本發(fā)明涉及語句識別
技術(shù)領(lǐng)域：
，特別涉及一種語句識別方法與系統(tǒng)。
背景技術(shù)：
：眾所周知的，在職場求職的過程中，簡歷被公認(rèn)為求職成功的“敲門磚”。具體的，簡歷就是對個(gè)人學(xué)歷、經(jīng)歷、特長、愛好及獲獎情況等所作的簡明扼要的書面介紹，是一種有針對性的自我介紹的規(guī)范化、邏輯化的書面表達(dá)。一般的，在簡歷的篩選過程中，常常需要對簡歷進(jìn)行整體評分，而進(jìn)行評分時(shí)求職者的獲獎情況是一個(gè)十分重要的評分指標(biāo)。在對求職者的獲獎情況進(jìn)行評估時(shí)，首先需要從簡歷語句中提取對應(yīng)的參賽名稱(例如，在“2014年參加全國節(jié)能減排大賽并贏得校級三等獎”中“全國節(jié)能減排大賽”即為參賽名稱)，在提取了對應(yīng)的參賽名稱之后再對參賽名稱進(jìn)行具體評估以得到最終評分。因此，如何有效地對參賽名稱進(jìn)行提取成為了一個(gè)較為重要的前置條件。一般的，現(xiàn)有的從簡歷中提取參賽名稱主要通過人工提取的方式進(jìn)行，但是此方法僅適用于數(shù)據(jù)工作量較小的情況，當(dāng)所需要處理的簡歷量非常大時(shí)，通過人工提取參賽名稱的方法無疑費(fèi)時(shí)費(fèi)力，尤其在當(dāng)前大數(shù)據(jù)的環(huán)境下，無法滿足實(shí)際應(yīng)用需求。技術(shù)實(shí)現(xiàn)要素：基于此，本發(fā)明的目的在于提出一種新型的語句識別方法與系統(tǒng)，可同時(shí)對大量簡歷中的參賽名稱進(jìn)行準(zhǔn)確識別并提取，在很大程度上提高了數(shù)據(jù)處理效率，滿足了實(shí)際應(yīng)用需求。本發(fā)明提出一種語句識別方法，其中，所述方法包括如下步驟：對一待識別語句進(jìn)行依存分析以得到與所述待識別語句相對應(yīng)的依存句法樹；在所述依存句法樹中查找預(yù)定詞語的具體位置信息，根據(jù)所述具體位置信息確定包含所述預(yù)定詞語的依存子樹；在所述依存子樹中獲取所有的非時(shí)間性短語以得到比賽名稱。所述語句識別方法，其中，所述在所述依存子樹中獲取所有的非時(shí)間性短語以得到比賽名稱的步驟包括：通過正則表達(dá)式檢驗(yàn)所述依存子樹中是否存在時(shí)間性短語；若存在，則通過所述正則表達(dá)式將所述依存子樹中的所述時(shí)間性短語進(jìn)行刪除；在刪除了所述時(shí)間性短語之后的所述依存子樹中獲取所有的所述非時(shí)間性短語以得到所述比賽名稱。所述語句識別方法，其中，在所述依存子樹中獲取所有的非時(shí)間性短語以得到比賽名稱的步驟之后，所述方法還包括:在所述比賽名稱中獲取區(qū)域性短語，根據(jù)所述區(qū)域性短語確定區(qū)域等級；根據(jù)所述區(qū)域等級在預(yù)設(shè)評分?jǐn)?shù)據(jù)庫中確認(rèn)與所述區(qū)域等級相對應(yīng)的等級評分。所述語句識別方法，其中，在根據(jù)所述區(qū)域等級在預(yù)設(shè)評分?jǐn)?shù)據(jù)庫中確認(rèn)與所述區(qū)域等級相對應(yīng)的等級評分之后，所述方法還包括：將多個(gè)簡歷根據(jù)其對應(yīng)的所述等級評分按照降序的方式進(jìn)行排列。所述語句識別方法，其中，在所述依存子樹中獲取所有的非時(shí)間性短語以得到比賽名稱的步驟之后，所述方法還包括:在所述比賽名稱中獲取比賽主題短語，根據(jù)所述比賽主題短語確定對應(yīng)的比賽類型；將與所述比賽類型一一對應(yīng)的簡歷劃分到對應(yīng)的簡歷分區(qū)中。本發(fā)明還提出一種語句識別系統(tǒng)，其中，所述系統(tǒng)包括：依存分析模塊，用于對一待識別語句進(jìn)行依存分析以得到與所述待識別語句相對應(yīng)的依存句法樹；查找確定模塊，用于在所述依存句法樹中查找預(yù)定詞語的具體位置信息，根據(jù)所述具體位置信息確定包含所述預(yù)定詞語的依存子樹；名稱獲取模塊，用于在所述依存子樹中獲取所有的非時(shí)間性短語以得到比賽名稱。所述語句識別系統(tǒng)，其中，所述名稱獲取模塊包括：短語檢驗(yàn)單元，用于通過正則表達(dá)式檢驗(yàn)所述依存子樹中是否存在時(shí)間性短語；短語刪除單元，用于若存在所述時(shí)間性短語，則通過所述正則表達(dá)式將所述依存子樹中的所述時(shí)間性短語進(jìn)行刪除；名稱獲取單元，用于在刪除了所述時(shí)間性短語之后的所述依存子樹中獲取所有的所述非時(shí)間性短語以得到所述比賽名稱。所述語句識別系統(tǒng)，其中，所述系統(tǒng)還包括等級評分模塊，所述等級評分模塊包括：區(qū)域劃分單元，用于在所述比賽名稱中獲取區(qū)域性短語，根據(jù)所述區(qū)域性短語確定區(qū)域等級；等級評分單元，用于根據(jù)所述區(qū)域等級在預(yù)設(shè)評分?jǐn)?shù)據(jù)庫中確認(rèn)與所述區(qū)域等級相對應(yīng)的等級評分。所述語句識別系統(tǒng)，其中，所述系統(tǒng)還包括一等級排序模塊，所述等級排序模塊用于將多個(gè)簡歷根據(jù)其對應(yīng)的所述等級評分按照降序的方式進(jìn)行排列。所述語句識別系統(tǒng)，其中，所述系統(tǒng)還包括一簡歷分區(qū)模塊，所述簡歷分區(qū)模塊包括：類型確定單元，用于在所述比賽名稱中獲取比賽主題短語，根據(jù)所述比賽主題短語確定對應(yīng)的比賽類型；簡歷分區(qū)單元，用于將與所述比賽類型一一對應(yīng)的簡歷劃分到對應(yīng)的簡歷分區(qū)中。本發(fā)明提出的語句識別方法與系統(tǒng)，在實(shí)際應(yīng)用中先對一待識別語句進(jìn)行依存分析得到依存句法樹之后，再在該依存句法樹中確定預(yù)定詞語所在的依存子樹，最后從該依存子樹中提取對應(yīng)的比賽名稱。本發(fā)明提出的語句識別方法與系統(tǒng)，可同時(shí)對大量簡歷中的參賽名稱進(jìn)行準(zhǔn)確識別與提取，在很大程度上提高了數(shù)據(jù)處理效率，滿足了實(shí)際應(yīng)用需求。本發(fā)明的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。附圖說明圖1為本發(fā)明第一實(shí)施例提出的語句識別方法的原理框圖；圖2為本發(fā)明第二實(shí)施例提出的語句識別方法的流程示意圖；圖3為本發(fā)明第二實(shí)施例提出的語句識別方法中依存句法樹的結(jié)構(gòu)示意圖；圖4為圖3所示的依存句法樹中依存子樹的結(jié)構(gòu)示意圖；圖5為本發(fā)明第三實(shí)施例提出的語句識別系統(tǒng)的結(jié)構(gòu)示意圖。具體實(shí)施方式為了便于理解本發(fā)明，下面將參照相關(guān)附圖對本發(fā)明進(jìn)行更全面的描述。附圖中給出了本發(fā)明的首選實(shí)施例。但是，本發(fā)明可以以許多不同的形式來實(shí)現(xiàn)，并不限于本文所描述的實(shí)施例。相反地，提供這些實(shí)施例的目的是使對本發(fā)明的公開內(nèi)容更加透徹全面。除非另有定義，本文所使用的所有的技術(shù)和科學(xué)術(shù)語與屬于本發(fā)明的
技術(shù)領(lǐng)域：
的技術(shù)人員通常理解的含義相同。本文中在本發(fā)明的說明書中所使用的術(shù)語只是為了描述具體的實(shí)施例的目的，不是旨在于限制本發(fā)明。本文所使用的術(shù)語“及/或”包括一個(gè)或多個(gè)相關(guān)的所列項(xiàng)目的任意的和所有的組合。請參閱圖1，對于本發(fā)明第一實(shí)施例中的語句識別方法，用于從一語句中識別出比賽名稱，所述方法包括如下步驟：s101，對一待識別語句進(jìn)行依存分析以得到與所述待識別語句相對應(yīng)的依存句法樹。具體的，在簡歷的篩查工作中，有很多的待識別語句需要進(jìn)行判斷篩查以便從中提取比賽名稱。在本實(shí)施例中，選用ltp云(其中該ltp云為哈工大社會計(jì)算與信息檢索研究中心研發(fā)的語言技術(shù)平臺)對一待識別語句進(jìn)行依存分析以得到一依存句法樹，然后以云api的方式得到請求結(jié)果。在進(jìn)行依存分析時(shí)，主要是分析語句中單個(gè)詞匯之間的相互依存關(guān)系并揭示其對應(yīng)的句法結(jié)構(gòu)。一般的，依存關(guān)系包括多種類型，例如：“紅蘋果”中“紅”和“蘋果”為定中關(guān)系(att)；“大山和大海”中“大山”和“大?！睘椴⒘嘘P(guān)系(coo)；“我送她一束花”中“我”和“送”為主謂關(guān)系(sbv)，“送”和“花”是動賓關(guān)系(vob)，“送”和“她”為間賓關(guān)系(iob)；“他什么書都讀”中“書”和“讀”為前置賓語關(guān)系(fob)；“非常美麗”中“非?！焙汀懊利悺睘闋钪嘘P(guān)系(adv)；“做完了作業(yè)”中“做”和“完”為動補(bǔ)關(guān)系(cmp)；“在貿(mào)易區(qū)內(nèi)”中“在”和“內(nèi)”為介賓關(guān)系(pob)以及指代整個(gè)句子的核心的核心關(guān)系(hed)。例如，在上述ltp云中輸入的待識別語句為“2014.7.30第六屆全國大學(xué)生機(jī)械創(chuàng)新設(shè)計(jì)比賽一等獎”，然后通過ltp云進(jìn)行依存分析之后得到對應(yīng)的依存句法樹。s102，在所述依存句法樹中查找預(yù)定詞語的具體位置信息，根據(jù)所述具體位置信息確定包含所述預(yù)定詞語的依存子樹。對所述預(yù)定詞語而言，所述預(yù)定詞語可以為“賽”、“比賽”或“競賽”，在本實(shí)施例中，所述預(yù)定詞語為“比賽”。如上所述，在通過ltp云對上述待識別語句“2014.7.30第六屆全國大學(xué)生機(jī)械創(chuàng)新設(shè)計(jì)比賽一等獎”進(jìn)行依存分析得到對應(yīng)的依存句法樹之后，在該依存句法樹中查找“比賽”二字所在的具體位置，在確定了“比賽”二字的具體位置之后，根據(jù)該具體位置來確定其所對應(yīng)的依存子樹。在本實(shí)施例中，對應(yīng)的包含“比賽”二字的依存子樹為“第六屆全國大學(xué)生機(jī)械創(chuàng)新設(shè)計(jì)比賽”。s103，在所述依存子樹中獲取所有的非時(shí)間性短語以得到比賽名稱。在此需要說明的是，由于在上述依存子樹的提取確認(rèn)過程中，有可能存在提取不正確而導(dǎo)致最后得到的依存子樹中存在時(shí)間性短語，例如“2014/2/4”、“2015.6.7”。而上述時(shí)間性短語不應(yīng)該包括在比賽名稱中，因此需要對依存子樹中的時(shí)間性短語作刪除處理。具體的，在對上述時(shí)間性短語進(jìn)行刪除時(shí)，利用正則表達(dá)式對時(shí)間性短語進(jìn)行刪除。在本實(shí)施例中，正則表達(dá)式可以表達(dá)成如下形式：\d{1,4}[-|/|年|\.]\d{1,2}[-|/|月|\.]\d{1,2}([日|號])？然后通過該正則表達(dá)式將上述依存子樹中所夾雜的時(shí)間性短語(例如為“2014/2/4”)過濾掉，所得到的依存子樹即全部為非時(shí)間性短語，然后獲取該依存子樹中所有的非時(shí)間性短語即得到正確的比賽名稱為“第六屆全國大學(xué)生機(jī)械創(chuàng)新設(shè)計(jì)比賽”。請參閱圖2至圖4，對于第二實(shí)施例中的語句識別方法，首先，仍然通過ltp云(哈工大語言技術(shù)平臺)對一待識別語句進(jìn)行依存分析以得到對應(yīng)的依存句法樹。對依存句法樹而言，在依存句法樹中存在較多的依存關(guān)系，例如“紅蘋果”中“紅”和“蘋果”為定中關(guān)系(att)；“大山和大?！敝小按笊健焙汀按蠛！睘椴⒘嘘P(guān)系(coo)；“我送她一束花”中“我”和“送”為主謂關(guān)系(sbv)，“送”和“花”是動賓關(guān)系(vob)，“送”和“她”為間賓關(guān)系(iob)；“他什么書都讀”中“書”和“讀”為前置賓語關(guān)系(fob)；“非常美麗”中“非?！焙汀懊利悺睘闋钪嘘P(guān)系(adv)；“做完了作業(yè)”中“做”和“完”為動補(bǔ)關(guān)系(cmp)；“在貿(mào)易區(qū)內(nèi)”中“在”和“內(nèi)”為介賓關(guān)系(pob)以及指代整個(gè)句子的核心的核心關(guān)系(hed)。例如，當(dāng)待識別語句為“2014年2月參加亞洲大學(xué)生超級計(jì)算機(jī)競賽并獲得團(tuán)隊(duì)優(yōu)秀獎”時(shí)，根據(jù)上述ltp云經(jīng)依存分析后得到如圖3所示的依存句法樹。從圖3中可以看出:“2014年”與“2月”、“亞洲”與“大學(xué)生”、“超級”與“計(jì)算機(jī)”、“計(jì)算機(jī)”與“競賽”、“團(tuán)隊(duì)”與“優(yōu)秀獎”之間均為定中關(guān)系(att)；“2月”與“參加”、“并”與“獲得”之間均為狀中關(guān)系(adv)，“參加”與“競賽”、“獲得”與“優(yōu)秀獎”之間均為動賓關(guān)系(vob)；“參加”與“獲得”之間為并列關(guān)系(coo)，此外，對于該語句而言，“參加”為整個(gè)句子的核心，也即為整個(gè)句子的核心關(guān)系(hed)。在得到了上述依存句法樹之后，在該依存句法樹中查找包含“賽”字的具體位置，在本實(shí)施例中，查找的為“競賽”二字的具體位置。當(dāng)查找獲得了“競賽”二字的具體位置之后，然后根據(jù)該具體位置確定包含“競賽”二字的依存子樹。在此需要說明的是，由于在上述依存子樹的提取確認(rèn)過程中，有可能存在提取不正確而導(dǎo)致最后得到的依存子樹中存在時(shí)間性短語，例如“2014/2/4”、“2015.6.7”。而上述時(shí)間性短語不應(yīng)該包括在比賽名稱中，因此需要通過正則表達(dá)式先檢驗(yàn)所述依存子樹中是否存在時(shí)間性短語。若存在所述時(shí)間性短語，則通過所述正則表達(dá)式將所述依存子樹中的所述時(shí)間性短語進(jìn)行刪除，并在刪除了所述時(shí)間性短語之后的所述依存子樹中獲取所有的所述非時(shí)間性短語以得到所述比賽名稱；若不存在，則直接從該依存子樹中獲取正確的比賽名稱。具體的，在對上述時(shí)間性短語進(jìn)行刪除時(shí)，利用正則表達(dá)式對時(shí)間性短語進(jìn)行刪除。在本實(shí)施例中，正則表達(dá)式可以表達(dá)成如下形式：\d{1,4}[-|/|年|\.]\d{1,2}[-|/|月|\.]\d{1,2}([日|號])？然后通過該正則表達(dá)式將上述依存子樹中所夾雜的時(shí)間性短語(例如為“2015.6.7”)過濾掉，所得到的依存子樹即全部為非時(shí)間性短語，然后獲取該依存子樹中所有的非時(shí)間性短語即得到正確的比賽名稱為“亞洲大學(xué)生超級計(jì)算機(jī)競賽”(如圖4所示)。在此還需要說明的是，在獲得了正確的比賽名稱之后，為了更加準(zhǔn)確地根據(jù)比賽名稱的級別進(jìn)而對簡歷進(jìn)行評分，還需要在所述比賽名稱中獲取區(qū)域性短語(例如，常見的區(qū)域性短語為“全國”、“亞洲”、“廣州省”以及“重慶”等)，由于不同的區(qū)域級別直接決定了該比賽對應(yīng)的級別，因此在所述比賽名稱中獲取對應(yīng)的區(qū)域性短語，然后根據(jù)該區(qū)域性短語來確定對應(yīng)的區(qū)域等級。例如，當(dāng)獲取到的區(qū)域性短語為“全國”時(shí)，此時(shí)對應(yīng)的區(qū)域等級為一級，然后根據(jù)該確定的區(qū)域等級在預(yù)設(shè)評分?jǐn)?shù)據(jù)庫中查找與其該區(qū)域等級對應(yīng)的等級評分，該等級評分將直接影響著簡歷的評分。此外，由于不同的簡歷中所包含的比賽的等級是不同的，最終得到的評分也是不同的。為了在實(shí)際操作中能夠更加便捷地篩選評分更高的簡歷，以便選拔出更為優(yōu)秀的人才。在本實(shí)施例中，主要通過將所述簡歷根據(jù)其對應(yīng)的所述等級評分按照降序的方式進(jìn)行排列來實(shí)現(xiàn)。如此，操作人員可以一目了然地從上往下篩選符合要求的應(yīng)聘人才。最后還需要指出的是，由于求職者所學(xué)習(xí)專業(yè)以及興趣愛好的不同，所參加的比賽以及所獲得的獎項(xiàng)的類型自然也有所不同，例如，一部分應(yīng)聘者所學(xué)的專業(yè)為理工科專業(yè)，對應(yīng)獲得的獎項(xiàng)也為機(jī)械或計(jì)算機(jī)之類的獎項(xiàng)，而一部分應(yīng)聘者所學(xué)的專業(yè)為文史類專業(yè)，對應(yīng)獲得的獎項(xiàng)也為作文或書法之類的獎項(xiàng)等。因此在對簡歷進(jìn)行整理時(shí)，最好是能夠?qū)Σ煌愋偷暮啔v進(jìn)行正確地分類。針對于此，在本實(shí)施例中，在獲得了所述比賽名稱之后，在所述比賽名稱中獲取比賽主題短語(例如為“計(jì)算機(jī)應(yīng)用”、“機(jī)械設(shè)計(jì)”、“詩歌朗誦”或“書法”等)，然后根據(jù)所述比賽主題短語確定對應(yīng)的比賽類型。例如，當(dāng)獲取到的所述比賽主題短語為“機(jī)械設(shè)計(jì)”時(shí)，則確定該比賽類型為理工類競賽；當(dāng)獲取到的比賽主題短語為“詩歌朗誦”時(shí)，則確定該比賽類型為文史類競賽。在確定了對應(yīng)的比賽類型之后，將與所述比賽類型一一對應(yīng)的所述簡歷劃分到對應(yīng)的簡歷分區(qū)中?？梢酝浦模瑢τ谏鲜隼砉ゎ惛傎惢蛘呱鲜鑫氖奉惛傎惗?，在實(shí)際應(yīng)用中，還可以在其內(nèi)部進(jìn)一步進(jìn)行劃分，以便后期對簡歷實(shí)現(xiàn)更加精準(zhǔn)地管理。請參閱圖5，對于本發(fā)明第三實(shí)施例中的語句識別系統(tǒng)，用于從一語句中識別出比賽名稱，其中，所述系統(tǒng)包括依次連接的依存分析模塊、查找確定模塊、名稱獲取模塊、等級評分模塊以及等級降序模塊，其中所述依存分析模塊用于對一待識別語句進(jìn)行依存分析以得到與所述待識別語句相對應(yīng)的依存句法樹；所述查找確定模塊用于在所述依存句法樹中查找預(yù)定詞語的具體位置信息，根據(jù)所述具體位置信息確定包含所述預(yù)定詞語的依存子樹；所述名稱獲取模塊用于在所述依存子樹中獲取所有的非時(shí)間性短語以得到比賽名稱。對所述名稱獲取模塊而言，所述名稱獲取模塊包括依次連接的短語檢驗(yàn)單元、短語刪除單元以及名稱獲取單元，其中，所述短語檢驗(yàn)單元用于通過正則表達(dá)式檢驗(yàn)所述依存子樹中是否存在時(shí)間性短語；所述短語刪除單元用于若存在所述時(shí)間性短語，則通過所述正則表達(dá)式將所述依存子樹中的所述時(shí)間性短語進(jìn)行刪除；所述名稱獲取單元用于在刪除了所述時(shí)間性短語之后的所述依存子樹中獲取所有的所述非時(shí)間性短語以得到所述比賽名稱。對所述等級評分模塊而言，所述等級評分模塊包括相互連接的區(qū)域劃分單元以及等級評分單元，其中所述區(qū)域劃分單元用于在所述比賽名稱中獲取區(qū)域性短語，根據(jù)所述區(qū)域性短語確定區(qū)域等級；所述等級評分單元用于根據(jù)所述區(qū)域等級在預(yù)設(shè)評分?jǐn)?shù)據(jù)庫中確認(rèn)與所述區(qū)域等級相對應(yīng)的等級評分。此外，所述等級排序模塊用于將簡歷根據(jù)其對應(yīng)的所述等級評分按照降序的方式進(jìn)行排列。與此同時(shí)，與所述名稱獲取模塊相連的還有一簡歷分區(qū)模塊，所述簡歷分區(qū)模塊包括相互連接的類型確定單元以及簡歷分區(qū)單元，其中所述類型確定單元用于在所述比賽名稱中獲取比賽主題短語，根據(jù)所述比賽主題短語確定對應(yīng)的比賽類型；所述簡歷分區(qū)單元用于將與所述比賽類型一一對應(yīng)的簡歷劃分到對應(yīng)的簡歷分區(qū)中。本發(fā)明提出的語句識別方法與系統(tǒng)，在實(shí)際應(yīng)用中先對一待識別語句進(jìn)行依存分析得到依存句法樹之后，再在該依存句法樹中確定預(yù)定詞語所在的依存子樹，最后從該依存子樹中提取對應(yīng)的比賽名稱。本發(fā)明提出的語句識別方法與系統(tǒng)，可同時(shí)對大量簡歷中的參賽名稱進(jìn)行準(zhǔn)確識別與提取，在很大程度上提高了數(shù)據(jù)處理效率，滿足了實(shí)際應(yīng)用需求。本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成。所述的程序可以存儲于一計(jì)算機(jī)可讀取存儲介質(zhì)中。該程序在執(zhí)行時(shí)，包括上述方法所述的步驟。所述的存儲介質(zhì)，包括：rom/ram、磁碟、光盤等。以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。當(dāng)前第1頁12