[發(fā)明專利]一種文本內(nèi)的基于語義特征的人稱代詞指代消解方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310431571.6
• 申請(qǐng)日: 2013-09-22
• 公開（公告）號(hào): CN104462053B
• 公開（公告）日: 2018-10-12
• 發(fā)明（設(shè)計(jì)）人: 仲兆滿;姜?jiǎng)?/a>;陳宗華;陳永江;喬磊
• 申請(qǐng)（專利權(quán)）人: 江蘇金鴿網(wǎng)絡(luò)科技有限公司
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27
• 代理公司: 連云港潤知專利代理事務(wù)所 32255
• 代理人: 劉喜蓮

1.一種文本內(nèi)的基于語義特征的人稱代詞指代消解方法，其特征在于：首先識(shí)別文本中的人物；其次提取人物語義特征；再次選擇代詞的候選人物；最終計(jì)算代詞與候選人物的指代關(guān)系確定代詞的指代人物，其具體步驟如下：

A：人物識(shí)別：對(duì)文本進(jìn)行預(yù)處理，所述預(yù)處理包括：分詞、命名實(shí)體識(shí)別、詞性標(biāo)注；對(duì)處理后的文本，確定人物的人名及代詞在文本內(nèi)中的位置；其操作步驟如下：

A1：對(duì)文本進(jìn)行分詞處理，其中包括詞性標(biāo)注；

A2：順序提取詞性標(biāo)注為人名nr及代詞r的人物詞語，并確定人物詞語在文本中的位置；

B：語義特征提取：對(duì)識(shí)別出的人物根據(jù)其各自所在語句及段落信息，提取語義關(guān)聯(lián)詞，構(gòu)建人名及代詞語義特征；其操作步驟如下：

B1：確定當(dāng)前人物在文本中的有效關(guān)聯(lián)范圍；

B2：在人物有效關(guān)聯(lián)范圍內(nèi)的字符串中，根據(jù)分詞結(jié)果，去停用詞，提取人物關(guān)聯(lián)詞，構(gòu)建人物的語義特征；

C：候選人物選擇：針對(duì)人名及代詞的性別、單復(fù)數(shù)、距離進(jìn)行過濾，為代詞選擇若干符合條件的候選人物；其操作步驟如下：

C1：判斷代詞的性別、單復(fù)數(shù)屬性；

C2：選擇代詞的先遣人物，判斷先遣人物的性別、單復(fù)數(shù)屬性及先遣人物與代詞的句子距離屬性；

C3：根據(jù)候選人物選擇規(guī)則，過濾不滿足條件的先遣人物；

其具體如下：

代詞候選人物，包括人名和已被消解的人稱代詞，并且在代詞的前部；利用人物的性別、單復(fù)數(shù)、距離相關(guān)屬性構(gòu)建判斷規(guī)則，對(duì)出現(xiàn)在代詞前的人物進(jìn)行過濾；

性別一致性S1：通過明顯的人物關(guān)聯(lián)性別特征詞來進(jìn)行人名的性別識(shí)別；如果代詞與該人物的性別是一致的為1，有一項(xiàng)性別無法判斷的為0.5，兩項(xiàng)的性別不一致為0；

單復(fù)數(shù)一致性S2：單復(fù)數(shù)主要分為單數(shù)、復(fù)數(shù)和無單復(fù)數(shù)三類，對(duì)于那些無法判斷單復(fù)數(shù)屬性的待消解項(xiàng)就賦值為無單復(fù)數(shù)；比較代詞與候選先行詞的單復(fù)數(shù)，兩者單復(fù)數(shù)一致的話，為1；若有一方無單復(fù)數(shù)屬性則為0.5，不一致則為0；

距離屬性S3：該屬性值可能的值是0，1，2…為代詞與先遣人物間隔句子個(gè)數(shù)；考查代詞與先遣人物的句子距離，取值為它們所屬句子編號(hào)之差的絕對(duì)值；

判斷規(guī)則如下：

a．若S3>2，該人物不為當(dāng)前代詞候選人物；

b．若S1或S2屬性詞均為0，該人物不為代詞的候選人物，排除；

D：指代關(guān)系計(jì)算：計(jì)算代詞與候選人物的語義特征相關(guān)度，結(jié)合語義特征相關(guān)度及兩者間的距離，確定代詞的指代人物；其操作步驟如下：

D1：計(jì)算代詞與每一個(gè)候選人物的語義特征相關(guān)度；

D2：根據(jù)相關(guān)度閾值及兩者間的距離屬性，確定代詞的指代人物；

指代關(guān)系計(jì)算具體如下：

（1）計(jì)算代詞與候選人物的語義特征相關(guān)度

如果計(jì)算得到的相關(guān)度大于閾值，則表示代詞與候選先行詞的語義聯(lián)系很緊密；而語義聯(lián)系最高者即為該代詞的最優(yōu)指代結(jié)果；

利用知網(wǎng)作為語義特征相關(guān)度計(jì)算的工具，對(duì)于兩個(gè)人物R₁和R₂，如果R₁有n個(gè)關(guān)聯(lián)詞：W₁₁，W₁₂，……，W_1n，R₂有m個(gè)關(guān)聯(lián)詞：W₂₁，W₂₂，……，W_2m，R₁和R₂的相似度是各個(gè)概念的相似度之最大值：

（1）

計(jì)算人物關(guān)聯(lián)詞的相似度，取關(guān)聯(lián)詞相似度最大值為人物的語義特征相關(guān)度；

（2）指代關(guān)系確定規(guī)則

對(duì)于有多個(gè)候選先行詞的代詞，其候選先行詞選擇及過濾規(guī)則如下：

a）如果候選集中候選人物或代詞沒有關(guān)聯(lián)詞，這兩者的語義特征相關(guān)度默認(rèn)為相關(guān)度閾值；

b）若候選集中只有一個(gè)候選人物，則該候選先行詞即為消解結(jié)果，不再進(jìn)行語義判斷；

c）候選集中候選人物的關(guān)聯(lián)詞分別與代詞關(guān)聯(lián)詞計(jì)算相關(guān)度，取相關(guān)度大于閾值的候選人物中與代詞相關(guān)性最大的為代詞的指代消解結(jié)果；

d）如果有兩個(gè)候選人物與代詞的相關(guān)度相同，則取距離代詞最近的候選人物；如果候選人物與代詞的相關(guān)度均小于閾值，取距離代詞最近的候選人物為指代結(jié)果。