[发明专利]一种基于多种中文知识资源的中文词语语义关系识别方法和装置

说明书

本发明公开了一种基于多种中文知识资源的中文词语语义关系识别方法和装置。方法包括：结合多种中文知识资源获取反义词集合，根据反义词集合判定词语间语义关系是否具有反义关系；使用多种中文知识资源提取部分词集合，根据部分词集合判定词语间是否具有整体部分关系；利用多种中文知识资源提取同义词集合，基于同义词集合判定词语间是否具有同义关系；借助于多种中文知识资源提取下位词集合，根据下位词集合判定词语间是否具有上下位关系。利用本发明，可以充分发挥多种中文知识资源的作用，更准确有效地识别中文词语语义关系。

技术领域

本发明涉及自然语言处理技术领域，具体涉及一种基于多种中文知识资源的中文词语语义关系识别方法和装置。

背景技术

语义关系识别是指给定词语对自动判定词语间所具有的语义关系。典型的语义关系包括：反义关系、整体部分关系、同义关系、上下位关系等。语义关系识别是自然语言处理领域的基础性任务，对词义消歧、知识本体构建、机器翻译、信息检索、文本分类等具有直接影响。

当前大多数语义关系识别研究工作主要针对英文，通常基于一种或多种知识资源，利用支持向量机、贝叶斯分类器等统计学习的方法完成英文语义关系的分类或识别任务，取得了较好的效果。在中文语义关系识别方面的研究工作相对较少，多数相关工作通常采用某一种知识资源，借助于统计学习方法来进行语义关系的识别。现有的研究工作只采用某一种知识资源，而忽略了对其它语言知识资源的挖掘利用；统计学习方法难免受到标注语料的规模的制约，准确率也难以保证。随着各类语言知识资源的建设和完善，这些资源互为补充，为语义关系的识别提供了更可靠的知识。

面对中文词语语义关系识别所存在的以上技术问题，本发明专利充分挖掘多种知识资源的内在语义关系，实现一种基于多种中文知识资源的中文词语语义关系识别方法和装置，力求能够在一定程度上推动这些问题的解决。

发明内容

为解决现有技术存在的不足，本发明公开了一种基于多种中文知识资源的中文词语语义关系识别方法和装置，以更准确有效地判定中文词语间的语义关系。

为此，本发明提供如下技术方案：

一种基于多种中文知识资源的中文词语语义关系识别方法，包括以下步骤：

步骤一、结合多种中文知识资源获取反义词集合，根据反义词集合判定词语间语义关系是否具有反义关系；

步骤二、使用多种中文知识资源提取部分词集合，根据部分词集合判定词语间是否具有整体部分关系；

步骤三、利用多种中文知识资源提取同义词集合，基于同义词集合判定词语间是否具有同义关系；

步骤四、借助于多种中文知识资源提取下位词集合，根据下位词集合判定词语间是否具有上下位关系；

进一步的，所述步骤一中，在判定反义语义关系时，具体为：

步骤1-1)利用HowNet中显式定义的反义关系，对给定词语A和B进行词语A的反义词集合ASET_A提取操作，如果B∈ASET_A，那么两词语存在反义关系，否则转步骤1-2)，另外HowNet中定义的对义关系也作为一种反义关系处理；

步骤1-2)使用百度汉语提取给定词语A的反义词集合ASET_A，利用哈工大同义词词林扩展版提取词语A的同义词集合SSET_A，对于每个词语W∈SSET_A提取其反义词并合并到ASET_A，如果词语B∈ASET_A，则词语A和B存在反义关系，否则转步骤1-3)；

步骤1-3)使用百度百科提取词语A的反义词集合ASET_A，如果词语B∈ASET_A，则两词语存在反义关系，否则转步骤2-1)。