[发明专利]一种基于规则的自动汉语句法分析方法

说明书

技术领域

本发明属于汉语自动处理技术领域，涉及一种基于规则的自动汉语句法分析方法。

背景技术

自动句法分析是一种由语法体系和分析控制机制构成的自然语言自动处理技术。从语法体系的角度考察，基于二分法建立起来的印欧语法体系在英语句法自动分析中取得了可喜的成就，特别是基于语料库的英语分析技术，已经成为很多分析系统效仿的模范。然而，按照二分原则建立起来的汉语句法体系却遭遇到词性与句法功能多对多、句法结构与短语结构相互重叠、子句边界判断困难等问题而难以应用于汉语句法自动分析之中。

发明内容

本发明的目的是提供一种基于规则的自动汉语句法分析方法，解决了现有汉语句法分析中词性与句法功能多对多、句子结构与短语结构相互重叠、子句边界判断困难的问题。

本发明所采用的技术方案是，一种基于规则的自动汉语句法分析方法，具体按以下步骤实施：

步骤1，设计控制器，建立数据库，设置句法分析的层次属性：

控制器包括词性控制器、短语结构控制器、搭配控制器、句子结构控制器四种类型，用来分析短语和句子的结构、控制句法分析的流程以及调用各种词典；

词性控制器，负责定义词性标注的标准；

短语结构控制器，负责定义短语结构、分析短语成分；

句子结构控制器，负责定义句子结构、确定子句范围、配置子句成分；

搭配控制器，负责处理双核和三核短语，并进行搭配识别；

数据库包括标准词典、分类词典、搭配词典、末端词典以及感知词典；

句法分析的层次属性包括语序、原文、词性、短语层、短语功能、搭配层、子句层、子句功能、修饰语层、处理状态、源词性；

步骤2，标注词性：

计算机读入句子，以经过分词系统加工过的分词文件为源文件，按照词性控制器设定的词性标注标准，访问标准词典和分类词典，判断并标记句中词汇的词性；

步骤3，句末短语识别和句末句法功能分析：

短语控制器访问搭配词典和末端词典，按照短语控制器设定的处理规则，识别短语；随后按照句子结构控制器设定的步骤，判断句末成分zhi及其范围并确定下一步处理的起点；

步骤4，句中短语识别和句中句法功能分析：

从步骤3设定的起点开始，按照短语控制器设定的处理规则，继续处理句中短语，再次访问搭配词典、末端词典和感知词典，并通过短语控制器和搭配控制器相配合，完成句中短语分析任务；伴随每一次短语识别操作，同时配置句中成分vmid，并把句中成分vmid的修饰语记录在短语功能属性中；按照流程继续处理，最后一个被识别的vmid就是句首处理的起点，而句中成分的范围就是首个vmid跟最后一个vmid之间的跨距；

步骤5，句首短语识别和句首句法功能分析：

从步骤4设定的起点开始，判断句首句法功能和范围，然后按照句首短语结构和处理流程，完成句首成分sj的识别；

步骤6，系统数据结构调整，并输出文本：

根据用户对于所需分析句子内容的需求，输出相对应的数据文本。

本发明的特点还在于，

词性控制器中词性分为六个大类，分别为：体词、动词、形容词、语气词、介词、连词，还包括特殊类，词性标注的具体标准如下表：

短语结构控制器主要设定了四种短语结构，分别为单核短语SP、双核短语DP、三核短语TP和特殊短语，具体结构形式描写如下：

A.单核短语SP：SP→前置部分head+核心词+后置部分xsuf；

xsuf中的“x”指不同词性的后置词或短语，“+”指相邻关系；

处理单核短语的关键点是识别核心词，处理的基本原则是：围绕核心词，先根据右侧词性判断，再根据左侧词性判断，具体处理方法如下：

a.核心词右侧：

①访问搭配词典，把查找到的两个词w1和w2分别在短语词标记为跟其词性相同的核心词；如果w1和w2右侧的词符合xsuf的条件，把该词在短语层记录为xsuf；

②设两个连续的词w1和w2，如果w2符合xsuf的条件，那么，把w1在短语层记录为跟其词性相同的核心词、w2在短语层记录为xsuf；

以上①和②所指的符合xsuf的条件是：跟末端词典匹配的词、跟xsuf词性匹配的后置词、跟方位词词性匹配的词；

③设定具体规则识别核心词和xsuf，具体规则有：v/a+得+xsuf、v/a+不+a、动词重叠式以及语法书中载有的宾补短语或中补短语规则；