[發明專利]一種融合越南語語法特征的短語樹到依存樹的轉換方法

有效

• 申請號: 201610064305.8
• 申請日: 2016-01-29
• 公開（公告）號: CN105740235B
• 公開（公告）日: 2019-02-19
• 發明（設計）人: 郭劍毅;李英;余正濤;線巖團;毛存禮;陳瑋
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F16/22
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種融合越南語語法特征的短語樹到依存樹的轉換方法，屬于自然語言處理技術領域。本發明包括步驟：首先構建越南語短語樹庫；利用融合了越南語語法特征的中心子節點過濾表以及依存關系標注器完成越南語短語樹庫中的短語樹到依存樹的轉換，得到一級越南語依存樹庫；根據人工標注后的一級越南語依存樹庫的語料訓練得到MSTParser模型，利用MSTParser模型進行一級越南語依存樹庫的擴展，得到擴展后的二級越南語依存樹庫；利用依存關系校正器對擴展后的二級越南語依存樹庫的語料進行校正，得到最終的三級越南語依存樹庫。本發明避免了人工收集和標注越南語依存樹庫的過程，節省了人力和構建樹庫的時間，準確率明顯提高。

技術領域

本發明涉及一種融合越南語語法特征的短語樹到依存樹的轉換方法，屬于自然語言處理技術領域。

背景技術

越南與云南山水相連，兩國人民之間的交往歷史悠久，語言溝通在雙方人民友好往來與相處、相互學習方面起到了十分重要的作用。因此，針對漢越雙語的研究工作具有重要的現實意義。在越南語和漢語的互譯過程中，越南語的句法分析是十分重要的基礎工作。句法分析是指遵循給定的語法分析出句子的語法結構，其在自然語言處理、信息抽取以及機器翻譯等方面的研究中有著至關重要的作用。目前所使用的句法分析主要有兩種形式：短語結構分析法和依存結構分析法。短語結構分析法就是將句子切分成短語，分析出句子短語之間的層次關系。短語結構樹主要是由終結點、非終結點以及短語標記構成的，其中最基本的成分是句法標記，也就是非終結點(例如名詞短語NP、動詞短語VP)；依存結構分析就是分析出句子短語之間的依存關系，其可以明確地表明詞語間的支配關系(例如“我喜歡喝茶”，我和喜歡之間就是主謂關系)由于依存關系的廣泛應用，這些年也越來越受學者的重視。短語結構和依存結構雖然在表現形式上不同，但是它們都是對句子語法結構的描述，因此在結構上存在一致性。在進行短語樹到依存結構樹的過程中，句法特征非常有效的方法之一。通過利用越南語短語結構樹到依存結構樹的轉換來得到更多的準確率較高的越南語依存結構樹，從而完成越南語依存樹庫的構建，已經成為整個越南語依存分析的核心工作，如果能對該問題加以有效合理的解決，那么對對越南語的句法分析、機器翻譯、信息獲取等上層應用可以提供有力支撐。

發明內容

本發明提供了一種融合越南語語法特征的短語樹到依存樹的轉換方法，以用于解決人工標注越南語依存樹庫比較困難的問題，構建的越南語依存樹庫比較稀缺的問題，本發明構建的越南語依存樹庫對越南語的句法分析、機器翻譯、信息獲取等上層應用能提供有力支撐。

本發明的技術方案是：一種融合越南語語法特征的短語樹到依存樹的轉換方法，所述融合越南語語法特征的短語樹到依存樹的轉換方法的具體步驟如下：

Step1、首先構建越南語短語樹庫；

所述步驟Step1的具體步驟如下：

Step1.1、從VLSP的組塊語料中獲取分詞以后的越南語句子；

Step1.2、把得到的分詞之后的越南語句子放在VLSP網站中分析得到對應的越南語短語樹；

Step1.3、對得到的越南語短語樹進行人工校對，從而得到越南語短語樹庫。

Step2、利用融合了越南語語法特征的中心子節點過濾表以及依存關系標注器完成越南語短語樹庫中的短語樹到依存樹的轉換，得到一級越南語依存樹庫；

所述步驟Step2的具體步驟如下：

Step2.1、根據越南語語法特征制定出符合越南語語言特點的中心子節點過濾表；

Step2.2、利用中心子節點過濾表完成對越南語短語樹庫中短語樹到依存樹的初步轉換；

Step2.3、通過分析越南語與漢語的語序差異，結合CTB依存關系標注集，制定出適合越南語的依存關系標注集；