[發明專利]排比句識別方法及系統

有效

• 申請號: 201611206317.6
• 申請日: 2016-12-23
• 公開（公告）號: CN108241609B
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 鞏捷甫;付瑞吉;胡國平;宋巍;秦兵;劉挺
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 趙景平;宋少華

1.一種排比句識別方法，其特征在于，包括：

接收待分析文本；

對所述文本進行結構化處理；

從處理后的文本中獲取候選排比句組；

從所述候選排比句組中提取排比句特征；

利用所述排比句特征對所述候選排比句組進行排比句識別判定，

其中，所述對所述文本進行結構化處理包括：

對所述文本以段落為單位，對段落、段落中句子、句子中詞語進行編號，形成結構化數據存儲結構，

所述從處理后的文本中獲取候選排比句組包括：

對處理后的文本，以段落為單位，通過所述結構化數據存儲結構中的相同詞語找到包含當前相同詞語的所有句子編號，并且在所有句子編號中找到連續性編號，將這些連續性編號所對應的句子，組成第一排比句組，所述第一排比句組中包含相同詞語連續出現的候選排比句；

對處理后的文本，以段落為單位，通過所述結構化數據存儲結構中的相同詞語找到包含當前相同詞語的所有句子編號，并且在所有句子編號中找到滿足設定規則的間歇性編號，將這些間歇性編號所對應的句子，組成第二排比句組，所述第二排比句組中包含相同詞語有規則間歇性出現的候選排比句；

將所述第一排比句組和所述第二排比句組組成候選排比句組。

2.根據權利要求1所述的方法，其特征在于，所述從處理后的文本中獲取候選排比句組還包括：

對所述候選排比句組中的候選排比句進行去重處理。

3.根據權利要求1所述的方法，其特征在于，所述排比句特征包括：句子長度特征、公共子序列特征、首個公共子序列的位置、因果遞進關系特征向量；所述句子長度特征包括：候選排比句組中句子最大長度與最小長度的長度差、候選排比句組中句子長度比率；所述公共子序列特征包括：句首公共子序列特征、句子整體公共子序列特征。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述方法還包括預先按以下方式構建排比識別模型：

確定排比識別模型的拓撲結構；

收集訓練數據，并對所述訓練數據進行排比句標注；

提取所述訓練數據的排比句特征；

基于所述排比句特征及標注信息，訓練得到排比識別模型參數；

所述利用所述排比句特征對所述候選的排比句組進行排比句識別判定包括：

利用所述排比句特征及預先構建的排比識別模型對所述候選的排比句組進行排比句識別判定。

5.根據權利要求4所述的方法，其特征在于，所述排比識別模型為分類模型或回歸模型。

6.一種排比句識別系統，其特征在于，包括：

接收模塊，用于接收待分析文本；

結構化處理模塊，用于對所述文本進行結構化處理；

挑選模塊，用于從處理后的文本中獲取候選排比句組；

特征提取模塊，用于從所述候選排比句組中提取排比句特征；

判斷模塊，用于利用所述排比句特征對所述候選排比句組進行排比句識別判定，

其中，所述結構化處理模塊，具體用于對所述文本以段落為單位，對段落、段落中句子、句子中詞語進行編號，形成結構化數據存儲結構，

所述挑選模塊包括：

第一挑選單元，用于對處理后的文本，以段落為單位，通過所述結構化數據存儲結構中的相同詞語找到包含當前相同詞語的所有句子編號，并且在所有句子編號中找到連續性編號，將這些連續性編號所對應的句子，組成第一排比句組，所述第一排比句組中包含相同詞語連續出現的候選排比句；

第二挑選單元，用于對處理后的文本，以段落為單位，通過所述結構化數據存儲結構中的相同詞語找到包含當前相同詞語的所有句子編號，并且在所有句子編號中找到滿足設定規則的間歇性編號，將這些間歇性編號所對應的句子，組成第二排比句組，所述第二排比句組中包含相同詞語有規則間歇性出現的候選排比句；

組合單元，用于將所述第一排比句組和所述第二排比句組組成候選排比句組。

7.根據權利要求6所述的系統，其特征在于，所述挑選模塊還包括：

去重單元，用于對所述候選排比句組中的候選排比句進行去重處理。