[发明专利]有向图意义导向模型驱动的短语语义挖掘方法

权利要求书

1.有向图意义导向模型驱动的短语语义挖掘方法，其特征在于：采用面向语义的有向图结构数据模型Sem-Graph，从语义视角挖掘自然语言中的短语，基于Sem-Graph模型的等价和特化两大关系，从语义视角对自然语言语句完成建模；并且实现对Word-Net本体语言的描述，构建与自然语言短语对应的基于Sem-Graph的语句级语义图数据结构，最后基于语义图数据结构的短语语义结构，利用挖掘频繁子图法，实现短语语义的挖掘；

有向图意义导向模型驱动的短语语义结构挖掘流程的核心部分，包含三个部分：第一部分，确定词性信息；第二部分，构建语义图；第三部分，挖掘频繁子图；

第一部分，确定词性信息，将要处理的文本内容通过预处理集中到一个文件中，使用自然语言工具包NLTK对预处理后的文本进一步分析处理，得到词汇对应的词性信息；

第二部分，构建语义图，对每个文本内容按句子粒度切分，每个句子形成一个语义子图，一篇文档形成Sem-Graph语义子图集；

第三部分，挖掘频繁子图，通过规范语义子图格式生成，将Sem-Graph语义子图集生成规范语义子图格式生成文件，再通过频繁子图挖掘算法，生成频繁短语语义模式，完成短语语义挖掘。

2.根据权利要求1所述的有向图意义导向模型驱动的短语语义挖掘方法，其特征在于，短语语义挖掘在Sem-Graph语义图上挖掘已经用Word-Net标注过的语义节点的图结构模式，基于Sem-Graph的本体语言描述包括基于Sem-Graph的自然语言语句解析和Word-Net本体语言描述，基于Sem-Graph的本体语言描述将面向语义的语义模型Sem-Graph和本体语言Word-Net从语义视角联系起来，为短语语义结构的挖掘奠定基础。

3.根据权利要求1所述的有向图意义导向模型驱动的短语语义挖掘方法，其特征在于，基于Sem-Graph的自然语言语句解析中，Sem-Graph采用意义导向方法建立语义数据模型，用有向图结构表现语义信息，Sem-Graph用带标记的节点存储标准语义信息，节点标记表示它的意义类型；

一套语言定义成集L，它的基本元素是由二元关系对(c，p)组成，其中c为有限字母表字符串构成的词形，p表示给定意义集中某一元素，语言中每个带有意义的词形就是一个单词，Sem-Graph面向语义，自然语言中的每个单词看作是根意义#Chord的一个特化。

Sem-Graph将自然语言中的个句子看作根意义#Statement，引入一种新的根意义#Lp，每个词对由两个单词构成，词对的前后关系表示在句子中的顺序关系，词对中的每一个单词又看作是根意义#Chord的一个特化；

自然语言语句被Sem-Graph看作是一个#Statement根意义，它是由#Lp根意义构成的集，记作#Statement＝{#Lp*}，其中符号“*”表示#Lp可出现的任意次数，#Lp表示词对根意义，记作#Lp＝(LD_i，LD_i+1)，其中LD_i和LD_i+1是自然语言语句的具体单词，它们的出现顺序保证自然语言语句的单词出现顺序，词对中出现的单词LD_i可看作是根意义#Chord的一个特化，记作

4.根据权利要求1所述的有向图意义导向模型驱动的短语语义挖掘方法，其特征在于，基于Sem-Graph的Word-Net本体语言表示中，Word-Net将传统的词汇信息和计算做了有效的组合，Word-Net是英语词汇数据库，为程序语言控制提供接口，Word-Net对词汇的分类根据词义，每一类词被组织成同义词集，每一个同义词集表示一个词汇词项；

Word-Net根据词汇的矩阵模型组织，语义关系通过同义词集间联系体现，Word-Net中不仅包同义关系，还包含其它多种关系，分别是反义关系、上下位关系、部分整体关系、近义关系。