[发明专利]一种融合句子局部上下文与文档领域信息的词义消歧方法

摘要

本发明涉及一种融合句子局部上下文与文档领域信息的词义消歧方法，属于自然语言处理技术领域。其步骤为：①对歧义词所在的句子进行依存句法分析，获得与歧义词具有直接依存关系的句子局部上下文相关词；②对领域文档集合进行依存句法分析，收集其所包含的全部的依存元组，构建依存元组库；③对依存元组库进行统计分析，找到与歧义词关系最为密切的一组领域相关词；④根据领域相关词的依存分布相似度及其与局部上下文的词义相关度，确定其消歧权重；⑤将句子局部上下文相关词和领域相关词合并，构建相关词集合；⑥根据歧义词的各个词义与相关词集合的加权累加相关度，判定正确词义。本发明公开的方法能够提高词义消歧系统在特定领域上的适应性，提高消歧正确率。

主权项

1.一种融合句子局部上下文与文档领域信息的词义消歧方法，其特征在于包括以下步骤：步骤一、对歧义词所在的句子进行依存句法分析，获得与歧义词具有直接依存关系的句子局部上下文相关词；具体如下：步骤1.1：用符号S表示待处理的句子；用符号wt表示目标歧义词；步骤1.2：对句子S进行预处理，主要包括去除乱码字符、特殊符号，获得预处理后的句子S’；步骤1.3：使用依存句法分析器，对句子S’进行依存句法分析；并对句子中的词语进行词形还原；获得其依存元组集合Rs；步骤1.4：从依存元组集合Rs中，提取出包含wt的依存元组，并将wt的依存词提取出来，筛选其中的实词，构建句子局部上下文相关词集合C；步骤二、对领域文档集合进行依存句法分析，收集其所包含的全部的依存元组，构建依存元组库；具体如下：步骤2.1：根据歧义词所在文档的领域类型Domain，收集隶属于该领域的文档，构建领域文档集合DSet；步骤2.2：对领域文档集合DSet中的文档逐个进行依存句法分析，获得其依存元组集合，构建依存元组库DependSet；步骤三、对依存元组库进行统计分析，找到与歧义词关系最为密切的一组领域相关词；具体如下：步骤3.1：借助于Lin DeKang提出的依存分布相似度的概念，根据公式(1)计算歧义词wt与其它词语w的依存分布相似度，并降序排列，记入链表DList；其中，(w,r,x)表示一个依存元组，w表示支配词，r表示依存关系的类型，x表示从属词；步骤3.2：取链表DList的top‑N个词语，作为与歧义词wt最为密切的一组领域相关词，构建领域相关词集合D；步骤四、根据领域相关词的依存分布相似度及其与局部上下文的词义相关度，确定其消歧权重；具体如下：步骤4.1：由公式(2)，计算领域相关词wi与句子局部上下文相关词集合C的词义相关度；其中，wi表示某个特定的领域相关词，C表示句子局部上下文相关词的集合，simi(wi,cj)表示wi与某个局部上下文相关词cj的相关度；步骤4.2：结合公式(1)与公式(2)，由公式(3)和公式(4)确定领域相关词wi的消歧权重；mixrela(wi)＝rela(wi,C)×dss(wt,wi)(4)其中，wi表示某个特定的领域相关词，D表示领域相关词的集合；步骤五、将句子局部上下文相关词和领域相关词合并，构建相关词集合；具体如下：将各个句子局部上下文相关词cj的消歧权重均置为1，将cj加入相关词集合R；将各个领域相关词wi加入相关词集合R；即R＝C∪D；步骤六、根据歧义词的各个词义与相关词集合的加权累加相关度，判定正确词义；具体如下：步骤6.1：根据公式(5)，由相关词集合，计算各个词义与相关词集合的相关度，并根据相关词的消歧权重进行加权累加，获得各个词义的整体相关度；其中，si表示某一特定词义，wj表示某一个相关词，R表示全部相关词集合，senses(wt)表示歧义词wt的全部词义的集合；simi(si,wj)表示词义si与相关词wj的相关度，其计算方法同步骤4.1；步骤6.2：将与相关词集合整体相关度最高的词义，判定为正确词义；经过以上步骤的操作，即可判定歧义词的词义，完成词义消歧任务。