專利名稱：可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種計(jì)算機(jī)識別人類語言的方法，特別涉及到一種可以準(zhǔn)確的識別漢語語目的方法。
背景技術(shù)：
搜索引擎的工作原理就是基于關(guān)鍵字匹配，將用戶的輸入進(jìn)行切詞，把一句話變成短小的詞語，然后進(jìn)入后臺數(shù)據(jù)庫進(jìn)行網(wǎng)頁內(nèi)容的關(guān)鍵字匹配。其捜索返回的結(jié)果中，只要帶有這些關(guān)鍵字的都會返回，包含大量的無關(guān)信息，查準(zhǔn)率低下，不能切中用戶的真正意圖。顯然，基于關(guān)鍵字匹配的切詞和搜索技術(shù)，限制了計(jì)算機(jī)在檢索中的自動分析能 力。對ー個句子進(jìn)行關(guān)鍵詞匹配切割，雖然很容易處理由關(guān)鍵字拼湊成的一句話，但是卻很難理解自然語言形式的一句話。因?yàn)樵~庫里存放的，是詞語的大雜匯，標(biāo)注出的結(jié)果詞語，缺乏語義信息，缺乏知識的理解和推理能力。因此，對ー個自然語言句子的切分和標(biāo)注，是搜索、推薦、人工智能等高科技領(lǐng)域迫切需要突破的基礎(chǔ)技術(shù)。當(dāng)前，這個領(lǐng)域的主要進(jìn)展是，對于自然語言句子的標(biāo)注方法，采用詞典語料樣本庫進(jìn)行句法分析，通過建立機(jī)器學(xué)習(xí)模型來實(shí)現(xiàn)自動的語義角色標(biāo)注。但這類方法仍然存在很大的局限和缺點(diǎn)
1、句法分析以詞庫為基礎(chǔ)，需要積累大規(guī)模的語料庫才能實(shí)現(xiàn)初歩的語義標(biāo)注，建設(shè)成本巨大；
2、詞庫不分領(lǐng)域，每個詞只有語法上的意義，比如名詞、動詞、狀語、主語、賓語等，卻缺乏清晰的語義意義。3、由于語料庫是ー個詞語的大雜匯，所以在運(yùn)用的時候，為了要適應(yīng)不同的領(lǐng)域特性，需要繁瑣的學(xué)習(xí)算法，重用度低，系統(tǒng)性能難以達(dá)到商業(yè)生產(chǎn)環(huán)境的實(shí)用要求，從而無法走出實(shí)驗(yàn)室；
總之，這種基于語義角色的標(biāo)注，粒度過粗，對于句子意義的理解無法適應(yīng)深度人工智能問答的要求。

發(fā)明內(nèi)容
本發(fā)明的發(fā)明目的是提供一種計(jì)算機(jī)準(zhǔn)確理解中國漢語言的方法，它拋棄了以往選字取詞的方法，從漢語的語言特點(diǎn)出發(fā)，通過詞語架構(gòu)，準(zhǔn)確的讓計(jì)算機(jī)知道操作者輸入的語言內(nèi)容；確切的分析出一句漢語的語意。為完成上述發(fā)明目的，本發(fā)明是這樣實(shí)現(xiàn)的一種可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法，它包括以下步聚；
a在某個領(lǐng)域建立本體庫；
將某個領(lǐng)域內(nèi)所有的精確描述的無歧義的詞語歸放到一起構(gòu)成本體庫；b基于領(lǐng)域本體建立語義框架知識庫；
對自然語言句子的理解，建立“語義框架=謂詞+核心框架元素+非核心框架元素”的語義框架體系；形成有某種特定含義的框架知識庫；
C基于語義框架的本體映射，實(shí)現(xiàn)自然語言句子到語義結(jié)構(gòu)的直觀匹配；根據(jù)框架模式進(jìn)行匹配性識別。本發(fā)明為解決以往技術(shù)中漢語的復(fù)雜問題，以往語言的的魚龍混雜，語義不清的特點(diǎn)，以往語言中，由于前提不明確，語境不定，因此對于復(fù)雜的漢語言來說，其語義沒有辦法確定，也確實(shí)無法確定。而本專利采用分別建立相應(yīng)的專業(yè)領(lǐng)域庫，讓某些語言在特定的環(huán)境下工作，那么他的語義就是ー個明確的語義。再建立相應(yīng)的，可以人為理解的語義框架，從而讓計(jì)算機(jī)相應(yīng)的去篩選語句中特定的語義框架，由語義框架所標(biāo)注的意思來理解這句話所最終表達(dá)含義。 對上述技術(shù)方案作進(jìn)ー步的改進(jìn)，所述的框架元素是由本體庫內(nèi)的無歧義的詞語本體構(gòu)成。本方案是為了確保語義的準(zhǔn)確性而設(shè)計(jì)的，確保詞庫內(nèi)的詞語無歧義這也是確保語義識別準(zhǔn)確的前提。對上述技術(shù)方案作進(jìn)ー步的改進(jìn)，所述的本體庫分為本領(lǐng)域知識本體庫和通用詞本體知識庫；所述的領(lǐng)域本體知識庫，也是ー個詞庫。它里面主要包括實(shí)詞和領(lǐng)域相關(guān)的有意義的詞匯；所述的通用詞本體知識庫是也是ー個詞庫；它里面主要包括虛詞、代詞、形容詞、數(shù)詞、量詞、介詞、助詞、語氣詞，這些詞是獨(dú)立于特定領(lǐng)域的，但卻是針對特定語言表達(dá)的，利用通用詞庫匹配標(biāo)注出來的詞語，在后面的機(jī)器理解中，可以當(dāng)作輔助分析的詞語，對領(lǐng)域內(nèi)的句式、語境產(chǎn)生補(bǔ)充作用。本方案確實(shí)考慮到現(xiàn)實(shí)語言的復(fù)雜情況，在一句話中，會有很多的用于限定的詞語，而這些詞語本身對于這句話的實(shí)際意義不大，只是有了他們意思更加明確，這些詞語的存在會給語言帶來復(fù)雜性，因此，本專利將詞庫建立成兩個類，以便計(jì)算機(jī)下一歩的分析處理，從不同的詞內(nèi)提取不同的內(nèi)容，最終達(dá)到準(zhǔn)確識別。對上述技術(shù)方案作進(jìn)ー步的改進(jìn)，所述的框架元素(核心框架元素和非心核框架元素)是以本領(lǐng)域知識本體庫相匹配的詞語為意義主干，以通用詞本體庫相匹配的詞語為意義表達(dá)的補(bǔ)充。所述的語義框架也是建立在某一特定專業(yè)領(lǐng)域內(nèi)的，且該專業(yè)領(lǐng)域是與本體庫相關(guān)的專業(yè)領(lǐng)域。所述的語義框架知識庫內(nèi)的每ー個語義框架都標(biāo)識有一個確切意義。在特定的專業(yè)領(lǐng)域內(nèi)，語義框架才有對應(yīng)的唯一的意義，因此，上述方案均是針對語義的確定性而安排設(shè)計(jì)的。對上述技術(shù)方案作進(jìn)ー步的改進(jìn)，為了更加確切的，具體的識別用戶的主_，本專利采用語義與語法的類比關(guān)系，在C步中所述的匹配性識別的特征在干語義框架對應(yīng)于句子級別，框架元素相當(dāng)短語級別，本體相當(dāng)于詞語級別，通過嚴(yán)格語義化的匹配關(guān)系，獲得對自然語言句子的精確理解。從而為人工智能的發(fā)展做一點(diǎn)思想上的貢獻(xiàn)。對上述技術(shù)方案作進(jìn)ー步的改進(jìn)，在C步中所述的匹配性識別的具體性方法是指首先根據(jù)語句中的動詞和核心框架元素找出相應(yīng)的語義框架；根據(jù)語義框架的框架元素的排列組合而來的語序結(jié)構(gòu)，篩選出相應(yīng)的句式，通過句子與可能句式之間的匹比，來深入框架元素的內(nèi)部結(jié)構(gòu)，進(jìn)行本體匹配。對上述技術(shù)方案作進(jìn)ー步的改進(jìn)，框架元素的匹配，其特征在于將句塊與框架元素的短語結(jié)構(gòu)進(jìn)行匹配，依次識別出通用詞本體和領(lǐng)域本體，實(shí)現(xiàn)明確的基于本體的語義識別，并結(jié)合語義框架本身的意義，從而確定語句的真實(shí)意思。因此，計(jì)算機(jī)就此可以知道用戶的主旨。通過語義框架和領(lǐng)域本體知識庫的建設(shè)，實(shí)現(xiàn)自然語言句子的自動語義標(biāo)注，擺脫了詞庫建設(shè)和句法分析的復(fù)雜性和模糊性，不僅易于操作和實(shí)現(xiàn)，同時，基于本體概念的語義標(biāo)注，可以有效實(shí)現(xiàn)對句子意義的精確理解，為深度人工智能問答奠定基礎(chǔ)。一個單句子的意圖，必需要在語境、領(lǐng)域的前提下，才能明確；而不是單看ー個詞語。因?yàn)椹`個詞語可以用在各個領(lǐng)域，各種語境下。再看當(dāng)前句子標(biāo)注切分的算法，其實(shí)就是為了實(shí)現(xiàn)關(guān)鍵字搜索的字符串匹配，當(dāng)前主流的技術(shù)只需要把句子切開、切成詞就完成了任務(wù)。那么這個詞代表什么？這個詞在這個句子中有多重要？這個句子是什么語境、什 么領(lǐng)域的？當(dāng)前的主流搜索引擎給出的答案是無數(shù)網(wǎng)頁，這些網(wǎng)頁只要包含切出的詞語，就返回它們。主流搜索引擎根本無法回答以上的幾個問題，所以他們給出的結(jié)果必定是網(wǎng)頁的羅列。如果機(jī)器能夠區(qū)分語境、區(qū)分領(lǐng)域、區(qū)分句式、區(qū)分一個詞的不同意義，那么就可以給出特定的答案，精確且符合人們預(yù)期的答案，而不是無數(shù)網(wǎng)頁的羅列。
具體實(shí)施例方式 下面結(jié)合具體實(shí)例來了解一下，如何讓計(jì)算機(jī)知道用戶的用意主旨的。下面以“購買”領(lǐng)域?yàn)槔?，以“在淘寶上買一臺5000元左右的筆記本電腦”為例句，來具體說明實(shí)現(xiàn)自動語義標(biāo)注的方法和步驟。一、本體概念知識庫的建設(shè)
①購買領(lǐng)域的本體概念，如
[產(chǎn)品類別]:如，筆記本電腦 [場所]:如，淘寶(網(wǎng))
[價格單位]:如，元
通用詞的本體概念，如
[數(shù)量指向(大于或小于)]:如，左右 [數(shù)量]:如，一臺 [場所指向I :如，在…上
ニ、購買語義框架知識庫的建設(shè) ①購買語義框架如下
謂詞V: {購買}，{團(tuán)購}，{買}，……
核心框架元素{商品}
非核心框架元素{賣方}、{受益方}、{價格}、{方式}、{時間}、{處所}、......
句式結(jié)構(gòu)與語序，如
v+{商品}:買電腦
{商品}+ν :如，電腦買了
{處所}+V+{商品}:如，在淘寶上買電腦ν+{價格} +{商品}:如，買6000元的電腦 {商品} +{價格}+V :如，電腦6000元訂購了
@框架元素的本體概念的定義，如
{商品}-〉[產(chǎn)品類別]或[產(chǎn)品]，如，電腦，或具體型號 {商品}-〉[數(shù)量]+[產(chǎn)品]，如一臺電腦 {價格}-〉[數(shù)量]+[價格単位]，如，6000元 {處所}-〉[場所]，如，淘寶(網(wǎng))
{處所}-〉[場所指向]+[場所]，如，在淘寶上 自動語義標(biāo)注的過程和步驟
①接收用戶的自然語句作為輸入，例句如下
在淘寶上買一臺5000元左右的筆記本電腦
@根據(jù)句子中出現(xiàn)的謂詞V和核心框架元素匹配語義框架
上面例句有謂詞{買}，核心框架元素是{商品}，故是購買類語義框架
③根據(jù)該語義框架可能的句式語序進(jìn)行本體概念匹配，上面例句最切合的句式結(jié)構(gòu)
是
{處所}+V+{數(shù)量} +{價格} +{商品}
根據(jù)框架元素的本體概念定義，把句式結(jié)構(gòu)中的框架元素進(jìn)行匹配，這樣就有
{處所}-〉[場所指向]+[場所]:在淘寶上 V {買}
{數(shù)量}-〉{數(shù)量}: 一臺
{價格}-〉[數(shù)量]+[價格単位]+ [數(shù)量指向(大于或小干)]:5000元左右 {商品}-〉[產(chǎn)品類別]:電腦
從而實(shí)現(xiàn)本體的概念標(biāo)注如下
在淘寶上買一臺5000元左右的筆記本電腦
[場所]=〈淘寶〉，V=〈買〉，[數(shù)量]=1，[價格]〈>5000，[產(chǎn)品類別]=〈筆記本電腦
>
Cl)由于語義框架通常會有多個句式結(jié)構(gòu)，故從@ 是ー個重復(fù)匹配的過程，最后
需要根據(jù)匹配的精確度計(jì)算，選擇最佳匹配
比如，上面這個例句如果按照“ V+{商品} ”句式進(jìn)行匹配，則顯然就會有大量不能識別和匹配的語詞，因精確度過低而被舍棄。本發(fā)明與ニ代搜索引擎技術(shù)中主流切詞方法有很大的區(qū)別，切出的詞語有領(lǐng)域本體的概念標(biāo)注，從而獲得自然語言句子的精確語義匹配，計(jì)算機(jī)系統(tǒng)就能夠進(jìn)行本體知 識的計(jì)算和推理，從而為深度人工智能問答提供了廣泛的應(yīng)用前景。
權(quán)利要求
1.一種可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法，它包括以下步聚 a在某個領(lǐng)域建立本體庫； 將某個領(lǐng)域內(nèi)所有的精確描述的無歧義的詞語歸放到一起構(gòu)成本體庫； b基于領(lǐng)域本體建立語義框架知識庫； 對自然語言句子的理解，建立“語義框架=謂詞+核心框架元素+非核心框架元素”的語義框架體系；形成有某種特定含義的框架知識庫； c基于語義框架的本體映射，實(shí)現(xiàn)自然語言句子到語義結(jié)構(gòu)的直觀匹配；根據(jù)框架模式進(jìn)行匹配性識別。
2.根據(jù)權(quán)利要求I所述的可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法，其特征在于所述的框架元素是由本體庫內(nèi)的無歧義的詞語本體或本體組合構(gòu)成。
3.根據(jù)權(quán)利要求I所述的可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法，其特征在于所述的本體庫分為本領(lǐng)域知識本體庫和通用詞本體知識庫；所述的領(lǐng)域本體知識庫，也是一個詞庫，它里面主要包括實(shí)詞和領(lǐng)域相關(guān)的有意義的詞匯；所述的通用詞本體知識庫是也是ー個詞庫；它里面主要包括虛詞、代詞、形容詞、數(shù)詞、量詞、介詞、助詞、語氣詞，這些詞是獨(dú)立于特定領(lǐng)域的，但卻是針對特定語言表達(dá)的，利用通用詞庫匹配標(biāo)注出來的詞語，在后面的機(jī)器理解中，可以當(dāng)作輔助分析的詞語，對領(lǐng)域內(nèi)的句式、語境產(chǎn)生補(bǔ)充作用。
4.根據(jù)權(quán)利要求3所述的ー種可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法，其特征在于所述的框架元素是以本領(lǐng)域知識本體庫相匹配的詞語為意義主干，以通用詞本體庫相匹配的詞語為意義表達(dá)的補(bǔ)充。
5.根據(jù)權(quán)利要求I所述的ー種可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法，其特征在于所述的語義框架也是建立在某一特定領(lǐng)域內(nèi)的，且該專業(yè)領(lǐng)域是與本體庫相關(guān)的專業(yè)領(lǐng)域。
6.根據(jù)權(quán)利要求I所述的ー種可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法，其特征在于所述的語義框架知識庫內(nèi)的每ー個語義框架都標(biāo)識有一個確切意義。
7.根據(jù)權(quán)利要求3所述的ー種可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法，特征在于語義框架對應(yīng)于句子級別，框架元素相當(dāng)短語級別，本體相當(dāng)于詞語級別，通過嚴(yán)格語義化的匹配關(guān)系，獲得對自然語言句子的精確理解。
8.根據(jù)權(quán)利要求7所述的ー種可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法，其特征在于首先根據(jù)語句中的動詞和核心框架元素找出相應(yīng)的語義框架；根據(jù)語義框架的框架元素的排列組合而來的語序結(jié)構(gòu)，篩選出相應(yīng)的句式，通過句子與可能句式之間的匹比，來深入框架元素的內(nèi)部結(jié)構(gòu)，進(jìn)行本體匹配。
9.根據(jù)權(quán)利要求8所述的ー種可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法，框架元素的匹配，其特征在于將句塊與框架元素的短語結(jié)構(gòu)進(jìn)行匹配，依次識別出通用詞本體和領(lǐng)域本體，實(shí)現(xiàn)明確的基于本體的語義識別，并結(jié)合語義框架本身的意義，從而確定語句的真實(shí)意思。
全文摘要
可讓計(jì)算機(jī)理解的自然語言句子的自動語義識別的方法，涉及到一種可以準(zhǔn)確的識別漢語語言的方法。具體它包括以下步聚a在某個領(lǐng)域建立本體庫；b基于領(lǐng)域本體建立語義框架知識庫;c基于語義框架的本體映射，實(shí)現(xiàn)自然語言句子到語義結(jié)構(gòu)的直觀匹配；根據(jù)框架模式進(jìn)行匹配性識別。本發(fā)明與二代搜索引擎技術(shù)中主流切詞方法有很大的區(qū)別，切出的詞語有領(lǐng)域本體的概念標(biāo)注，從而獲得自然語言句子的精確語義匹配，計(jì)算機(jī)系統(tǒng)就能夠進(jìn)行本體知識的計(jì)算和推理，從而為深度人工智能問答提供了廣泛的應(yīng)用前景。
文檔編號G06F17/27GK102681982SQ20121006754
公開日2012年9月19日 申請日期2012年3月15日 優(yōu)先權(quán)日2012年3月15日
發(fā)明者余健, 劉琨, 李磊, 楚秉智, 段建剛, 陳緒平 申請人:上海云叟網(wǎng)絡(luò)科技有限公司