[发明专利]一种基于依存关系的“是”字句关系抽取方法和装置

说明书

本发明提供一种基于依存关系的“是”字句关系抽取方法和装置，涉及命名实体识别、依存句法分析、文本复述、关系抽取等领域。本发明中基于依存关系的“是”字句关系抽取方法，主要包括以下步骤：S1：删除谓词“是”后进行依存句法分析；S2：替换谓词“是”后进行依存句法分析；S3：颠倒谓词“是”字前后子句位置；S4：根据谓词“是”字简化原始句子；S5：根据实体间的传递依存关系抽取关系三元组。本发明理论基础是对已处理“是”字句进行依存句法分析，可以呈现实体间的传递依存关系，从而得到描述实体间语义关系的三元组。本发明属于适用于“是”字句的专用关系抽取方法和装置，比通用关系抽取方法和装置具有较高的效率和准确性。

技术领域

本发明涉及命名实体识别、依存句法分析、文本复述、关系抽取等技术领域，尤其涉及一种基于依存关系的“是”字句关系抽取方法和装置。

背景技术

关系是描述实体对之间语义联系的三元组，其形式是(A，α，B)，其中A、B是实体，α是实体间的语义联系。关系大量存在于自然文本中，例如：句子“M国总统K来到C国”中包含关系(M国，总统，K)和(K，来到，C国)。关系抽取是信息抽取领域的重要研究内容，可以建立不同实体间的依赖类型，将非结构化文本转化为结构化或半结构化知识，形成由知识构成的关系网络，用于智能问答、语义搜索、社团发现等智能型服务。

“是”字句是现代汉语中一种特殊句式，也叫判断句，是由表示判断的动词“是”和它的宾语组成的动宾短语作谓语的句子。在“是”字句里，动词“是”和宾语没有直接的语义搭配关系，“是”的作用是表示判断的性质，联结主语和宾语，表示主语和宾语之间具有同一关系或从属关系。例如：(1)某市是我国的首都；(2)自学是我们当今造就人才的一条重要途径。

“是”字句是现代汉语中使用频率相对较高的一种特殊句式，在媒体中占有的比例曾经高达20％，是语言学的研究重点，也是关系抽取的重要语料。

目前，常用的关系抽取方法包括：规则模板法、依存分析法、机器学习法，它们属于适用于所有语料的通用方法，普适性很好，可以抽取出“是”字句中存在的关系。但是，这些方法没有考虑“是”字句结构特点，存在抽取效率低、准确性差等问题。

所以，需要根据“是”字句的结构特点，开发专用的关系抽取方法和装置，提高抽取效率和准确性。

发明内容

为了解决以上技术问题，本发明提供了一种基于依存关系的“是”字句关系抽取方法，解决当前通用型关系抽取方法处理“是”字句语料时存在的效率低下、准确性差等问题，提高关系抽取的效果。

本发明的技术方案是：

一种基于依存关系的“是”字句关系抽取方法，包括以下步骤：

S1：初始化原始句子是否已简化标识isSimplified＝false、“是”字前后子句位置是否已颠倒标识isReversed＝false；

S2：删除谓词“是”后进行依存句法分析；

S3：判断删除谓词“是”后实体之间是否存在传递依存关系，如果不存在转S4，否则转SB；

S4：替换谓词“是”后进行依存句法分析；

S5：判断替换谓词“是”后实体之间是否存在传递依存关系，如果不存在转S6，否则转SB；

S6：如果isReversed＝＝false，那么转S7，否则转S8；

S7：颠倒谓词“是”字的前后子句的位置，isReversed＝true，转S2；

S8：如果isSimplified＝＝false，那么转S9，否则转SC；

S9：根据谓词“是”字简化原始句子；