[發明專利]一種基于SVM的非實體詞依賴關系提取的問句解析方法

在審

• 申請號: 201910957230.X
• 申請日: 2019-10-10
• 公開（公告）號: CN110852067A
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 梁杰;凌立剛;王同和;王歡
• 申請（專利權）人: 杭州量之智能科技有限公司
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/295;G06F40/30
• 代理公司: 北京聯瑞聯豐知識產權代理事務所(普通合伙) 11411
• 代理人: 夏允峰

本發明提供了一種基于SVM的非實體詞依賴關系提取的問句解析方法，包括以下步驟：S1、獲取問句，生成實體詞關系確定的分析樹；S2、調整非實體詞節點在分析樹中的懸掛位置，得到符合語法規范的問句；S3、將所述問句通過SVM進行排序，輸出排序最高的問句對應的答案。本基于SVM的非實體詞依賴關系提取的問句解析方法，能夠提高準確性，對于訓練數據規模的要求更小，移植更方便。

技術領域

本發明涉及非實體詞依賴關系處理技術領域，尤其涉及一種基于SVM的非實體詞依賴關系提取的問句解析方法。

背景技術

在數據庫自然語言接口(Natural Language Interface to Databases，下簡稱為NLIDB)系統的構建過程中，正確解析問句語義是其中重要的一環。而在解析問句時，實體詞(實體的概念繼承自Ontology中的Domain ontology)之間的關系可通過數據庫元數據查找，非實體詞的依賴關系通常只能從語義角度出發來尋找，準確率相對不高。

現有系統在尋找問句中非實體詞的依賴關系這一問題上，主要采用以下幾種方式：

第一種是基于現有的semantic parser，接著對結果進行語法層面的調整。代表系統是NaLIR(Liand Jagadish,2014)。NaLIR首先基于Stanford Parser尋找問句中所有詞之間的依賴關系，構建分析樹，但由于Stanford Parser的準確率不高，NaLIR會對得到的分析樹進行大量的隨機調整，按照事先制定的基于語法匹配的評分規則進行排序。如圖1中，(a)是Stanford Parser的解析結果，而(c)是隨機調整后，根據制定的規則所選取出的最佳結果。

第二種是訓練一個專門的Semantic Parser。這是目前的主流思路(Dong andLapata,2016；Cai et al.,2017)。這類系統并不想通過規則去提取修飾關系，而是使用大量特定場景下的語料作為訓練數據，通過機器學習的方法訓練出更精準的、特定場景下的Semantic Parser。

對于第一種,基于現有parser加上基于規則的調整的系統，它們的問題在于：通用的parser(如Stanford Parser)，特別是在處理復雜的中文句子的依賴關系時，精確性比較一般。通過調整得到的解析結果僅僅是符合語法規則的結果，而不一定在語義上正確；完全的隨機調整帶來了十分大的時間復雜度。

對于第二種，自行訓練parser的系統，它們的問題在于：需要大量訓練語料；可移植性很差；準確率較低。

發明內容

有鑒于此，本發明要解決的技術問題是提供一種基于SVM的非實體詞依賴關系提取的問句解析方法，能夠提高準確性，對于訓練數據規模的要求更小，移植更方便。

本發明的技術方案是這樣實現的：

一種基于SVM的非實體詞依賴關系提取的問句解析方法，包括以下步驟：

S1、獲取問句，生成實體詞關系確定的分析樹；

S2、調整非實體詞節點在分析樹中的懸掛位置，得到符合語法規范的問句；

S3、將所述問句通過SVM進行排序，輸出排序最高的問句對應的答案。

優選的，所述分析樹的節點的種類由以下一種或多種組成：

TreeNode種類、Relation種類、Aggregation種類、TopN種類、Operator種類、Aggregation種類、Logic種類、Domain種類、Entity種類、Count種類和GroupBy種類。

優選的，所述節點的種類中，非實體詞節點種類包括：