[发明专利]一种基于自然语义分析的用例提取方法

权利要求书

1.一种基于自然语义分析的用例提取方法，其特征在于，所述基于自然语义分析的用例提取方法包括：

通过大量相关专业需求文档，运用基于大规模语料的新词发现算法训练属于自己领域的词库；

对词库精度进行优化，排除干扰分词结果的错误词汇；

运用相关领域的语料库导入ANSJ开源工具进行分词，并标识出用例以及参与者；

在分词的基础上运用斯坦福开源工具Stanford Parser进行句子主干提取，并建立基于语义分析的语义树；针对提取的句子主干通过语法模型匹配进行用例的识别以及提取。

2.如权利要求1所述的基于自然语义分析的用例提取方法，其特征在于，采用新词发现算法来训练出一个和相关领域相关度高的词语库；该算法有三个特征值来进行新词的提取和解析，分别是自由度，出现频率，凝固程度，进行参数的调优，最终确定三个参数分别为：0，0.018，0.94。

3.如权利要求1所述的基于自然语义分析的用例提取方法，其特征在于，

对于生成的语料库进行“杂音”过滤，排除干扰词汇和不准确的词汇,得到的用例以及专业词汇集为：

T(US)＝{neology|neology∈{NN∪NV}}；

其中，NN为名词的集合，NV为动名词的集合，US为用例的集合；定义杂质的集合为：

D(NE)＝{dirty|dirty∈{NE∩PREPOSITION}}；

其中，NE为新词的集合，PREPOSITION为介词的集合；通过ANSJ工具中的词性分析功能，通过扫描语料库并过滤掉介词短语和包含介词的词语。

4.如权利要求1所述的基于自然语义分析的用例提取方法，其特征在于，运用ANSJ对输入文本进行第一次分词，并标记出所有可能存在的用例及参与者,得到的用例以及专业词汇集为：

T(US)＝{neology|neology∈{NN∪NV}}；

针对该集合进行特征标识，用M来作为词性的结尾符号，那么该集合的定义就变为

T(US)＝{neology|neology∈{FALLOW(SE)}}；

即所有输入语句分词集合SE中以'M'作为词性后缀的词的集合。

5.如权利要求1所述的基于自然语义分析的用例提取方法，其特征在于，在分词的基础上，用Stanford parser工具进行该用例描述的主干提取。

6.如权利要求1所述的基于自然语义分析的用例提取方法，其特征在于，针对于提取出来的句子主干，进行最终用例的提取，采用5种模型来涵盖大部分可能出现的语法结构：

对于第一种模型，主谓宾已经很明确了，但是分为两种情况：

v前的所有名词的组合可以看作是一个新的主语，而v后面的所有名词的组合为宾语，但是如果该宾语没有被标记出来，则认为是无效宾语；对于新的主语我们应该建立一个新的父节点，宾语为该父节点的子节点；

v前面为代词，则认为当前的宾语属于当前父节点；

对于第二种模型，v前是主语，但是没有宾语存在，对于新的主语我们应该建立一个新的父节点；

对于第三种模型，不存在主语，但存在一个宾语，则认为该宾语属于前一个主语，为当前父节点生成一个子节点；

对于第四种模型，和第五种模型搭配出现并判断，因为在第五种模型中，该名词短语可能为主语，也可能为宾语，如果单独的动词后面出现一个动词短语，则认为该动词短语为当前主语的宾语，如果不存在单独的动词，则单独的名词为一个新的主语；

针对以上情形建立语义树，并实现算法，定义生成语义树的算法为accrete：

其中，createRoot为在文本输入时建立一个总的根节点，createChild(s)为为了宾语s建立一个树的子节点，并插入当前父节点；createFather(f)为建立一个新的主语f的父节点，并插入当前的树根；即：

createChild(s)＝currentFather.add(new treeNode(s))∶s∈{use case}；

createRoot＝new treeNode(root)∶words in；

在进行完语义树的建立后，通过对语义树的先序遍历，从而输出用例以及其参与者，定义遍历方法为traverse，

当树节点为叶子节点时输出用例，该用例都属于其父节点的参与者的；当遍历至父节点时，输出一个新的参与者，再进行其用例的遍历，直到所有节点都遍历一遍。