[发明专利]用于实现浅层语法分析的方法及其设备

说明书

技术领域

本发明涉及自然语言处理的技术领域，具体来说，本发明涉及一种用于实现浅层语法分析的方法和设备。

背景技术

语法分析器是诸如文本搜索系统、机器翻译系统、信息提取系统等的与自然语言处理有关的系统中的一个重要部分。

语法分析器的任务是自动分析句子的语法结构，然后将句子翻译成结构化的语法树。

图1示出了由完全语法分析器所产生的语法分析结果。如图1所示，“S”表示开始符号，“N”表示名词，“VP”表示动词短语，“PP”表示介词短语，“P”表示介词以及“V”表示动词。完全语法分析器已经是本领域公知的。

目前，经典语法分析器(即，完全语法分析器)由于其精度和速度的原因而不适合用于实际系统。结果，一种新型的语法分析器(即，浅层语法分析器，其仅给出句子中的语项依存关系)变得越来越普遍，因为它的精度和速度比经典语法分析器好许多。

图2示出了语法分析器、完全语法分析器和浅层语法分析器的关系。如图2所示，还存在一种普遍使用的浅层语法分析器，它被称为关联浅层语法分析器。在本说明书中，我们关注于该关联浅层语法分析器。

在关联浅层语法分析器中，假设句子中的依存关系可以通过无环、平面、无向图来描述的关系来形成，其中，在所述无环、平面、无向图中通过图边(其被称为关联)来连接两个相关的语项。关联浅层语法分析器可以用于从给定句子的所有可能关系中找出最佳关系。

图3示出由关联浅层语法分析器所产生的分析结果。在图3中，“r”表示代词，“vg”表示动词词素，“a”表示形容词，“usde”表示它是助词、空格、副词和感叹语项，以及“ng”表示名词词素。如图3所示，语项(词节点)之间的弧代表关系，以及弧上的值代表关系的关系值，其中各个基本关系构成句子的关系。

在现有技术中，已经建立了统计模型，以便定义句子的最佳关系。基于该模型，句子的最佳关系是具有最大关系值的关系，所述关系值是基于词节点的统计基本关系值而被计算的。因此，用于实现关联浅层语法分析的方法可以被看作是一个找出具有最大关系值的关系的过程。

在现有技术中，已经提出了两种用于实现关联浅层语法分析的方法，这两种方法都不是令用户满意的。

Yuret，Deniz，May 1998，“Discovery of Linguistic Relations UsingLexical Attraction”，Ph.D.thesis，MIT，1998中公开了一种方法，该文章在此引入作为参考。Yuret的方法是精确的，但是具有很低的速度。

Jianfeng Gao，Jian-Yun Nie，Guangyuan Wu and Guihong Cao，2004，“Dependence Language Model for Information Retrieval”，inSIGIR-2004，July 25-29，2004，Sheffield South Yorkshire，UK，July25-29中公开了另一种方法，该文章在此引入作为参考。Gao的方法具有很高的速度，但是不精确，这意味着分析结果可能不是最佳的结果。

因此，期望提出一种新的技术来解决所述问题中的至少一个。

发明内容

本发明的一个目的是提供一种新的浅层语法分析方法和设备。

本发明的另一个目的是提供具有一定程度的精度的浅层语法分析方法和设备。

本发明的再一个目的是提供具有相对高的速度的浅层语法分析方法和设备。

根据本发明的第一方面，提供了一种用于实现浅层语法分析的方法，该方法包括：确定步骤，用于基于第一关系类型和第二关系类型来确定词节点集合的可能关系；计算步骤，用于计算所述可能关系中的每个关系的关系值；以及选择步骤，用于根据计算步骤中所计算的关系值来选择期望的关系。

根据本发明的第二方面，提供了一种用于实现浅层语法分析的设备，该设备包括：确定装置，用于基于第一关系类型和第二关系类型来确定词节点集合的可能关系；计算装置，用于计算所述可能关系中的每个关系的关系值；以及选择装置，用于根据计算装置中所计算的关系值来选择期望的关系。

通过以下参照附图对根据本发明的示例性实施例的详细描述，本发明的其它特征及优点将会变得清楚。

附图说明

结合在说明书中并构成说明书的一部分的附图描述了本发明的实施例，并且连同说明书一起用于解释本发明的原理。

图1是示出完全语法分析器的语法分析结果的示图。