[發(fā)明專利]包含公式的文本語義解析方法及裝置

有效

• 申請?zhí)枺?/td>: 201610237536.4
• 申請日: 2016-04-14
• 公開（公告）號: CN107301163B
• 公開（公告）日: 2020-11-17
• 發(fā)明（設(shè)計）人: 劉青文;張丹;鄧曉棟;胡國平;胡郁;劉慶峰
• 申請（專利權(quán)）人: 科大訊飛股份有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 劉路堯;逢京喜

1.一種包含公式的文本語義解析方法，其特征在于，包括：

預(yù)先構(gòu)建用于描述數(shù)學(xué)實體之間關(guān)系的語義解析模型；

接收包含數(shù)學(xué)公式的待解析文本數(shù)據(jù)；

構(gòu)建待解析文本數(shù)據(jù)的多個數(shù)學(xué)實體對；

提取各數(shù)學(xué)實體對的語義解析特征；

利用所述語義解析特征及所述語義解析模型對待解析文本數(shù)據(jù)進(jìn)行語義解析，得到解析結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)先構(gòu)建用于描述數(shù)學(xué)實體之間關(guān)系的語義解析模型包括：

收集設(shè)定數(shù)量的包含公式的文本數(shù)據(jù)；

根據(jù)收集的文本數(shù)據(jù)構(gòu)建公式實體集合和概念實體集合；

構(gòu)建數(shù)學(xué)實體對并標(biāo)注每個數(shù)學(xué)實體對之間的關(guān)系；

基于所述數(shù)學(xué)實體對的上下文信息提取所述數(shù)學(xué)實體對的語義解析特征；

根據(jù)所述數(shù)學(xué)實體對的語義解析特征構(gòu)建所述語義解析模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述數(shù)學(xué)實體對包括：公式實體與公式實體之間的實體對、公式實體與概念實體之間的實體對；所述公式實體是指對包含公式的文本進(jìn)行識別時得到的公式和/或公式字符；所述概念實體是指文本數(shù)據(jù)中出現(xiàn)的與數(shù)學(xué)概念相關(guān)的描述；所述數(shù)學(xué)實體之間的關(guān)系是指文本數(shù)據(jù)中數(shù)學(xué)實體之間的關(guān)系。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)收集的文本數(shù)據(jù)構(gòu)建公式實體集合包括：

對收集的文本數(shù)據(jù)進(jìn)行公式識別，得到公式和/或公式字符；

將得到的公式和/或公式字符作為公式實體，得到公式實體集合。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)收集的文本數(shù)據(jù)構(gòu)建概念實體集合包括：

對收集的文本數(shù)據(jù)進(jìn)行分詞，得到各詞；

計算各詞在所述文本數(shù)據(jù)中出現(xiàn)的頻率；

如果所述頻率大于設(shè)定的頻率閾值，則將對應(yīng)的詞作為概念實體，得到概念實體集合。

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述數(shù)學(xué)實體對的語義解析特征包括以下任意一種或多種：

所述數(shù)學(xué)實體對中兩個數(shù)學(xué)實體的語法樹的包含關(guān)系、兩個數(shù)學(xué)實體的編輯距離、兩個數(shù)學(xué)實體在文本數(shù)據(jù)中的位置關(guān)系、各數(shù)學(xué)實體的類型、各數(shù)學(xué)實體前后一個或多個詞的詞面信息。

7.根據(jù)權(quán)利要求1至6任一項所述的方法，其特征在于，所述構(gòu)建待解析文本數(shù)據(jù)的數(shù)學(xué)實體對包括：

對待解析文本數(shù)據(jù)進(jìn)行分詞，根據(jù)分詞結(jié)果確定所述待解析文本數(shù)據(jù)中的概念實體；

識別所述待解析文本數(shù)據(jù)中包含的公式和/或公式字符，得到待解析文本數(shù)據(jù)中的公式實體；

將所述待解析文本數(shù)據(jù)中的概念實體和公式實體組成數(shù)學(xué)實體對。

8.一種包含公式的文本語義解析裝置，其特征在于，包括：

模型構(gòu)建模塊，用于預(yù)先構(gòu)建用于描述數(shù)學(xué)實體之間關(guān)系的語義解析模型；

接收模塊，用于接收包含數(shù)學(xué)公式的待解析文本數(shù)據(jù)；

數(shù)學(xué)實體對構(gòu)建模塊，用于構(gòu)建待解析文本數(shù)據(jù)的多個數(shù)學(xué)實體對；

特征提取模塊，用于提取各數(shù)學(xué)實體對的語義解析特征；

解析模塊，用于利用所述語義解析特征及所述語義解析模型對待解析文本數(shù)據(jù)進(jìn)行語義解析，得到解析結(jié)果。

9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述模型構(gòu)建模塊包括：

數(shù)據(jù)收集單元，用于收集設(shè)定數(shù)量的包含公式的文本數(shù)據(jù)；

公式實體集合構(gòu)建單元，用于根據(jù)收集的文本數(shù)據(jù)構(gòu)建公式實體集合；

概念實體集合構(gòu)建單元，用于根據(jù)收集的文本數(shù)據(jù)構(gòu)建概念實體集合；

數(shù)學(xué)實體對構(gòu)建單元，用于構(gòu)建數(shù)學(xué)實體對并標(biāo)注每個數(shù)學(xué)實體對之間的關(guān)系；

特征提取單元，用于基于所述數(shù)學(xué)實體對的上下文信息提取所述數(shù)學(xué)實體對的語義解析特征；

模型構(gòu)建單元，用于根據(jù)所述數(shù)學(xué)實體對的語義解析特征構(gòu)建所述語義解析模型。