[發明專利]一種基于滑動語義串匹配的句法分析方法

有效

• 申請號: 201310492589.7
• 申請日: 2013-10-18
• 公開（公告）號: CN103500160A
• 公開（公告）日: 2014-01-08
• 發明（設計）人: 王偉;黃德根
• 申請（專利權）人: 大連理工大學
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 李寶元;梅洪玉

1.一種基于滑動語義串匹配的句法分析方法，其特征在于以下步驟：?

一、扁平分層的短語結構句法樹表示?

采用層疊組塊分析方法，句法分析的結果采用短語結構二叉樹表示，在表示時，對通常的短語句法樹進行了層次的扁平化轉換；?

二、N元上下文有關文法的規則提取?

第一，按照語義詞典，對用于訓練的句法樹庫中句子的詞標注對應的語義碼；對于單義詞，由機器按照語義詞典中詞的語義碼一一對應實現自動標注；對于多義詞，根據詞所在上下文中的信息，由人從語義詞典中選定最適合的語義碼進行標注，由n個詞構成的句子的語義碼的標注為S1,S2,S3,…,Sn；?

第二，按照扁平層次化的短語結構句法樹的層次，對每層兩兩組合成的一個組塊Chunk進行語義標注；該組塊的語義碼按照組塊的中心詞位置，從前一層的詞或組塊的語義碼繼承下來，作為當前新組塊的語義碼；組塊的語義標注從第0層開始，自底向上逐層進行，直到完成最后層的根組塊的語義標注，即完成對整個句法樹的語義標注；組塊語義碼的格式為：“組塊名XPx：語義碼Sx”；?

第三，對每一層所有基元，按每移動一個基元位置，以N個基元長度進行切分分組,一個基元是指一個詞的語義碼或者一個組塊的語義碼；即以“長度為N的窗口”從每一層的前端開始滑動，每滑過一個基元位置，就從該窗口中抽取構成組塊的規則；該規則是指，當前窗口中的N元基元信息，如何進行組塊而成為下一層中的信息；把所有層的所有的每N長度的模板及其對應的組塊信息都提取出來；對于每層的結尾部分不足N長度劃分的，則采用實際長度進行提取，直到模板長度為1為止；?

對用于訓練的句法樹庫以外的句子的組塊規則，采用機器即時學習的方法獲得；?

三、基于滑動語義串匹配的句法分析模型?

采用滑動語義串匹配方法，即SMOSS模型，進行句法分析，工作過程參見表1；?

表1：基于SMOSS模型的句法分析的基本過程表?

（一）N元語義碼串與模板庫模板的匹配操作?

a.首先將待匹配的N元長度的語義碼串與模板庫中N元長度的語義模板，從開始基元到結尾基元逐個進行對應匹配；?

b.每個N元待匹配語義碼串上的語義碼與模板對應位置的語義碼的匹配，是按照語義詞典的編碼格式由大類到小類順序逐次進行匹配，若某類匹配失敗則不進行余下類別的匹配；在匹配過程中，每個類級匹配成功一次，就得到該語義碼在該類級的得分，將語義碼在各個匹配類級上的得分進行累計，就是該語義碼的匹配得分；?

c.當對N元語義碼串中的N個語義碼都匹配成功后，將這N個語義碼的各個匹配得分按照權重進行匯總，就是該N元語義碼串匹配到的模板的得分；同時將該模板的匹配得分直接傳遞到模板所對應的組塊信息上，用于后續操作；?

（二）一個N元語義碼串匹配出0個模板的處理?

如果一個N元語義串匹配模板的結果是0，即沒有相匹配的模板，則采用降元的方式處理；?當在N元長度上的語義碼串匹配結果是0，則降元到N-1元的語義碼串長度上進行匹配，如果匹配結果還是0，則再降元到N-2元的語義碼串長度上進行匹配；以此類推，直到語義碼串長度降元到2為止；每降元一次，語義碼串匹配的模板的權重也相應降低；?

（三）一個N元語義碼串匹配出多個不同模板的處理?

對于一個語義碼串匹配出多個模板的結果；則將該語義碼串所對應的多個不同的模板都取出來，供隨后的對這些模板分別取對應組塊信息的操作；?

（四）一個N元模板對應到多個不同組塊信息的處理?

對于一個模板對應多種不同的組塊結果，則將同一模板所對應的多個不同組塊的信息都取出來，供隨后的對組塊信息進行匯總的操作；?

（五）一個N元語義串中未知語義碼的處理?

一個句子中如果有些未知詞并不在語義詞典中，那么這些未知詞對應的就是未知語義碼；對于未知語義碼采用通配符“？？？？？”方式進行模板匹配；未知語義碼的匹配得分按語義碼匹配計算時全匹配的滿分來計算；整個匹配模板的得分是模板中各個已知語義碼的匹配得分之和，加上模板中各個未知語義碼的匹配滿分之和。?

（六）組塊信息統計匯總的操作?

當在某一層所有的通過滑動移位獲取的N元語義碼串都匹配完后，對這些模板所對應的組塊信息進行匯總；在匯總時，首先在每一個基元位置上，統計與其相關的N元模板對應的組塊信息對該位置上的各種信息的投票，然后根據該位置上這些相關的組塊信息的匹配得分，這個得分是在模板匹配時傳遞過來的，將投票結果和組塊信息的匹配得分按照匯總算法得到匯總得分；選擇匯總得分最大的前p個作為候選的組塊信息；然后從中選擇第一最大得分的組塊信息，作為組塊成下一層的信息；?

若匯總結果中有并列最大得分的，先順序選擇第一個作為選定，并暫假定這種選定的結果是對的，接著向下執行；若執行到下一層或下幾層發現錯了，則通過回溯處理，啟發式地指定候選中的某一個，直到或者能有正確結果，或者全部候選都試完為止。?