[發明專利]一種將中文短語結構樹庫轉化為依存結構樹庫的系統和方法

無效

• 申請號: 201210479801.1
• 申請日: 2012-11-23
• 公開（公告）號: CN103020148A
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 邱錫鵬;趙建雙
• 申請（專利權）人: 復旦大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;盛志范

1.一種將中文短語結構樹庫轉化為依存結構樹庫的方法，其特征在于,具體步驟如下：

a)讀入PennChineseTreebank中文樹庫，并通過拆分器，將樹庫中的長句拆分為短句；

b)確定最終的核心映射表，并利用核心映射表得到每個詞的初始依賴頭節點；

c)通過依賴規則器確定每個詞的最終依賴頭節點；

d)???建立依賴關系類型標注規范，通過依賴關系規范器，確定詞與詞之間的最終依賴關系，形成最終的依賴樹庫。

2.根據權利要求1所述的方法，其特征在于：步驟a)中所述拆分器根據樹結構的特點，在根節點的孩子節點中，將為逗號或分號的設為拆分點，把長句拆分為短句，且拆分后的樹以原來的根節點作為現在的根節點。

3.根據權利要求1所述的方法，其特征在于：?步驟b)中所述核心映射表是仿照PENN2MALT轉換工具中公布的核心映射表的格式，根據PennChineseTreebank中文樹庫的特點和依賴樹的特點，確定的更準確的核心映射表，其排除了標點、語氣詞、感嘆詞做核心詞的情況。

根據權利要求1所述的方法，其特征在于：步驟c)中所述依賴規則器，其根據漢語語法的特點以及PennChineseTreebank中文樹庫的標注特點，對于只用步驟b)中所述核心映射表不能確定的依賴結構，確定具體的規則，來確定每個詞的最終依賴頭節點；其中所述具體的規則為：

a)“把”字結構和“被”字結構的規則：“把”字或“被”字節點后緊跟的節點的孩子中，如果是主謂或者主謂賓結構，則主語和謂語都依賴于“把”字或“被”字節點，并作為他們的賓語；

b)“得”字結構的規則：“得”字節點以他前面的動詞為核心詞，他后面的賓語以“得”字節點為核心詞；

c)并列結構的規則：讓最前面的名詞作為核心詞，而那些連接并列名詞之間的連詞依賴到連詞后面的名詞，如果并列名詞是用頓號隔開的話，頓號依賴到它前面的名詞；

d)特殊的動詞短語的規則：特殊的動詞短語結構的標注包括VCD、VRD、VSB、VCP、VPT、VNV。通過對這些特殊動詞短語結構的研究，得到如下規則表：

。

4.根據權利要求1所述的方法，其特征在于，步驟d)中所述依賴關系類型標注規范，?

具體見下表所示：

。

5.根據權利要求1所述的方法，其特征在于：步驟d)中所述依賴關系規范器，尋找詞與詞之間的依賴關系，從兩方面入手：

1)從PennChineseTreebank中文樹庫標注中找到他們的依賴關系；

2?從詞自身的特點以及它的依賴詞的特點出發找到他們的依賴關系；

其中所述的第一個方面，其具體規則為：

①PennChineseTreebank中文樹庫中，節點標記為DVP、ADVP的將其核心詞的依賴關系定為狀語；節點標記為DNP、DP、ADJP的將其核心詞的依賴關系定為定語；

②PennChineseTreebank中文樹庫中，節點標記后綴分別為-SUB、-OBJ、-ADV、-EXT的，將其核心詞的依賴關系分別定為主語、賓語、狀語、補語；

③PennChineseTreebank中文樹庫中，節點標記為VRD、VCP、VPT的將其非核心節點的依賴關系定為補語；節點標記為VCD的將其非核心節點的依賴關系定為并列；節點標記為VSB的將其非核心節點的依賴關系定為連動；節點標記為VNV的將其非核心節點的依賴關系定為疑問連動；

所述的第二個方面，具體規則見下面的規則表：

。

6.根據權利要求5所述的方法，其特征在于：所述第一方面和第二方面的這些規則是存在沖突的，將這些規則定好優先級，具體的優先級由高到低依次為：所述第二方面規則中列表列出的依賴類型為根節點、時態、語氣、感嘆、標點、之字結構、的字結構、得字結構、地字結構的規則，然后是所述第一方面中的規則①、②、③，最后是所述第二方面規則中列表列出的依賴類型為并列、關聯、介賓、數量、主語、賓語、定語、狀語、補語的規則，嚴格的按照優先級的先后順序能得到準確的依賴關系。

7.一種將中文短語結構樹庫轉化為依存結構樹庫的系統，其特征在于，該系統包括：

拆分器，用于將樹庫中的長句拆分為短句；

核心映射表，用于得到每個詞的初始依賴頭節點；

依賴規則器，用于確定每個詞的最終依賴頭節點；

依賴關系規范器，用于確定詞與詞之間的最終依賴關系，形成最終的依賴樹庫。