[发明专利]一种针对植物领域的非分类关系识别方法

摘要

本发明公开了属于计算机中文信息处理领域的一种针对植物领域的非分类关系识别方法。根据对植物领域关系的分类，对分类关系和非分类关系进行定义；获取相关词条的非结构化网页内容，作为语料并进行预处理，获得预处理模块；然后再进行基于词汇‑语法的非分类关系的初步抽取，对获得的结果，进行改进，获得改进抽取模块；最后基于百度百科半结构化文本的非分类关系抽取，获得非分类关系抽取模块，对其进行形式化表达，获得可视性结果。该方法在对文本进行自然语言处理的基础上，直接用非分类关系词汇‑语法模式进行抽取，准确率在70％左右，取得了较好的结果，为植物领域知识图谱构建奠定了基础，且为农民提供了更专业的植物领域技术和知识。

主权项

1.一种针对植物领域的非分类关系识别方法，其特征在于，所述方法为：(1)根据对植物领域关系的分类，对分类关系和非分类关系进行定义；所述分类关系的定义为：分类关系表示概念与概念之间的上下位的关系；非分类关系的定义为：非分类关系表示除了上下位关系以外的其它关系；所述的分类关系包括层级关系和is‑a关系；非分类关系包括整体部分关系及概念之间的依赖关系、关联关系、因果关系和相似关系；(2)获取相关词条的非结构化网页内容，作为语料，对语料进行预处理，获得预处理模块；(3)对获得的预处理模块，进行基于词汇‑语法的非分类关系的初步抽取，获得初步抽取模块；S3‑1、从获得的预处理模块中，选取一小批植物百科中的植物品种词条，找出表达非分类关系的语句；S3‑2、对找出的非分类关系语句进行依存句法分析；S3‑3、对依存句法分析的结果，进行标注，即找出并标明句子中存在的非分类关系的概念，以及非分类关系的名称，记为Ri(Xi,Yi)；其中，Ri为非分类关系名称，Xi，Yi分别为该非分类关系名称所对应的实体与属性；S3‑4、统计Xi、Ri、Yi之间的依存关系序列，在其他标注Xj、Rj、Yj(i≠j)中出现的次数；S3‑5、人工剔除不符合语法的依存关系序列后，得到出现多次的依存关系序列，即为表达非分类关系的词汇‑语法模式；S3‑6、手工总结一些表达非分类关系的词汇‑语法模式，作为补充；S3‑7、其中，非分类关系的词汇‑语法模式采用：依存关系，即关节点，依存节点，对应非分类关系名称集，即施事概念，受事概念的形式表示；形式化为公式(1)：公式中，Di为依存关系，si为关节点，ti为依存节点，L为非分类关系名称集，A为施事概念，B为受事概念；其中，L、A、B为si和ti中指定的元素，公式表示：当所有依存关系Di都满足时，L(A,B)关系成立；S3‑8、对待提取的文档利用LTP进行预处理，然后将非分类关系的词汇‑语法模式匹配归结为，在依存树中寻找子树的问题，即对句子的依存树进行检测，如果依存树中存在这些关节点和依存节点，其满足非分类关系的词汇‑语法模式前件中的每项约束，则非分类关系的词汇‑语法模式匹配成功，并将这些关节点和依存节点，按照词汇‑语法模式的后件，转化为非分类关系名称集L，获得初步抽取模块；(4)对获得的初步抽取模块，采用基于词表过滤和给模式添加限制的方法进行改进，获得改进抽取模块；所述的限制为单个限制或用约束组合对象表示多个限制的组合；S4‑1、对初步抽取模块进行过滤，当非分类关系名称集L的施事概念A与受事概念B都在词表中出现时，则保留该非分类关系名称集L；S4‑2、为手工设定的词汇‑语法模式增加限制；S4‑3、首先采用手工设定的词汇‑语法模式，在标注集上进行初步抽取；S4‑4、对于抽取成功的实例，将其施事概念A、非分类关系名称集L、受事概念B的词性和词中的字，用图的方式表示为限制；S4‑5、计算这些限制的所有子集在标注集上的Laplacian值；Laplacian值用公式(2)计算：公式中，e为抽取的错误数，n为抽取的总数；其中Laplacian值越低，表示该限制组合在标注集上抽取的表现越好；(5)对获得的改进抽取模块，基于百度百科半结构化文本的非分类关系抽取，获得非分类关系抽取模块；(6)对获得的非分类关系抽取模块，进行形式化表达，获得形式化表达模块，最终获得可视性结果。