[发明专利]一种确定关键词上下文窗口的混合方法

权利要求书

1.一种确定关键词上下文窗口的混合方法，本发明涉及语义网络技术领域，具体涉及一种确定关键词上下文窗口的混合方法，其特征是，包括如下步骤：

步骤1：初始化统计方法模块，即语料库或文本

步骤2：将关键词C输入初始化统计方法模块或文本中

步骤3：分别求解关键词C相邻的上下文本中每个位置的权重贡献值

步骤4：对关键词C语境中上下文词位置的权重贡献值进行归一化曲线处理

步骤5：基于上下文信息损失量计算关键词C语境中上下文窗口的左右窗口n值

步骤6：在步骤5关键词C语境中上下文窗口的左右窗口n值条件下，基于上下文成分关系计算关键词语境中上下文窗口的左右窗口值。

2.根据权利要求1中所述的一种确定关键词上下文窗口的混合方法，其特征是，以上所述步骤3的具体实施步骤如下：

步骤3：分别求解关键词C相邻的上下文本中每个位置的相对权重贡献值需先知位置信息关键词权重值与上下文位置权重值其具体计算过程如下：

3.1）先假设关键词C上下文语境的位置信息

在一定规模语料库的基础上，选取一定规模和具有一定覆盖面的关键词，并从语料中提取每个关键词C上下文左右各n个位置的上下文词语构成其“关键词上下文矩阵”，其矩阵如下所示：

上式矩阵行i为第i个上下文语境，列为关键词上下文左边n个位置，列为关键词上下文右边n个位置，为第i个上下文语境中第几个位置词

3.2）计算关键词C在语料库或文本中的权重值

上式为在第i语境中关键词C的概率值，关键词所在语境的个数为m，为关键词C在m个语境中权重的均值

3.3）计算每个上下文位置对关键词C的权重值

上式分别为第i语境中位置为j时的上下文词对关键词的权重贡献值， 为每个上下文位置已知对应的关键词C的条件统计概率，这个基于语料库可以很容易统计出，为各语境下每个上下文位置已知对应的关键词C的条件统计概率的平均值

上式m为语料库或文本中含关键词的语境数量

3.4）求解关键词C相邻的上下文本中每个位置的相对权重贡献值

综上所述，有下式：

。

3.根据权利要求1中所述的一种确定关键词上下文窗口的混合方法，其特征是，以上所述步骤4的具体计算过程如下：

步骤4：对关键词C语境中上下文词位置的权重贡献值进行归一化曲线处理，需对上下文词位置j进行归一化处理以及误差点丢弃，其具体描述过程如下：

4.1）先对关键词语境中的上下文词位置j进行归一化处理

以关键词为原点，上下文词位置距离关键词的相对距离如下式：

上式左边位置相对距离为负值，右边位置相对距离为正值

4.2）利用相对误差法对误差点丢弃

上述左右位置相对距离d为自变量横坐标x，根据上述步骤3得到的为对应为纵坐标值，其为一离散图，连接一条包含点最多的直线——即参考直线，如下：

计算不在这条直线上的点到它的距离：

设置误差边界条件：

当满足上述边界条件则丢弃这一点反之，连接成曲线

4.3）归一化曲线

根据自变量横坐标d可得两条曲线，即。

4.根据权利要求1中所述的一种确定关键词上下文窗口的混合方法，其特征是，以上所述步骤6中的具体计算过程如下：

步骤6：在步骤5关键词C语境中上下文窗口的左右窗口n值条件下，基于上下文成分关系计算关键词语境中上下文窗口的左右窗口值

在经过关键词所在句法分析后，得到基于上下文信息损失量下的左右窗口内句子的各个成分信息，这里使用句子中的主谓、动宾、定中、状中4大主要成分关系，将这4大关系出现在句子中的次数构成一个向量，叫做成分关系向量

这里有m个语境，则会有m个成分关系向量，即

两两利用余弦定理：

找到余弦角最小的两个语境，假设其左右窗口值分别为

则上下文窗口的左右窗口值为：

上式为最终关键词左窗口值，为最终关键词右窗口值。