[发明专利]一种跨语言自动构建分类规则的方法和装置

权利要求书

1.一种跨语言自动构建分类规则的方法，其特征在于，将源语言的分类规则进行变换得到一个以上的与关系规则后，针对每一个与关系规则分别执行以下步骤：

S1、确定当前与关系规则中判断条件的关键词；

S2、确定各关键词对应的目标语言候选词集合，该集合包括：关键词的目标语言翻译词、目标语言翻译为源语言的字符串中包含该关键词的目标语言词以及该关键词；

S3、分别从各目标语言候选词集合中挑选对文档的覆盖状况满足预设要求的候选词作为各关键词对应的目标语言关键词；

S4、将目标语言关键词采用或的关系构成的组合词项分别替换当前与关系规则中对应的关键词，得到目标语言的与关系规则；

S5、将目标语言的与关系规则按照源语言的分类规则中各与关系规则之间的逻辑关系进行组合后，得到目标语言的分类规则。

2.根据权利要求1所述的方法，其特征在于，所述关键词的目标语言翻译词、目标语言翻译为源语言的字符串中包含该关键词的目标语言词从机器翻译所使用的词表中获得。

3.根据权利要求1所述的方法，其特征在于，所述对文档的覆盖状况满足预设要求为：挑选的候选词所覆盖的文档与目标文档覆盖状况之间的逼近程度满足预设要求，所述目标文档覆盖状况为：将目标语言文档翻译为源语言文档时满足当前与关系规则的目标语言文档。

4.根据权利要求3所述的方法，其特征在于，所述步骤S3具体包括：

S31、将目标语言候选词集合中的各候选词按照文档覆盖率从高到低进行排序；

S32、按顺序逐一对候选词进行选择：如果当前候选词所覆盖的文档未包含在已选择候选词所覆盖的文档中，则选择当前候选词；待已选择候选词所覆盖的文档达到目标文档覆盖状况，或者，当前候选词所覆盖的文档数小于预设状况，则停止对候选词的选择；

S33、将选择出的候选词作为关键词对应的目标语言关键词。

5.根据权利要求4所述的方法，其特征在于，在所述步骤S31中按照如下公式计算候选词w^e2c的文档覆盖率S(w^e2c)：

S(w^e2c)＝|Cover(w^e2c)|/|r^e(D^c2e)|

其中，为候选词w^e2c所覆盖的文档，r^e(D^c2e)为将目标语言文档翻译为源语言文档后满足当前与关系规则的文档集合，为将当前与关系规则中的关键词替换成对应候选词w^e2c后目标语言文档中命中替换后与关系规则的文档集合，∩为取交集，/为集合数量的比例。

6.一种跨语言自动构建分类规则的装置，其特征在于，该装置包括：

规则变换单元，用于将源语言的分类规则进行变换得到一个以上的与关系规则，将各与关系规则分别作为当前与关系规则提供给关键词确定单元；

关键词确定单元，用于确定当前与关系规则中判断条件的关键词；

候选词确定单元，用于确定各关键词对应的目标语言候选词集合，该集合包括：关键词的目标语言翻译词、目标语言翻译为源语言的字符串中包含该关键词的目标语言词以及该关键词；

候选词挑选单元，用于分别从各目标语言候选词集合中挑选对文档的覆盖状况满足预设要求的候选词作为各关键词对应的目标语言关键词；

规则替换单元，用于将目标语言关键词采用或的关系构成的组合词项分别替换当前与关系规则中对应的关键词，得到目标语言的与关系规则；

规则组合单元，用于将目标语言的与关系规则按照源语言的分类规则中各与关系规则之间的逻辑关系进行组合后，得到目标语言的分类规则。

7.根据权利要求6所述的装置，其特征在于，所述候选词确定单元从机器翻译所使用的词表中获得所述关键词的目标语言翻译词、目标语言翻译为源语言的字符串中包含该关键词的目标语言词。