[發(fā)明專利]一種基于框架重要度計(jì)算句子相似度的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110776700.X
• 申請(qǐng)日: 2021-07-09
• 公開（公告）號(hào): CN113536761A
• 公開（公告）日: 2021-10-22
• 發(fā)明（設(shè)計(jì)）人: 王鐵鑫;史薈;劉文靜;嚴(yán)欣華
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): G06F40/194
• 分類號(hào): G06F40/194;G06F40/211;G06F40/30
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 陸燁

本發(fā)明公開了一種基于框架重要度計(jì)算句子相似度的方法，具體為：步驟1：將英文句子S中所有的框構(gòu)成框架語(yǔ)義信息集合E；步驟2：提取集合E中每個(gè)框架的核心框架元素；步驟3：根據(jù)集合E中每個(gè)框架中核心框架元素的個(gè)數(shù)計(jì)算該框架的重要度；步驟4：將英文句子S’中所有的框架構(gòu)成框架語(yǔ)義信息集合E’，并計(jì)算集合E’中每個(gè)框架的重要度；步驟5：將集合E和集合E’中相同的框架作為一組框架組；在每個(gè)框架組中選擇最小的框架重要度作為該框架組的框架的重要度；將所有框架組的框架重要度進(jìn)行累加計(jì)算，并基于累加計(jì)算的值計(jì)算英文句子S和S’的相似度。本發(fā)明提出的方法可適用于文本蘊(yùn)含識(shí)別、文本摘要等自然語(yǔ)言處理任務(wù)中。

技術(shù)領(lǐng)域

本發(fā)明屬于自然語(yǔ)言處理技術(shù)領(lǐng)域。

背景技術(shù)

框架語(yǔ)義庫(kù)FrameNet是一種基于框架語(yǔ)義學(xué)(Frame Semantics)的語(yǔ)義知識(shí)庫(kù),用于語(yǔ)言學(xué)、計(jì)算語(yǔ)言學(xué)和自然語(yǔ)言處理等語(yǔ)言方面的研究。通過(guò)框架語(yǔ)義可以挖掘到詞語(yǔ)背后隱藏的概念結(jié)構(gòu)和語(yǔ)義場(chǎng)景。

FrameNet中的框架(frame)是指由詞元(lexical units,LUs)和它所聯(lián)系的框架元素(frame elements,FEs)構(gòu)成的表達(dá)特定場(chǎng)景的句子語(yǔ)義結(jié)構(gòu)形式。框架中涉及的各種參與者、外部條件等被稱為框架元素。框架元素按照重要程度分為核心框架元素(CoreFEs)與非框架元素(Peripheral、Extra-thematic)，核心框架元素是一個(gè)框架在概念理解上的必要成分，它們?cè)诓煌目蚣苤袛?shù)量和類型不同，顯示框架的個(gè)性；非核心框架元素則表達(dá)時(shí)間、地點(diǎn)等通用語(yǔ)義成分。

當(dāng)句子包含多個(gè)框架時(shí)不同框架的重要性并不一定相同，要準(zhǔn)確度量句子間的相似度，則必須在考慮框架本身的同時(shí)考慮其重要性，然而度量句子中框架的重要度并非易事，因?yàn)橐罁?jù)不同的重要度度量標(biāo)準(zhǔn)，度量的結(jié)果并非一成不變。因此框架重要度度量標(biāo)準(zhǔn)選擇是框架重要度度量的關(guān)鍵。目前基于詞層面特征的相似度計(jì)算方法未考慮句子的結(jié)構(gòu)信息；基于句子結(jié)構(gòu)特征的相似度計(jì)算方法未能全面考慮句子語(yǔ)義。以往的句子相似度計(jì)算方法主要針對(duì)句子關(guān)鍵詞和結(jié)構(gòu)的問(wèn)題，由于考慮句子的語(yǔ)義不全面，缺乏解釋性，使得相似性計(jì)算結(jié)果不夠準(zhǔn)確。

發(fā)明內(nèi)容

發(fā)明目的：為了解決上述現(xiàn)有技術(shù)存在的問(wèn)題本發(fā)明提供了一種基于框架重要度計(jì)算句子相似度的方法。

技術(shù)方案：本發(fā)明提供了一種基于框架重要度計(jì)算句子相似度的方法，具體包括如下步驟：

步驟1：提取英文句子S中所有的框架，并將該所有的框架構(gòu)成框架語(yǔ)義信息集合E；

步驟2：構(gòu)建框架語(yǔ)義庫(kù)FrameNet可視化工具GIFN，通過(guò)GIFN提取框架語(yǔ)義信息集合E中每個(gè)框架的核心框架元素；

步驟3：基于每個(gè)框架中核心框架元素的個(gè)數(shù)計(jì)算每個(gè)框架的框架影響因子；根據(jù)框架影響因子建立框架重要度函數(shù)，得到框架語(yǔ)義信息集合E中第i個(gè)框架的重要度w(f_E,i)，f_E,i表示框架語(yǔ)義信息集合E中第i個(gè)框架，i＝1,2，...，frame_S，frame_S為框架語(yǔ)義信息集合E中框架的總個(gè)數(shù)；

步驟4：根據(jù)步驟1～3將英文句子S’中所有的框架構(gòu)成框架語(yǔ)義信息集合E’，并計(jì)算框架語(yǔ)義信息集合E’中每個(gè)框架的重要度；

步驟5：將E和E’中相同的框架作為一組框架組，得到frame_same個(gè)框架組；比較第j個(gè)框架組中兩個(gè)框架的重要度，選擇最小的框架重要度作為第j個(gè)框架組的框架重要度min_j，J＝1，2，...，frame_same；將frame_same個(gè)框架組的框架重要度進(jìn)行累加計(jì)算，并基于累加計(jì)算的值計(jì)算英文句子S和S’的相似度。

進(jìn)一步的，所述步驟1中將英文句子S輸入至開源語(yǔ)義框架抽取工具SEMAFOR中，所述SEMAFOR根據(jù)框架語(yǔ)義庫(kù)FrameNet的結(jié)構(gòu)解析輸入的英文句子S，從而提取英文句子S中的框架。