[发明专利]一种基于本体和群智能算法的中文歧义切分方法

摘要

本发明提供一种基于本体和群智能算法的中文歧义切分方法，包括：获取用户输入的一个问句进行预处理，得到至少一个候选切分方式，形成候选切分方式集合W；利用本体中标注的同义词信息创建同义词簇；并计算词形的词位置e；以三个连续词形为单位，创建双向三元模型、含词位置信息的语义双向三元模型以及含词位置信息的偏好语义双向三元模型，计算每一种候选切分方式在不同模型下出现的概率；利用不同的模型以及考虑句子断点向量的淘汰集，创建单目标优化模型，并通过群智能算法求解最优的句子断点向量，作为最优分词结果。本发明结合本体计算词频，并利用智能群算法求最优句子断点向量，有效降低错误分词结果，大大提高分词准确性。

主权项

一种基于本体和群智能算法的中文歧义切分方法，其特征在于：包括如下步骤：步骤1、获取用户输入的一个问句进行预处理，得到至少一个候选切分方式，形成候选切分方式集合W；步骤2、利用本体中标注的同义词信息创建同义词簇，包括对每一候选切分方式中的每两个连续词形扩展成一个二元同义词簇，每三个连续词形扩展成一个三元同义词簇；步骤3、计算每一候选切分方式中每一词形的词位置e；步骤4、以三个连续词形为单位，考虑其中前两个词和后两个词的词形对当前处理词形出现的概率的影响创建双向三元模型，计算每一种候选切分方式在所述双向三元模型下出现的概率BP；步骤5、以三个连续词形为单位，考虑其中前两个词和后两个词的词形、扩展同义词簇以及词位置对当前处理词形出现的概率的影响创建含词位置信息的语义双向三元模型，计算每一种候选切分方式在所述含词位置信息的语义双向三元模型下出现的概率SWP；步骤6、以三个连续词形为单位，在含词位置信息的语义双向三元模型和双向三元模型的基础上进一步考虑候选切分方式长度以及候选切分方式偏好值对候选切分方式出现的概率的影响创建含词位置信息的偏好语义双向三元模型，计算每一种候选切分方式在所述含词位置信息的偏好语义双向三元模型下出现的概率PSWP；步骤7、利用所述含词位置信息的偏好语义双向三元模型下出现的概率PSWP，并考虑句子断点向量的淘汰集，创建单目标优化模型，并通过群智能算法求解最优的句子断点向量，将其对应的候选切分方式作为最优分词结果。