[發明專利]一種基于句式結構的漢語自動句法分析器

有效

• 申請號: 202110256750.5
• 申請日: 2021-03-09
• 公開（公告）號: CN112949286B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 趙敏;彭煒明;宋繼華;王寧;陳晨;管世昱
• 申請（專利權）人: 北京漢雅天誠教育科技有限公司
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/216;G06F40/289;G06F40/253;G06F16/33
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 席小東

1.一種基于句式結構的漢語自動句法分析器，其特征在于，包括如下步驟：

S1，擴展正則表達式的語法模式，實現基于多元詞特征序列的擴展正則表達式語法；

S2，使用S1得到的所述擴展正則表達式語法，構建句法規則庫；

S3，構建與S2構建的所述句法規則庫配套的詞匯知識庫和詞法知識庫；

S4，基于S3構建的詞匯知識庫和詞法知識庫，采用詞法、句法一體化分析算法進行句式結構的漢語自動句法分析，具體步驟為：

使用逗號標點“，”將輸入句子切分為多個標點句；

采用S3構建的所述詞匯知識庫和詞法知識庫，對每個標點句進行詞法分析，生成詞特征序列候選集；

采用S2構建的所述句法規則庫，對所述詞特征序列候選集進行句法分析，輸出句式結構表達式，完成句式結構的漢語自動句法分析；

其中，S2中，所述構建句法規則庫的步驟為：

S201，按照句式結構的成分格局，推導單層句式結構的成分序列組合模式，采用形式文法表示如下：

小句句式::＝連？狀*定*主連？謂語部分助？

謂語部分::＝單核謂語|合成謂語|聯合謂語

|連動謂語|兼語謂語|主謂謂語

單核謂語::＝狀*謂定*賓

|狀*謂

|狀*謂定*賓定*賓

|狀*謂補

|狀*謂定*賓補

|狀*謂補定*賓

合成謂語::＝狀*謂謂語部分

聯合謂語::＝單核謂語連？謂語部分

連動謂語::＝單核謂語謂語部分

兼語謂語::＝狀*謂(定*賓){1,2}謂語部分

主謂謂語::＝小句句式

其中，主、謂、賓、定、狀、補表示六種句子成分，連、助表示句式結構中的連詞位和助詞位；上述推導表示成最終的擴展正則表達式時，句子成分采用“(？xxx)”的命名分組形式，xxx對應編碼為：主語/sbj、謂語/prd、賓語/obj、定語/att、狀語/adv、補語/cmp、獨立語/ind，虛詞位采用“(？xx)”的命名分組形式，xx對應編碼為：連詞位/cc、助詞位/uu、介詞位/pp、方位詞位/ff；

S202，按照句本位語法的成分和詞類對應關系，推導句子成分的詞特征序列組合模式，采用形式文法表示如下：

1)主::＝NP

2)賓::＝NP

3)NP::＝NP(c？NP)*|n|t|r①|m①|.+？的|.+？f

4)謂::＝v|a|r②

5)定::＝n|a|r③|m|.+的

6)狀::＝d|a|t|n①|r③|m②|.+地|.+？f|PP

7)補::＝d|a|m②|得.+|PP

8)PP::＝p.+？(f|u⑧)？

9)獨::＝(e|NP)，

上述推導表示成最終的擴展正則表達式時，其中虛詞詞類采用S201中所述的虛詞位形式；

S203，補充S201、S202之外的標點句模式，如下：

句前模式::＝連？(狀|獨)+，

謂前模式::＝連？(狀|獨)*主，

|連？(狀|獨)*主連？(狀|獨)+，

連名模式::＝連NP，

S204，為S201、S202、S203的模式建立句法規則，數據庫字段包括：id、模式名稱、模式表達式、標點句類型、頻次、句法選用概率；其中，標點句類型字段取值為：xj、np、vp、jq、wq、null，與S201、S202的形式文法中產生式的對應關系為：小句句式/xj，謂語部分/vp，NP和連名模式/np，句前模式/jq，謂前模式/wq，其它/null；所述句法選用概率的計算公式為：

其中，句法規則的使用頻次、模式表達式的匹配次數均從句本位語法樹庫中統計得到；

S3中，詞匯知識庫和詞法知識庫具體為：

S301，詞匯知識庫的數據庫字段包括：id、詞形、詞類、子類、釋義、用例、頻次、是否組合歧義；其中，詞類的字母編碼為：名詞/n、時間詞/t、方位詞/f、數詞/m、量詞/q、代詞/r、動詞/v、形容詞/a、副詞/d、介詞/p、連詞/c、助詞/u、嘆詞/e、擬聲詞/o、標點/w；

子類編碼如下：

n①：時空類名詞

n②：中國人名之姓氏

n③：中國人名

v①：不及物動詞

v②：及物動詞

v③：雙賓動詞

v④：引出兼語謂語的動詞v⑤：引出合成謂語的動詞v⑥：由動詞短語或小句充當賓語的動詞v⑦：趨向動詞

v⑧：引出連動謂語的動詞v⑨：可作結果補語的動詞v⑩：可以獨立充當狀語的動詞a①：屬性詞

a②：狀態詞

a⑨：可作結果補語的形容詞m①：數詞與名量詞組合的數量詞m②：數詞與動量詞或時量詞組合的數量詞q①：名量詞

q②：動量詞或時量詞r①：代名詞

r②：代謂詞

r③：代飾詞

c①：連接小句的連詞c②：連接并列NP的連詞c③：連接同位語的連詞c④：連接聯合謂語的連詞

u①：語氣助詞

u②：動態助詞

u③：連接定、狀、補的結構助詞

u④：用于句末的結構助詞

u⑤：用于NP后的結構助詞

u⑥：用于VP前的結構助詞

u⑦：用于句首的結構助詞

u⑧：框式結構中的結構助詞

S302，詞法知識庫存儲句式結構中的動態詞結構模式，其數據庫字段包括：id、模式名、結構屬性、詞法正則表達式、詞類、子類、示例、頻次、詞法選用概率；

其中，結構屬性對應句式結構體系XML中的@mod屬性；詞法正則表達式采用擴展正則表達式形式，用于匹配動態詞內部的詞素特征序列；詞類取值同S301中詞類的字母編碼；子類有兩種取值方式，一種是取S301中子類編碼，另一種是：用“\n”形式，其中n代表一個數字，表示動態詞的子類特征由內部第n個詞素的子類特征決定；

詞法選用概率的計算公式為：

其中，動態詞結構模式的使用頻次、詞法正則表達式的匹配次數均從句本位語法樹庫中統計得到。