[發明專利]一種融合句子局部上下文與文檔領域信息的詞義消歧方法

有效

• 申請號: 201610033097.5
• 申請日: 2016-01-19
• 公開（公告）號: CN105740225B
• 公開（公告）日: 2019-02-01
• 發明（設計）人: 鹿文鵬;孟凡擎;杜月寒
• 申請（專利權）人: 齊魯工業大學
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 孫園園

1.一種融合句子局部上下文與文檔領域信息的詞義消歧方法，其特征在于包括以下步驟：

步驟一、對歧義詞所在的句子進行依存句法分析，獲得與歧義詞具有直接依存關系的句子局部上下文相關詞；具體如下：

步驟1.1：用符號S表示待處理的句子；用符號w_t表示目標歧義詞；

步驟1.2：對句子S進行預處理，主要包括去除亂碼字符、特殊符號，獲得預處理后的句子S’；

步驟1.3：使用依存句法分析器，對句子S’進行依存句法分析；并對句子中的詞語進行詞形還原；獲得其依存元組集合R_s；

步驟1.4：從依存元組集合R_s中，提取出包含w_t的依存元組，并將w_t的依存詞提取出來，篩選其中的實詞，構建句子局部上下文相關詞集合C；

步驟二、對領域文檔集合進行依存句法分析，收集其所包含的全部的依存元組，構建依存元組庫；具體如下：

步驟2.1：根據歧義詞所在文檔的領域類型Domain，收集隸屬于該領域的文檔，構建領域文檔集合DSet；

步驟2.2：對領域文檔集合DSet中的文檔逐個進行依存句法分析，獲得其依存元組集合，構建依存元組庫DependSet；

步驟三、對依存元組庫進行統計分析，找到與歧義詞關系最為密切的一組領域相關詞；具體如下：

步驟3.1：借助于Lin DeKang提出的依存分布相似度的概念，根據公式(1)計算歧義詞w_t與其它詞語w的依存分布相似度，并降序排列，記入鏈表DList；

其中，(w,r,x)表示一個依存元組，w表示支配詞，r表示依存關系的類型，x表示從屬詞；

步驟3.2：取鏈表DList的top-N個詞語，作為與歧義詞w_t最為密切的一組領域相關詞，構建領域相關詞集合D；

步驟四、根據領域相關詞的依存分布相似度及其與局部上下文的詞義相關度，確定其消歧權重；具體如下：

步驟4.1：由公式(2)，計算領域相關詞w_i與句子局部上下文相關詞集合C的詞義相關度；

其中，w_i表示某個特定的領域相關詞，C表示句子局部上下文相關詞的集合，simi(w_i,c_j)表示w_i與某個局部上下文相關詞c_j的相關度；

步驟4.2：結合公式(1)與公式(2)，由公式(3)和公式(4)確定領域相關詞w_i的消歧權重；

mixrela(w_i)＝rela(w_i,C)×dss(w_t,w_i)(4)

其中，w_i表示某個特定的領域相關詞，D表示領域相關詞的集合；

步驟五、將句子局部上下文相關詞和領域相關詞合并，構建相關詞集合；具體如下：

將各個句子局部上下文相關詞c_j的消歧權重均置為1，將c_j加入相關詞集合R；將各個領域相關詞w_i加入相關詞集合R；即R＝C∪D；

步驟六、根據歧義詞的各個詞義與相關詞集合的加權累加相關度，判定正確詞義；具體如下：

步驟6.1：根據公式(5)，由相關詞集合，計算各個詞義與相關詞集合的相關度，并根據相關詞的消歧權重進行加權累加，獲得各個詞義的整體相關度；

其中，s_i表示某一特定詞義，w_j表示某一個相關詞，R表示全部相關詞集合，senses(w_t)表示歧義詞w_t的全部詞義的集合；simi(s_i,w_j)表示詞義s_i與相關詞w_j的相關度，其計算方法同步驟4.1；

步驟6.2：將與相關詞集合整體相關度最高的詞義，判定為正確詞義；

經過以上步驟的操作，即可判定歧義詞的詞義，完成詞義消歧任務。