[發(fā)明專利]一種中文句法分析方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110023058.8
• 申請日: 2021-01-08
• 公開（公告）號: CN112699664A
• 公開（公告）日: 2021-04-23
• 發(fā)明（設(shè)計）人: 俞蓮
• 申請（專利權(quán)）人: 中國專利信息中心
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/253;G06F40/289;G06N20/00
• 代理公司: 北京中普鴻儒知識產(chǎn)權(quán)代理有限公司 11822
• 代理人: 劉浩

本發(fā)明提出一種中文句法分析方法和系統(tǒng)，包括制定規(guī)則（詞語規(guī)則、短語規(guī)則、句子規(guī)則和句法分析規(guī)則）、分詞、標(biāo)注詞性、識別詞和詞組、識別慣用型短語、識別慣用型句式、識別句子核心動詞、句法分析并按中文語法標(biāo)注句子組分的語法成分或關(guān)系，以及按需求輸出分析結(jié)果。本發(fā)明從中文語言特征入手，深入挖掘了中文文字與句子結(jié)構(gòu)的特點(diǎn)，充分利用中文語法和表達(dá)習(xí)慣，通過規(guī)則設(shè)計，實(shí)現(xiàn)中文句子語義的智能解析。句法分析層次和過程簡潔、快速和直觀，特別對于解析結(jié)構(gòu)較特殊的句子和大量文檔提高了準(zhǔn)確度和效率。本發(fā)明可廣泛應(yīng)用于人工智能領(lǐng)域，像人機(jī)問答、文本聚類、文本相似度計算、機(jī)器翻譯、智能檢索、智慧城市和機(jī)器人等。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語言分析技術(shù)領(lǐng)域，尤其涉及一種中文句法分析方法和系統(tǒng)。

背景技術(shù)

自然語言處理是人工智能和語言學(xué)領(lǐng)域的分支學(xué)科，是利用計算機(jī)工具對人類特有的書面形式和口頭形式的自然語言信息進(jìn)行各種處理和加工的技術(shù)。自然語言處理大致分為兩個層面，一個是淺層分析，如分詞、詞性標(biāo)注。這種技術(shù)只需對句子的局部范圍進(jìn)行分析處理。另一個層面是對語言進(jìn)行深層的處理，需要對句子的句法、語義、語用進(jìn)行全面分析。

目前，主流的句法分析方法主要通過詞語間的依存關(guān)系進(jìn)行句法分析，分析層次和解析過程復(fù)雜繁瑣，句子組分之間的關(guān)系繁冗，解析準(zhǔn)確度和速度仍然有待提高。句法分析是自然語言處理的關(guān)鍵技術(shù)環(huán)節(jié)，應(yīng)用非常廣泛，例如，結(jié)合句法分析技術(shù)，在自動問答裝置中，通過計算提問的句子和知識庫中對應(yīng)的句子之間相似度在知識庫中查找到對應(yīng)答案。在信息過濾技術(shù)中，通過文本相似度計算自動過濾用戶可能并不想看到的信息。但由于現(xiàn)有技術(shù)的缺陷，正確率、速度和召回率較低。

發(fā)明內(nèi)容

針對以上問題，本發(fā)明提出一種中文句法分析方法和系統(tǒng)，從語言特征入手，充分挖掘了中文文字與結(jié)構(gòu)的特點(diǎn)，利用現(xiàn)有中文語法和習(xí)慣，通過規(guī)則設(shè)計，實(shí)現(xiàn)中文的句子級語義的智能解析，從而讓機(jī)器“看懂”語言。

根據(jù)本發(fā)明的一個方面，提出一種中文句法分析方法，包括以下步驟：

步驟S1：對輸入的文本進(jìn)行分句、分詞，并標(biāo)注詞性；

步驟S2：識別句子中的詞組；

步驟S3：識別句子中的短語；

步驟S4：識別句子的構(gòu)架；

步驟S5：對句子進(jìn)行句法分析，并按中文語法標(biāo)注和輸出句子組分的語法關(guān)系。

進(jìn)一步的，在所述步驟S2中，所述詞組包括慣用型詞組和一般詞組，所述慣用型詞組指詞組形式的慣用表達(dá)以及包含特定字或名詞的詞組形式的慣用表達(dá)，一般詞組指組合式名詞。

進(jìn)一步的，在所述步驟S3中，所述短語包括慣用型短語和一般短語，所述慣用型短語指以短語節(jié)點(diǎn)庫中的字、詞或其搭配詞作為節(jié)點(diǎn)的短語形式的慣用表達(dá)，由節(jié)點(diǎn)和組分構(gòu)成，所述組分包括名詞、詞組、動詞、形容詞、副詞、短語或子句。

進(jìn)一步的，所述步驟3包括：

S31、對每個分句從左到右與短語節(jié)點(diǎn)庫進(jìn)行對比，識別單節(jié)點(diǎn)或雙節(jié)點(diǎn)；

S32、將句子從左到右距離最近的雙節(jié)點(diǎn)和所述雙節(jié)點(diǎn)之間的內(nèi)容標(biāo)注為雙節(jié)點(diǎn)慣用型短語；

S33、識別一般短語，所述一般短語指動詞+名詞組成的短語和 “的”字形容詞短語，其中，“的”字前為名詞、代詞、形容詞或“名詞+動詞”；

S34、如果識別出前單節(jié)點(diǎn)，則將所述前單節(jié)點(diǎn)到緊隨其后的不在“的”字形容詞短語或雙節(jié)點(diǎn)慣用型短語中的“動詞+名詞”，或動詞，或詞組或名詞的部分標(biāo)注為單節(jié)點(diǎn)慣用型短語，如果識別出后單節(jié)點(diǎn)，則將所述后單節(jié)點(diǎn)到緊靠其前的“動詞+名詞”，或動詞，或詞組或名詞的部分標(biāo)注為單節(jié)點(diǎn)慣用型短語。

進(jìn)一步的，所述步驟S4包含：

S41、對比慣用型句式庫，判斷句子是否為復(fù)合句；

S42、對比慣用型句式庫，識別并標(biāo)注慣用型句式；

S43、識別并標(biāo)注句子核心動詞；