一種多動詞漢語概念復(fù)合塊的動詞層次分類的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于中文信息處理技術(shù)領(lǐng)域，具體設(shè)及一種多動詞漢語概念復(fù)合塊的動詞 層次分類的方法。
【背景技術(shù)】
[0002] 句法分析是自然語言深層次處理的關(guān)鍵問題，目前漢語句子的完全句法分析仍處 于初級階段，作為完全句法分析的中間步驟而提出的組塊分析成為了現(xiàn)階段的研究重點(diǎn)。
[0003] 漢語塊的研究經(jīng)歷了一個逐步發(fā)展的過程，起初側(cè)重于對基本名詞、介詞短語等 的研究。隨著語料庫的發(fā)展，研究者們提出了各自不同的塊描述體系?，F(xiàn)階段的分析與研究 只關(guān)注句子中相對較簡單、功能相對重要的成分，作為詞法分析與完全句法分析的一個中 間步驟，對于漢語句子中的多動詞句子，并列句式W及定語從句，同樣需要加 W考慮。漢語 句子由充當(dāng)主語、謂語、賓語、狀語、補(bǔ)語等成分的內(nèi)容構(gòu)成。多動詞句子是指在一個漢語描 述句子中，包含的動詞個數(shù)不少于兩個，對于結(jié)構(gòu)和句式簡單的句子，現(xiàn)有的組塊分析器的 功能已經(jīng)可W相對準(zhǔn)確的分析出不同成分的詞與詞之間的關(guān)系。但是句子較長，句式結(jié)構(gòu) 復(fù)雜，包含內(nèi)容豐富的漢語句子，現(xiàn)階段的塊分析器對其處理效果并不理想。而在漢語句子 中，包含兩個及兩個W上動詞的句子占了較大比重，對其進(jìn)行更深層次的分析與處理已成 為句法分析處理的關(guān)鍵。
[0004] 概念復(fù)合塊是眾多組塊描述體系中的一種，在對其研究與分析的基礎(chǔ)上發(fā)現(xiàn)，現(xiàn) 階段的針對概念復(fù)合塊的組塊分析器在對包含多個動詞的句子進(jìn)行分析處理時，其錯誤主 要存在于各個成分間的邊界識別不準(zhǔn)確，如原屬于主語部分的詞語被劃分到謂語或狀語成 分中，原屬于賓語的內(nèi)容被劃分到謂語部分等，由于運(yùn)類情況的存在導(dǎo)致了層次分析錯誤。

【發(fā)明內(nèi)容】

[0005] 針對上述現(xiàn)有技術(shù)中存在的問題，本發(fā)明的目的在于提供一種可避免出現(xiàn)上述技 術(shù)缺陷的多動詞漢語概念復(fù)合塊的動詞層次分類的方法。
[0006] 為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用的技術(shù)方案如下：
[0007] -種多動詞漢語概念復(fù)合塊的動詞層次分類的方法，包括W下步驟：
[0008] 步驟1)對漢語句子進(jìn)行詞語切分和詞性標(biāo)記；
[0009] 步驟2) W標(biāo)點(diǎn)為分割，將所述句子分割為小句；
[0010] 步驟3) W所述小句為單位，根據(jù)動詞及詞類間的特征，將所述小句中的多個動詞 進(jìn)行層次劃分；
[0011] 步驟4)確定所述小句中的動詞是處于同一層次還是不同層次，從而將動詞分為處 于同一層次和處于不同層次的兩類動詞；
[0012] 步驟5)利用改進(jìn)的CCC分析器對動詞進(jìn)行分析；
[0013] 步驟6)針對多動詞的小句進(jìn)行分析直到隊(duì)列元素為空為止。
[0014] 進(jìn)一步地，所述步驟2)中的標(biāo)點(diǎn)為句號、問號和感嘆號。
[0015] 進(jìn)一步地，所述小句的定義為:在一個包含句號、問號、感嘆號等結(jié)點(diǎn)符號的漢語 句子中，由其內(nèi)部的各個非結(jié)點(diǎn)標(biāo)點(diǎn)符號隔開的句子。
[0016] 進(jìn)一步地，所述同一層次的定義為:一個包含多動詞的句子中，若動詞出現(xiàn)在同一 個成分塊中，則認(rèn)為運(yùn)些動詞處于同一層次。
[0017] 進(jìn)一步地，所述不同層次的定義為:一個包含多動詞的句子中，若各個動詞處于不 同的成分塊中，則認(rèn)為各個動詞屬于不同層次。
[0018] 進(jìn)一步地，所述改進(jìn)的CCC分析器W基本的"移進(jìn)-歸約"模型為實(shí)現(xiàn)概念復(fù)合塊的 分析器的基礎(chǔ)，并將針對于多動詞的分析處理模塊結(jié)合起來形成的。
[0019] 本發(fā)明提供的多動詞漢語概念復(fù)合塊的動詞層次分類的方法，可W減少因動詞的 層次分析錯誤而導(dǎo)致的句子整體層次錯誤，從而提高組塊分析的準(zhǔn)確性，為后續(xù)進(jìn)行復(fù)雜 句的句法語義分析打下了很好的基礎(chǔ)，可W很好地滿足實(shí)際應(yīng)用的需要。
【附圖說明】
[0020] 圖1為本發(fā)明的流程圖；
[0021 ]圖2為例句的拓?fù)浣Y(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0022] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，下面結(jié)合附圖和具體實(shí)施 例對本發(fā)明做進(jìn)一步說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用W解釋本發(fā)明，并不用 于限定本發(fā)明。
[0023] 如圖1所示，一種多動詞漢語概念復(fù)合塊的動詞層次分類的方法，包括W下步驟：
[0024] 步驟1)對漢語句子進(jìn)行詞語切分和詞性標(biāo)記；
[0025] 步驟2) W標(biāo)點(diǎn)為分割，將所述句子分割為小句；
[0026] 步驟3) W所述小句為單位，根據(jù)動詞及詞類間的特征，將所述小句中的多個動詞 進(jìn)行層次劃分；
[0027] 步驟4)確定所述小句中的動詞是處于同一層次還是不同層次，從而將動詞分為處 于同一層次和處于不同層次的兩類動詞；
[00%]步驟5)利用改進(jìn)的CCC分析器對動詞進(jìn)行分析；
[0029] 步驟6)針對多動詞的小句進(jìn)行分析直到隊(duì)列元素為空為止。
[0030] 具體地：
[0031 ] 概念復(fù)合塊(Conc邱t Compound Qiunk,CCC)是由2個或兩個W上的詞語按照一定 的關(guān)聯(lián)關(guān)系組合形成的信息描述單位。CCC的自動分析過程為，輸入已經(jīng)過詞語切分和詞性 標(biāo)注的句子，目標(biāo)是自動分析出其中的不同實(shí)義詞和功能詞組合形成的概念復(fù)合塊。CCC的 定義與已有的組塊分析有較大的區(qū)別，每個CCC由成分和關(guān)系標(biāo)記描述其外部句法功能和 內(nèi)部組合關(guān)系，將句子切分成可W充當(dāng)主、謂、賓語等成分，同時對塊的內(nèi)部給出完整的組 織結(jié)構(gòu)，并W二叉樹的形式表示。針對W下的原始句子：中國是多民族國家，中華民族是50 多個民族的總稱。
[0032] 按照CCC描述體系，該句子被標(biāo)注為：
[0033] ?中國/nS 是/v[叩-AH[np-AH 多/a 民族/n]國家/n]，/wP[np-AH 中華/nR 民 族/n]是/v[叩-AH[np-CO[叩-AH[mp-AH[mba;r-XX 50/m 多/m]個/qN]民族/n]的/uJDE]總 稱/n]a/wE
[0034] 每個CCC由成分和關(guān)系類型標(biāo)記描述其外部句法功能和內(nèi)部組合關(guān)系，為簡化描 述，采用二叉結(jié)構(gòu)樹標(biāo)注。CCC的最外層的邊界劃分將句子分割成可W充當(dāng)主、謂、賓語成 分，同時對塊內(nèi)部的結(jié)構(gòu)進(jìn)行了完整表示，上述例句的拓?fù)浣Y(jié)構(gòu)如圖2所示。
[0035] 多動詞漢語概念復(fù)合塊是指句子中包含的動詞個數(shù)大于1個，其構(gòu)成規(guī)則與一般 的句子也有所不同。例如原始句子:從而遭到來自多方面的砰擊。
[0036] 按照CCC描述體系，該句子應(yīng)標(biāo)注為：
[0037] ?從而/c遭到/v[噸-A叫噸-C0[vp-肥來自/v[噸-AH多/m方面/n]]的/uJDE]砰 擊/vN]o/VE
[0038] 按照CCC描述體系，動詞間的組合關(guān)系可分為如下幾類：
[0039] 類別1:動詞+賓語：典型的謂賓結(jié)構(gòu)句式，如"我/rNP是/v[np-AH中國/nS人/ n]d/wE"
[0040] 類別2:名詞+動詞：構(gòu)成意思表達(dá)完整的句子或小句內(nèi)容，如"全面/aD貫徹/v[np-AH-EC22[噸-C0[dj-CH 會議/n 提出/v]的AiJDE][噸-AH 各項(xiàng)/rN 任務(wù)/n]]"
[0041] 類別3:動詞+動詞/形容詞：構(gòu)成典型的述結(jié)式，述趨式，表達(dá)一個動作的結(jié)果或者 一個動作的趨向性，如"不/dN是/v因?yàn)?c[np-AH[np-C0我/rNP的AiJDE]屯、/n][vp-DJ 變/v 軟/a] 了/ye/wE"、"[vp-HA設(shè)及/v 到/v][np-AH 許多/m 方面/n]"
[0042] 類別4:動詞+賓語+動詞+賓語:構(gòu)成動賓動賓式連續(xù)結(jié)構(gòu)，如兼語動詞或者連謂表 達(dá)形式，由兩個動詞共同形成動作或者動作發(fā)生的順序。如"[vp-LW[ vp-HC動用/V [噸-AH [np-AH 省長/n 基金/n][mp-AH 200萬/m 元/qN]]][vp-FH W/c[vp-HC 解決/v[叩-AH [np-CO[np-AH該/;r項(xiàng)目/n]的/uJDE]急需/vN]]]]。/wE"、"[vp-HC使/v[噸-AH壯麗/a青 春/n][vp-AH得W/vM延續(xù)/v]]"W上四個類別涵蓋了單個或多個動詞的構(gòu)成規(guī)則。
[0043] 在漢語句子中，標(biāo)點(diǎn)符號對句子的表述起著附加說明W及間隔的作用，同樣，在 CCC組塊分析中，W標(biāo)點(diǎn)為分割，將句子分割為小句進(jìn)行具體分析。
[0044] CCC的分析工作包括CCC邊界界定和CCC的成分和關(guān)系標(biāo)記類型識別。與通常的組 塊分析方法不同，概念復(fù)合塊側(cè)重于句子內(nèi)部的詳細(xì)信息，需給出塊內(nèi)部的完整結(jié)構(gòu)，常見 的其他類型的組塊分析器不能滿足對概念復(fù)合塊的分析需求。與完全句法分析相比，概念 復(fù)合塊的分析更關(guān)注于局部語境，描述性更強(qiáng)，確定性更好，因而本發(fā)明W基本的"移進(jìn)--歸約（SMff-Reduce，SRr模型為實(shí)現(xiàn)概念復(fù)合塊的分析器(SR CCC Parser)的基礎(chǔ)，并將 針對于多動詞的分析處理模塊結(jié)合起來，形成改進(jìn)的CCC分析器（ISR CCC化rser)，稱為 Improve-Shift-Reduce,本發(fā)明簡稱ISR，該模型不但能適應(yīng)概念復(fù)合塊的局部語境組合分 析特點(diǎn)，容易訓(xùn)練，且其包含了對復(fù)雜句中的多動詞類型句子的分析處理模塊，適應(yīng)性更 強(qiáng)，與全局尋優(yōu)的算法相比，該組合方法分析速度快，更能適應(yīng)漢語句子復(fù)雜應(yīng)用中的分析 需求。
[0045] SR CCC化rser在對包含多個動詞的句子進(jìn)行分析處理時，其錯誤主要存在于各 個成分間的邊界識別不準(zhǔn)確，如原屬于主語部分的詞語被劃分到謂語或狀語成分中，原屬 于賓語的內(nèi)容被劃分到謂語部分等，并因此導(dǎo)致層次分析錯誤。在句子成分識別過程中，一 個重要的特征就是小句的動詞所處位置的確定，在包含多個動詞的小句中，動詞所處成分 的位置確定成為了關(guān)鍵所在。如本發(fā)明第2節(jié)提到的原始句子:從而遭到來自多方面的砰 山O
[0046] SR CCC化rser分析結(jié)果為：