[发明专利]一种基于多种中文知识资源的中文词语语义关系识别方法和装置

权利要求书

1.一种基于多种中文知识资源的中文词语语义关系识别方法，其特征在于，该方法包括以下步骤：

步骤一、结合多种中文知识资源获取反义词集合，根据反义词集合判定词语间语义关系是否具有反义关系；

步骤1-1)利用HowNet中显式定义的反义关系，对给定词语A和B进行词语A的反义词集合ASET_A提取操作，如果B∈ASET_A，那么两词语存在反义关系，否则转步骤1-2)，另外HowNet中定义的对义关系也作为一种反义关系处理；

步骤1-2)使用百度汉语提取给定词语A的反义词集合ASET_A，利用哈工大同义词词林扩展版提取词语A的同义词集合SSET_A，对于每个词语W∈SSET_A提取其反义词并合并到ASET_A，如果词语B∈ASET_A，则词语A和B存在反义关系，否则转步骤1-3)；

步骤1-3)使用百度百科提取词语A的反义词集合ASET_A，如果词语B∈ASET_A，则两词语存在反义关系，否则转步骤2-1)；

步骤二、使用多种中文知识资源提取部分词集合，根据部分词集合判定词语间是否具有整体部分关系；

步骤2-1)利用HowNet分别提取词语A和B的部分词集合MSET_A和MSET_B，如果B∈MSET_A或A∈MSET_B，那么两词语存在整体部分关系，否则转步骤2-2)；

步骤2-2)使用HowNet义原定义进行处理，在定义中含有义原“part|部件”的词语表示该词作为某个词语的部分词即部件，定义中的“whole”属性的值指示了其整体词的义原定义，据此提取词语A和B的义原定义集合DEFSET_A和DEFSET_B，如果存在DEF_A∈DEFSET_A和DEF_B∈DEFSET_B，满足DEF_A含有“whole”属性且其值为DEF_B，或DEF_B含有“whole”属性且其值为DEF_A，则词语A和B存在整体部分关系，否则转步骤3-1)；

此外，有些词语对直接利用义原定义不能有效识别出整体部分关系，可以通过泛化的方式进行处理，将上述中“whole”属性的值泛化为其上位概念，其余操作不变；

步骤三、利用多种中文知识资源提取同义词集合，基于同义词集合判定词语间是否具有同义关系；

步骤3-1)根据哈工大同义词词林扩展版中标有“＝”的行表示同义词，获取词语A的同义词集合SSET_A，如果B∈SSET_A，则词语A和B存在同义关系，否则转步骤3-2)；

步骤3-2)利用HowNet提取词语A的同义词集合SSET_A，如果词语B∈SSET_A，则词语A和B存在同义关系，否则转步骤3-3)；

步骤3-3)利用百度汉语提取词语A的同义词集合SSET_A，如果词语B∈SSET_A，则词语A和B存在同义关系，否则转步骤3-4)；

步骤3-4)根据百度百科的页面链接，分别获取词语A和B的百科链接页面集合PSET_A和PSET_B，如果满足则词语A和B存在同义关系，否则转步骤4-1)；

步骤四、借助于多种中文知识资源提取下位词集合，根据下位词集合判定词语间是否具有上下位关系；

步骤4-1)利用HowNet分别提取词语A和B的下位词集合HSET_A和HSET_B，如果B∈HSET_A或A∈HSET_B，则词语A和B存在上下位关系，否则转步骤4-2)；

步骤4-2)根据HowNet义原定义蕴含的上下位关系，分别提取词语A和B的义原定义集合DEFSET_A和DEFSET_B，如果存在DEF_A∈DEFSET_A和DEF_B∈DEFSET_B，满足主要义原一致且或则词语A和B具有上下位关系。

2.一种基于多种中文知识资源的中文词语语义关系识别装置，其特征在于，该装置包括反义关系识别单元、整体部分关系识别单元、同义词关系识别单元、上下位关系识别单元，其中：

反义关系识别单元，用于使用多种中文知识资源获取反义词集合，根据反义词集合判定词语间语义关系是否具有反义关系；

整体部分关系识别单元，用于使用多种中文知识资源提取部分词集合，根据部分词集合判定词语间是否具有整体部分关系；

同义关系识别单元，用于利用多种中文知识资源提取同义词集合，基于同义词集合判定词语间是否具有同义关系；

上下位关系识别单元，用于借助于多种中文知识资源提取下位词集合，根据下位词集合判定词语间是否具有上下位关系；

所述反义关系识别单元还包括：

HowNet反义关系识别单元，用于利用HowNet中显式定义的反义关系，对给定词语A和B进行词语A的反义词集合ASET_A提取操作，如果B∈ASET_A，那么两词语存在反义关系，否则转百度汉语反义关系识别单元，另外HowNet中定义的对义关系也作为一种反义关系处理；

百度汉语反义关系识别单元，用于使用百度汉语提取给定词语A的反义词集合ASET_A，利用哈工大同义词词林扩展版提取词语A的同义词集合SSET_A，对于每个词语W∈SSET_A提取其反义词并合并到ASET_A，如果词语B∈ASET_A，则词语A和B存在反义关系，否则转百度百科反义关系识别单元；

百度百科反义关系识别单元，用于使用百度百科提取词语A的反义词集合ASET_A，如果词语B∈ASET_A，则两词语存在反义关系，否则转整体部分关系识别单元；

所述整体部分关系识别单元还包括：

HowNet整体部分关系识别单元，用于利用HowNet分别提取词语A和B的部分词集合MSET_A-和MSET_B，如果B∈MSET_A或A∈MSET_B，那么两词语存在整体部分关系，否则转义原定义整体部分关系识别单元；

义原定义整体部分关系识别单元，用于使用HowNet义原定义进行处理，在定义中含有义原“part|部件”的词语表示该词作为某个词语的部分词即部件，定义中的“whole”属性的值指示了其整体词的义原定义，据此提取词语A和B的义原定义集合DEFSET_A和DEFSET_B，如果存在DEF_A∈DEFSET_A和DEF_B∈DEFSET_B，满足DEF_A含有“whole”属性且其值为DEF_B，或DEF_B含有“whole”属性且其值为DEF_A，则词语A和B存在整体部分关系，否则转同义关系识别单元；

此外，在义原定义整体部分关系识别单元中，有些词语对直接利用义原定义不能有效识别出整体部分关系，可以通过泛化的方式进行处理，将上述中“whole”属性的值泛化为其上位概念，其余操作不变；

所述同义关系识别单元还包括：

词林同义关系识别单元，用于根据哈工大同义词词林扩展版中标有“＝”的行表示同义词，获取词语A的同义词集合SSET_A，如果B∈SSET_A，则词语A和B存在同义关系，否则转HowNet同义关系识别单元；

HowNet同义关系识别单元，用于利用HowNet提取词语A的同义词集合SSET_A，如果词语B∈SSET_A，则词语A和B存在同义关系，否则转百度汉语同义关系识别单元；

百度汉语同义关系识别单元，用于利用百度汉语提取词语A的同义词集合SSET_A，如果词语B∈SSET_A，则词语A和B存在同义关系，否则转百度百科同义关系识别单元；

百度百科同义关系识别单元，用于根据百度百科的页面链接，分别获取词语A和B的百科链接页面集合PSET_A和PSET_B，如果满足则词语A和B存在同义关系，否则转上下位关系识别单元；

所述上下位关系识别单元还包括：

HowNet上下位关系识别单元，用于利用HowNet分别提取词语A和B的下位词集合HSET_A和HSET_B,如果B∈HSET_A或A∈HSET_B，则词语A和B存在上下位关系，否则转义原定义上下位关系识别单元；

义原定义上下位关系识别单元，用于根据HowNet义原定义蕴含的上下位关系，分别提取词语A和B的义原定义集合DEFSET_A和DEFSET_B，如果存在DEF_A∈DEFSET_A和DEF_B∈DEFSET_B，满足主要义原一致且或则词语A和B具有上下位关系。