[發(fā)明專利]中文排比句識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201711078736.0
• 申請(qǐng)日: 2017-11-06
• 公開（公告）號(hào): CN107943852B
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 宋巍;劉彤;劉麗珍
• 申請(qǐng)（專利權(quán)）人: 首都師范大學(xué)
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F40/205
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 張潤(rùn)

1.一種中文排比句識(shí)別方法，其特征在于，包括以下步驟：

選取目標(biāo)數(shù)據(jù)集，其中，所述目標(biāo)數(shù)據(jù)集中包括多種類型的文章；

將當(dāng)前文章中每?jī)蓚€(gè)句子構(gòu)成一個(gè)句對(duì)，并對(duì)得到的所述句對(duì)構(gòu)建不同維度的特征；所述不同維度的特征由詞對(duì)齊策略、序列對(duì)齊策略、樹對(duì)齊策略、位置和長(zhǎng)度特征組成；

所述詞對(duì)齊策略包括精確匹配對(duì)齊方式、詞性匹配對(duì)齊方式、句法規(guī)則匹配對(duì)齊方式、語義匹配對(duì)齊方式中的一種；

所述序列對(duì)齊策略包括最長(zhǎng)公共子序列對(duì)齊方式、最長(zhǎng)公共子串對(duì)齊方式、Needleman-Wunsch算法中的一種；

所述位置和長(zhǎng)度特征由鄰接特征、位置對(duì)齊、長(zhǎng)度差異和子句差異組成；

根據(jù)隨機(jī)森林方法構(gòu)建分類模型，并將得到的所述特征作為模型輸入，以根據(jù)預(yù)設(shè)的評(píng)價(jià)指標(biāo)對(duì)所述特征進(jìn)行篩選，得到一組最好的特征以對(duì)模型進(jìn)行訓(xùn)練，其中，所述預(yù)設(shè)的評(píng)價(jià)指標(biāo)采用句對(duì)準(zhǔn)確率pair-precision、句對(duì)召回率pair-recall和句對(duì)F值F_pair表示，其中，句對(duì)準(zhǔn)確率pair-precision為正確識(shí)別的排比句句對(duì)個(gè)數(shù)與識(shí)別句對(duì)個(gè)數(shù)的比值，句對(duì)召回率pair-recall為正確識(shí)別的排比句句對(duì)個(gè)數(shù)與真排比句句對(duì)個(gè)數(shù)的比值；F_pair為：

根據(jù)訓(xùn)練后的模型，在新的測(cè)試測(cè)試集上對(duì)排比句進(jìn)行抽取，并將抽取的句對(duì)組合成句組進(jìn)行評(píng)價(jià)，以將句對(duì)的分類擴(kuò)展為句組的分類；

其中，句組的評(píng)價(jià)指標(biāo)采用句組準(zhǔn)確率chunk-precision，句組召回率chunk-recall和句組F值F_chunk表示，其中，句組準(zhǔn)確率chunk-precision為正確識(shí)別的排比句句組個(gè)數(shù)與識(shí)別句組個(gè)數(shù)的比值，句組召回率chunk-recall為正確識(shí)別的排比句句組個(gè)數(shù)與真排比句句組個(gè)數(shù)的比值；F_chunk為：

2.一種中文排比句識(shí)別系統(tǒng)，其特征在于，包括：

選取模塊，用于選取目標(biāo)數(shù)據(jù)集，其中，所述目標(biāo)數(shù)據(jù)集中包括多種類型的文章；

構(gòu)建模塊，用于將當(dāng)前文章中每?jī)蓚€(gè)句子構(gòu)成一個(gè)句對(duì)，并對(duì)得到的所述句對(duì)構(gòu)建不同維度的特征；所述不同維度的特征由詞對(duì)齊策略、序列對(duì)齊策略、樹對(duì)齊策略、位置和長(zhǎng)度特征組成；

所述詞對(duì)齊策略包括精確匹配對(duì)齊方式、詞性匹配對(duì)齊方式、句法規(guī)則匹配對(duì)齊方式、語義匹配對(duì)齊方式中的一種；

所述序列對(duì)齊策略包括最長(zhǎng)公共子序列對(duì)齊方式、最長(zhǎng)公共子串對(duì)齊方式、Needleman-Wunsch算法中的一種；

所述位置和長(zhǎng)度特征由鄰接特征、位置對(duì)齊、長(zhǎng)度差異和子句差異組成；

訓(xùn)練模塊，用于根據(jù)隨機(jī)森林方法構(gòu)建分類模型，并將得到的所述特征作為模型輸入，以根據(jù)預(yù)設(shè)的評(píng)價(jià)指標(biāo)對(duì)所述特征進(jìn)行篩選，得到一組最好的特征以對(duì)模型進(jìn)行訓(xùn)練，其中，所述預(yù)設(shè)的評(píng)價(jià)指標(biāo)采用句對(duì)準(zhǔn)確率pair-precision、句對(duì)召回率pair-recall和句對(duì)F值F_pair表示，其中，句對(duì)準(zhǔn)確率pair-precision為正確識(shí)別的排比句句對(duì)個(gè)數(shù)與識(shí)別句對(duì)個(gè)數(shù)的比值，句對(duì)召回率pair-recall為正確識(shí)別的排比句句對(duì)個(gè)數(shù)與真排比句句對(duì)個(gè)數(shù)的比值；F_pair為：

分類模塊，用于根據(jù)訓(xùn)練后的模型，在新的測(cè)試測(cè)試集上對(duì)排比句進(jìn)行抽取，并將抽取的句對(duì)組合成句組進(jìn)行評(píng)價(jià)，以將句對(duì)的分類擴(kuò)展為句組的分類；

其中，句組的評(píng)價(jià)指標(biāo)采用句組準(zhǔn)確率chunk-precision，句組召回率chunk-recall和句組F值F_chunk表示，其中，句組準(zhǔn)確率chunk-precision為正確識(shí)別的排比句句組個(gè)數(shù)與識(shí)別句組個(gè)數(shù)的比值，句組召回率chunk-recall為正確識(shí)別的排比句句組個(gè)數(shù)與真排比句句組個(gè)數(shù)的比值；F_chunk為：