其特征在于，所述步驟3包括：采用分支限界的算法找到最大權(quán)重的k團；其中，所述分支限界的算法是指：構(gòu)造一個搜索樹，樹的每一層，除去根節(jié)點，均表示的是是否選擇某個參數(shù)概念，其中左分支就是選擇該參數(shù)概念，右分支表示不選擇該參數(shù)概念；當(dāng)選擇到的參數(shù)概念數(shù)量為k時，判斷此k個參數(shù)概念是否在圖中是一個團，如果是，則返回正確；如果不是一個團，則返回錯誤。

4.一種基于參數(shù)概念表達(dá)動詞語義的系統(tǒng)，其特征在于，包括：

依存關(guān)系抽取模塊：用于抽取動詞與賓語，以及動詞與主語的依存關(guān)系；

動詞參數(shù)權(quán)重計算模塊：用于根據(jù)動詞與賓語、動詞與主語的依存關(guān)系計算動詞參數(shù)對于模式的熵值，并計算動詞參數(shù)對于該動詞的互信息值，計算得到動詞參數(shù)權(quán)重；

動詞參數(shù)概念化模塊，用于將動詞參數(shù)進行概念化，即尋找具有最大動詞參數(shù)權(quán)重的k團。

5.根據(jù)權(quán)利要求4所述的基于參數(shù)概念表達(dá)動詞語義的系統(tǒng)，其特征在于，所述動詞參數(shù)權(quán)重計算模塊包括：

熵值計算模塊：計算動詞參數(shù)對于模式的熵值，熵值越大，則動詞參數(shù)的質(zhì)量越好，所述質(zhì)量是指某個詞作為這個動詞的參數(shù)的可靠度；計算公式中如下：

${\mathrm{Entropy}}_v\left(e\right)=-\underset{m\∈M_{e,v}}{\Σ}P\left(m\right)\log P\left(m\right);$

式中：Entropy_v(e)表示詞e對于動詞v的模式熵，P(m)表示模式m出現(xiàn)的概率，m表示模式m，即詞e和動詞v的不同搭配組合，M_e,v表示詞e和動詞v的所有搭配組合；

互信息值計算模塊：計算動詞參數(shù)對于動詞的互信息值，互信息值越高，則動詞參數(shù)的質(zhì)量越好，具體地，采用的二值的互信息，計算公式如下：

${\mathrm{MI}}_v\left(e\right)=f\left(x\right)=\left\{\begin{array}{c}1,p(v,e)log\frac{p(v,e)}{p\left(v\right)p\left(e\right)}\>0\\ -1,otherwise\end{array}\right.;$

式中：MI_v(e)表示詞e相對于動詞v的互信息，p(v,e)表示在語料中動詞v和詞e一起出現(xiàn)的概率，p(v)表示動詞v出現(xiàn)的概率，p(e)表示詞e出現(xiàn)的概率；

動詞參數(shù)的權(quán)重值計算模塊：計算動詞參數(shù)的權(quán)重值Q_v(e)，計算公式如下：

Q_v(e)＝Entropy_v(e)×MI_v(e)。

6.根據(jù)權(quán)利要求4所述的基于參數(shù)概念表達(dá)動詞語義的系統(tǒng)，其特征在于，所述動詞參數(shù)概念化模塊采用分支限界的算法找到最大權(quán)重的k團；其中，所述分支限界的算法是指：構(gòu)造一個搜索樹，樹的每一層，除去根節(jié)點，均表示的是是否選擇某個參數(shù)概念，其中左分支就是選擇該參數(shù)概念，右分支表示不選擇該參數(shù)概念；當(dāng)選擇到的參數(shù)概念數(shù)量為k時，判斷此k個參數(shù)概念是否在圖中是一個團，如果是，則返回正確；如果不是一個團，則返回錯誤。