[发明专利]一种基于历史信息的自然语言层次句法分析方法

权利要求书

1.一种基于历史信息的自然语言层次句法分析方法，其特征在于：对已完成分词的句子，首先将各个词看成是初始组块，采用分层方式，根据上下文信息进行组块识别，将可以组合的组块构成新的组块，获得中间结果，对中间结果重复根据上下文信息进行组块识别及组合，直至只包含一个组块为止，该组块为句法树的根结点，由此获得表达自然语言的句法树。

2.根据权利要求1所述的自然语言层次句法分析方法，其特征在于：所述组块识别及组合的方法是，采用BIESO标记方法，对某一组块类别X，B-X表示开始新的组块X，I-X表示合并至前一组块，E-X表示结束前一组块，S-X表示单独构成组块X，O表示保持不变，根据句法分析的特征模板结合上下文特征，通过训练过程和分析过程，采用分类器实现组块的识别和组合。

3.根据权利要求2所述的自然语言层次句法分析方法，其特征在于：所述句法分析的特征模板包括：

cons(n)：第n棵树的中心词、成分标记以及决策标记的联合信息，当n≥0时，决策标记省略；

cons(n^＊)：第n棵树的中心词的词性、成分标记以及决策标记的联合信息，当n≥0时，决策标记省略；

cons(n^＊＊)：第n棵树的成分标记以及决策标记的联合信息，当n≥0时，决策标记省略；

所述上下文特征包括下列5类：

第1类：cons(n)，cons(n^＊)，cons(n^＊＊)，其中-2≤n≤3共18个；

第2类：cons(m，n)，cons(m^＊，n)，cons(m，n^＊)，cons(m^＊，n^＊)，cons(m^＊＊，n)，cons(m^＊＊，n^＊)，cons(m^＊，n^＊＊)，cons(m，n^＊＊)，cons(m^＊＊，n^＊＊)，其中(m，n)＝(-1，0)or(0，1)共18个；

第3类：cons(0，m，n)，cons(0，m^＊，n^＊)，cons(0，m^＊，n)，cons(0，m，n^＊)，cons(0^＊，m^＊，n^＊)，(m，n)＝(1，2)，(-2，-1)or(-1，1)，and cons(1，2，3)，cons(1^＊，2^＊，3^＊)，cons(1^＊＊，2^＊＊，3^＊＊)，cons(2^＊，3^＊，4^＊)，cons(2^＊＊，3^＊＊，4^＊＊)共20个；

第4类：cons(0，1，2，3)，cons(0，1^＊，2^＊，3^＊)，cons(0^＊，1^＊，2^＊，3^＊)，cons(1^＊，2^＊，3^＊，4^＊)，cons(1^＊＊，2^＊＊，3^＊＊，4^＊＊)共5个；

第5类：cons(0^＊，1^＊，2^＊，3^＊，4^＊)，cons(0^＊＊，1^＊＊，2^＊＊，3^＊＊，4^＊＊)共2个。