[發明專利]漢語句子混合模板的挖掘方法及裝置

有效

• 申請號: 201810201422.3
• 申請日: 2018-03-12
• 公開（公告）號: CN108563617B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 任禾
• 申請（專利權）人: 云知聲智能科技股份有限公司
• 主分類號: G06F40/216
• 分類號: G06F40/216;G06F40/211;G06F40/284;G06F40/295;G06F40/186
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供了一種漢語句子混合模板的挖掘方法及裝置，其中，該方法包括：獲取預設文本，所述預設文本包括正例文本和負例文本；對預設文本中的每個句子分別進行分析處理，確定句子的每個詞語的詞語參數；根據所有詞語的詞語參數生成句子的候選模板；根據所有句子的所有候選模板合并生成不含有重復候選模板的模板列表，并生成正例模板集和負例模板集；從模板列表中選取目標候選模板，根據目標候選模板的正例次數和負例次數確定目標候選模板的模板類型。該方法生成的句子模板是詞、詞性、命名實體和句法依賴關系的混合表達，可以更加充分地刻畫一個句子中存在的語言規律，模板匹配能力強。

技術領域

本發明涉及句子模板挖掘技術領域，特別涉及一種漢語句子混合模板的挖掘方法及裝置。

背景技術

構建的漢語句子模板可以用來進行句子匹配、分類、信息抽取等任務。目前模板挖掘方法是靠人編輯或機器自動統計，挖掘出類似正則表達式、或者挖掘出單純的詞性序列形式的模板。

現有句子模板挖掘方法所挖掘出的模板表達能力有限，句子模板要么單純用字符串模板，要么單純用詞性模板，這些句子模板的匹配能力比較有限。

發明內容

本發明提供一種漢語句子混合模板的挖掘方法及裝置，用以解決現有句子模板匹配能力較差的缺陷。

本發明實施例提供的一種漢語句子混合模板的挖掘方法，包括：

獲取預設文本，所述預設文本包括正例文本和負例文本；

對所述預設文本中的每個句子分別進行分析處理，確定所述句子的每個詞語的詞語參數，所述詞語參數包括詞語的分詞結果、詞性、命名實體、依賴關系中的一項或多項；

根據所有詞語的詞語參數生成所述句子的候選模板，所述候選模板包括依次排列的所有詞語的一項詞語參數；

根據所有句子的所有候選模板合并生成不含有重復候選模板的模板列表，并根據所述正例文本所有句子的候選模板生成正例模板集，根據所述負例文本所有句子的候選模板生成負例模板集；

從所述模板列表中選取目標候選模板，根據所述目標候選模板的正例次數和負例次數確定所述目標候選模板的模板類型，所述正例次數為所述目標候選模板在所述正例模板集中出現的次數，所述負例次數為所述目標候選模板在所述負例模板集中出現的次數，所述模板類型包括正例模板和負例模板。

在一種可能的實現方式中，所述根據所述目標候選模板的正例次數和負例次數確定所述目標候選模板的模板類型包括：

確定所述目標候選模板在所述正例模板集中出現的正例次數N1和所述目標候選模板在所述負例模板集中出現的負例次數N2；

當N1/(N1+N2+1)a時，所述目標候選模板為正例模板；當N2/(N1+N2+1)b時，所述目標候選模板為負例模板；其中，a和b為預設系數，且a+b≥1。

在一種可能的實現方式中，所述預設系數為根據所述正例模板集中的模板數量和所述負例模板集中的模板數量確定的數值。

在一種可能的實現方式中，所述預設文本中每個句子包含的詞語數量相同，且所述正例文本中每個句子包含的詞語數量與所述負例文本中每個句子包含的詞語數量相同。

在一種可能的實現方式中，在所述確定所述目標候選模板的模板類型之后，該方法還包括：

根據所有詞語的詞語參數生成所述句子的二級候選模板，所述二級候選模板包括依次排列的所有詞語的一項或多項詞語參數，且所述二級候選模板中至少包括一個詞語的多項詞語參數；

確定所述二級候選模板所包含的子候選模板，所述子候選模板為根據所有詞語的所述二級候選模板包含的一項詞語參數生成的候選模板；