[发明专利]一种英语文本的语义结构连贯分析方法

说明书

本发明公开一种英语文本的语义结构连贯分析方法，该分析方法是一个由顺序连接的英语文本预处理模块、英语文本语义结构关系树生成模块、英语文本语义结构关系抽取模块、英语文本语义结构关系矩阵构建模块与英语文本语义结构连贯质量分析模块组成。一篇英语文本通过该分析方法处理后，最后能够得到该篇英语文本的语义结构质量分析结果。本发明方法解决了传统的英语文本语义结构连贯质量分析方法，只能分析出英语文本的浅层局部语义结构连贯质量，无法分析出英语文本深层语义结构连贯质量的问题。

技术领域

本发明涉及自然语言处理技术，具体是一种针对英语文本的语义结构连贯分析方法，本发明的分析方法只适用于分析英语文本，不适用于分析中文文本。

背景技术

全世界使用英语的人口达到17亿，采用英语作为官方语言的国家有67个，全世界半数以上的出版物都用英语出版，互联网上的网页或信息80%以上使用英文，同时英语文本（如新闻、评论、邮件等）充斥人们的生活与工作的各个方面。

英语文本的语篇连贯是指英语文本中的句子并列、承接、递进、转折等关系，是否在表达上前后衔接、指代一致、话题相关、主位与述位合理。英语文本的语义结构连贯是指英语文本中句子单词序列、段落与句子之间，以及单个句子内部是否合乎给定的语法规则与句法结构。可见，英语文本的语篇连贯与英语文本的语义结构连贯是英语文本中两种不同连贯指标。因此，分析英语文本的语义结构连贯质量，是评价英语文本写作质量的重要指标。然而，传统的英语文本语义结构连贯质量分析方法，只能分析出英语文本的浅层局部语义结构连贯质量，无法分析出英语文本深层语义结构连贯质量。

发明内容

本发明的目的是针对传统英语文本语义结构连贯质量分析方法的不足，而提供一种英语文本的语义结构连贯分析新方法，从英语文本语义结构关系出发，通过挖掘英语文本中的全局语义结构关系信息，实现了对英语文本深层语义结构连贯质量的分析。

实现本发明目的的技术方案是：

一种英语文本的语义结构连贯分析方法，包括一个由顺序连接的英语文本预处理模块、英语文本语义结构关系树生成模块、英语文本语义结构关系抽取模块、英语文本语义结构关系矩阵构建模块与英语文本语义结构连贯质量分析模块，如图1所示；

其分析方法包括如下处理步骤：

（1）英语文本预处理模块，读入英语文本，对英语文本进行分段、分句、分词、词性标注、句法结构处理，提取生成英语文本的实体词集合；

（2）英语文本语义结构关系树生成模块，读入英语文本，首先采用段落级语义结构关系解析器，对英语文本进行段落级别的语义结构关系解析，生成英语文本的粗语义结构关系树；然后采用句子级语义结构关系解析器，对粗语义结构关系树的叶子节点，进行句子内部的语义结构关系解析，生成英语文本的语义结构关系树；

（3）英语文本语义结构关系抽取模块，遍历生成的英语文本的语义结构关系树，并提取生成英语文本中每个小句包含的英语文本的语义结构关系信息集合；

（4）英语文本语义结构关系矩阵构建模块，首先读入提取生成的英语文本实体词集合、英语文本语义结构关系信息集合；然后采用遍历匹配方法把各小句之间的语义结构关系集赋予小句的实体词中，并记录实体词所在位置信息；最后利用句中实体词的语义结构关系信息所表示的该句包含的语义结构关系信息，构建出英语文本的语义结构关系矩阵；

（5）英语文本语义结构连贯质量分析模块，首先读入英语文本的语义结构关系矩阵；然后对英语文本的语义结构关系子序列与转移语义结构关系子序列的分布特征进行分析；最后根据得到的分布特征，来分析英语文本的语义结构连贯质量，并输出英语文本的语义结构连贯质量分数与评语。

本发明英语文本的语义结构连贯分析方法涉及的概念与定义如下

（1）单词词性标注集

本发明的英语文本单词词性标注采用宾州树库标注集。