[发明专利]基于CRF++汉语句义结构模型自动标注方法

摘要

本发明涉及一种基于CRF++的汉语句义结构模型自动标注方法，属于计算机科学与自然语言处理语义分析技术领域。本发明首先使用BFS-CTC汉语标注语料库语料，训练得到谓词识别模型、词关系识别模型和语义格类型识别模型；进而使用上述三种识别模型，对原始句子进行识别，得到句子中谓词信息、词关系信息和语义格类型信息；最终根据谓词、词关系和语义格类型的搭配规则得到汉语句义结构模型。本发明为语义分析领域，提供了更多的更全面的语义特征，为使用计算机对句子进行句义结构模型分析奠定了基础。同时为BFS-CTC汉语标注语料库的自动标注，提供了一定的可能，语料数据无论是研究还是实际应用，都是极其重要的，将对BFS-CTC汉语标注语料库的扩充，起到极大的推动作用。

主权项

基于CRF++的汉语句义结构模型自动标注方法，所述方法包括以下步骤：步骤1，使用CRF++进行训练，得到相应模型，用于实现谓词识别，词关系识别以及语义格类型识别。步骤1.1，进行谓词识别的模型训练，具体方法为：针对CRF++训练数据的格式，首先将汉语标注语料转化为CRF++训练数据格式，前几列为分词信息（词性，词语等），最后一列为谓词标签。其次，设置参数f和c使用CRF++对上述数据进行训练，得到谓词识别模型。CRF++的训练数据格式具体说明：每个词为一行，每一列是该词的相关信息，具体列数可根据需要选择，最后一行为标签列，用于训练时的标签标识和识别后的结果标识，每个句子之间用空行隔开。f和c的选取具体说明：使用参数选取方法，对数据进行多次训练，选取识别效果最优的一组f和c，使用该参数对数据进行训练，得到识别模型。步骤1.2，进行词关系识别的模型训练，具体方法为：针对CRF++训练数据的格式，首先将汉语标注语料转化为CRF++训练数据格式，前几列为分词信息（词性，词语等）、谓词信息等，最后一列为词关系标签。其次，使用步骤1.1中同样方法选择参数f和c，使用CRF++对上述数据进行训练，得到词关系识别模型。步骤1.3，进行语义格类型识别的模型训练，具体方法为：针对CRF++训练数据的格式，首先将汉语标注语料转化为CRF++训练数据格式，前几列为分词信息（词性，词语等）、谓词信息等，最后一列为语义格类型标签。其次，使用步骤1.1中同样方法选择参数f和c，使用CRF++对上述数据进行训练，得到语义格类型识别模型。步骤2，在步骤1得到相应识别模型的基础上，从原始句子到句义结构模型需要经过五个步骤。步骤2.1，对未经任何处理的汉语句子进行分词，得到分词后结果，并将结果转化为CRF++识别数据格式。CRF++的识别数据格式具体说明：每个词为一行，每一列是输入数据信息，具体列数可根据需要选择，每个句子之间用空行隔开。步骤2.2，以步骤1.1中的谓词识别模型和步骤2.1数据格式的分词结果 为输入，使用CRF++进行识别，得到谓词识别结果，即得到句子中的谓词。步骤2.3，以步骤2.1、步骤2.2的识别结果和步骤1.2中的词关系识别模型为输入，使用CRF++进行识别，得到词关系识别结果。步骤2.3中的词关系定义为：一个句子中只有一个谓词为主谓词，该谓词不存在关系词；除去不表达语义的词和主谓词，其他所有词之间都有关系；每个词B都有唯一一个词A与其有关系，即关系为B指向A，可同时有一个或多个词指向A。步骤2.4，以步骤2.2、步骤2.3的识别结果和步骤1.3的语义格类型识别模型为输入，使用CRF++进行识别，得到语义格类型识别结果。步骤3，根据步骤2的识别结果，按照规则得到该句的句义结构模型。