[发明专利]基于混合模板抽取句子分类特征的方法及装置

说明书

本发明提供了一种基于混合模板抽取句子分类特征的方法及装置，其中，该方法包括：获取预设文本；对预设文本中的每个预设句子分别进行分析处理，确定预设句子的每个词语的词语参数；根据所有词语的词语参数生成预设句子的候选模板，候选模板包括依次排列的所有词语的一项词语参数；并生成正例模板集和负例模板集；统计所有候选模板的正例次数和负例次数，并根据候选模板的正例次数和负例次数选取有效模板；根据有效模板对待测句子进行分类。该方法生成的有效模板可以是词、词性、命名实体和句法依赖关系的混合表达，可以更加充分地刻画一个句子中存在的语言规律，模板匹配能力更强，分类效果更好。

技术领域

本发明涉及句子模板挖掘技术领域，特别涉及一种基于混合模板抽取句子分类特征的方法及装置。

背景技术

句子分类主要是判断一个待测的句子是什么类型，比如判断一个句子是不是疑问句。现在句子分类方法主要是基于词、或词性特征训练一个分类模型，然后对输入的待测句子应用这个分类模型，通过这个分类模型预测这个待测句子的类别。

现有方法只是基于词、或词性特征对句子进行分类，该分类方式采用的分类模型表达能力和匹配能力有限，导致分类效果受到限制。

发明内容

本发明提供一种基于混合模板抽取句子分类特征的方法及装置，用以解决句子分类方法效果不佳的缺陷。

本发明实施例提供的一种基于混合模板抽取句子分类特征的方法，包括：

获取预设文本，所述预设文本包括正例文本和负例文本；

对所述预设文本中的每个预设句子分别进行分析处理，确定所述预设句子的每个词语的词语参数，所述词语参数包括词语的分词结果、词性、命名实体、依赖关系中的一项或多项；

根据所有词语的词语参数生成所述预设句子的候选模板，所述候选模板包括依次排列的所有词语的一项词语参数；根据所述正例文本中所有预设句子的候选模板生成正例模板集，根据所述负例文本中所有预设句子的候选模板生成负例模板集；

统计所有候选模板的正例次数和负例次数，并根据候选模板的正例次数和负例次数选取有效模板，所述正例次数为所述候选模板在所述正例模板集中出现的次数，所述负例次数为所述候选模板在所述负例模板集中出现的次数；

根据所述有效模板对待测句子进行分类。

在一种可能的实现方式中，所述根据候选模板的正例次数和负例次数选取有效模板，包括：

根据正例次数和负例次数确定所述候选模板的频次和置信度，所述频次为所述正例次数和所述负例次数之和，所述置信度为所述正例次数与所述负例次数的比值；

将所述频次大于预设阈值、且置信度最大的一个或多个候选模板作为选取的有效模板。

在一种可能的实现方式中，所述预设阈值为根据所述正例模板集中的模板数量和所述负例模板集中的模板数量确定的数值。

在一种可能的实现方式中，所述根据所有词语的词语参数生成所述预设句子的候选模板，包括：

选取所有词语的一项词语参数，并添加句子标记，根据所有词语的一项词语参数和所述句子标记生成所述预设句子的候选模板，所述句子标记包括开始标记和/或结束标记。

在一种可能的实现方式中，所述预设文本中每个预设句子包含的词语数量相同，且所述正例文本中每个预设句子包含的词语数量与所述负例文本中每个预设句子包含的词语数量相同。

在一种可能的实现方式中，在所述根据候选模板的正例次数和负例次数选取有效模板之后，还包括：

根据所有词语的词语参数生成所述预设句子的二级候选模板，所述二级候选模板包括依次排列的所有词语的一项或多项词语参数，且所述二级候选模板中至少包括一个词语的多项词语参数；