[发明专利]一种基于规则的知识点分类方法

权利要求书

1.一种基于规则的知识点分类方法，其特征在于：该基于规则的知识点分类方法的具体步骤如下：

S1：设置句子中每一个token的基本属性：一个英文句子由一系列单词排列而成，将每个单词称作为一个token，每个token都有一系列的属性进行描述，这些属性的集合构成了这个token；

Token的基本属性包括：raw为原始字面、lower为原始字面小写形式、lemma为词根、pos为一种词性、upos为另一种词性、rel为在依存关系树中的依赖关系、head为在依存关系树中的依赖token序号；

token还可以添加自定义属性；

为了使用这些属性来描述token，定义了TQL，其基本表达式如下所示：

{property_1＝value_1,property_2＝value_2}

当一个token存在property_1和property_2属性，且这些属性的值分别等于value_1和value_2时，称这个token匹配这个TQL：

match(TQL，token)＝true；

当需要某个属性在多个取值中任意匹配一个时，可使用以下表达式：

{property_1＝v1|v2|v3}；

由于lemma是最常使用的属性，为了提供更好的可读性，因此可以将{lemma＝v1,p2＝v2}写成:

v1{p2＝v2}；

可以将多个TQL基本单元进行组合，组成更复杂的TQL，以描述一组token序列，当句子中包含某个token的任意序列匹配TQL时，称这个token匹配这个TQL；

S2：检查当前token是否符合Procondition条件，符合则进入下一步骤；

S3：为当前token计算并设置定义属性值；

S4：将当前token与知识点TQL进行匹配，若token匹配TQL，则认为当前token包含对应知识点。

2.根据权利要求1所述的一种基于规则的知识点分类方法，其特征在于：所述自定义属性包括时态类型、主语人称、句法类别、句型、复合句类型、连接词和比较级形式。

3.根据权利要求1所述的一种基于规则的知识点分类方法，其特征在于：所述TQL支持以下几种组合方式：线性组合模式、树状组合模式和混合组合模式。

4.根据权利要求3所述的一种基于规则的知识点分类方法，其特征在于：所述线性组合模式具体为：

{p_11＝v_11,p_12＝v_12}{p_21＝v_21,p_22＝v_22}；

在句子中，当某个包含token1和token2序列，分别匹配这两个表达式，且token1和token2相邻，且token1位于token2之前，则认为token1和token2均匹配这个TQL；

若允许token1和token2不相邻，则对应的TQL表达式为：

{p_11＝v_11,p_12＝v_12}...{p_21＝v_21,p_22＝v_22}；

其中，...表示两个token不必相邻。

5.根据权利要求3所述的一种基于规则的知识点分类方法，其特征在于：所述树状组合模式具体为：

若要求token2的head必须是token1,则对应的TQL表达式为：

{p_11＝v_11,p_12＝v_12}<-{p_21＝v_21,p_22＝v_22}；

其中，<-表示head依赖关系；

当表达式中的token有多个依赖时，你可以使用索引来表示其中的TQL单元；

{p_11＝v_11,p_12＝v_12}<-{p_21＝v_21,p_22＝v_22},@0<-{p_31＝v_31}；

其中，@0指代{p_11＝v_11,p_12＝v_12}所匹配的token。

6.根据权利要求3所述的一种基于规则的知识点分类方法，其特征在于：所述混合组合模式具体为：

需要混合使用线性模式和树状模式，对应的表达式如下所示：

{p_11＝v_11,p_12＝v_12}<-({p_21＝v_21,p_22＝v_22}{p_31＝v_31})；

其中，()内的TQL表示线性组合模式。