專利名稱：可讓計(jì)算機(jī)理解的自然語(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)別的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種計(jì)算機(jī)識(shí)別人類語(yǔ)言的方法，特別涉及到一種可以準(zhǔn)確的識(shí)別漢語(yǔ)語(yǔ)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(yǔ)，然后進(jìn)入后臺(tái)數(shù)據(jù)庫(kù)進(jìn)行網(wǎng)頁(yè)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(huì)返回，包含大量的無(wú)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(dòng)分析能 力。對(duì)ー個(gè)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(yǔ)言形式的一句話。因?yàn)樵~庫(kù)里存放的，是詞語(yǔ)的大雜匯，標(biāo)注出的結(jié)果詞語(yǔ)，缺乏語(yǔ)義信息，缺乏知識(shí)的理解和推理能力。因此，對(duì)ー個(gè)自然語(yǔ)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(gè)領(lǐng)域的主要進(jìn)展是，對(duì)于自然語(yǔ)言句子的標(biāo)注方法，采用詞典語(yǔ)料樣本庫(kù)進(jìn)行句法分析，通過(guò)建立機(jī)器學(xué)習(xí)模型來(lái)實(shí)現(xiàn)自動(dòng)的語(yǔ)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(kù)為基礎(chǔ)，需要積累大規(guī)模的語(yǔ)料庫(kù)才能實(shí)現(xiàn)初歩的語(yǔ)義標(biāo)注，建設(shè)成本巨大；
2、詞庫(kù)不分領(lǐng)域，每個(gè)詞只有語(yǔ)法上的意義，比如名詞、動(dòng)詞、狀語(yǔ)、主語(yǔ)、賓語(yǔ)等，卻缺乏清晰的語(yǔ)義意義。3、由于語(yǔ)料庫(kù)是ー個(gè)詞語(yǔ)的大雜匯，所以在運(yùn)用的時(shí)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(wú)法走出實(shí)驗(yàn)室；
總之，這種基于語(yǔ)義角色的標(biāo)注，粒度過(guò)粗，對(duì)于句子意義的理解無(wú)法適應(yīng)深度人工智能問(wèn)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(guó)漢語(yǔ)言的方法，它拋棄了以往選字取詞的方法，從漢語(yǔ)的語(yǔ)言特點(diǎn)出發(fā)，通過(guò)詞語(yǔ)架構(gòu)，準(zhǔn)確的讓計(jì)算機(jī)知道操作者輸入的語(yǔ)言內(nèi)容；確切的分析出一句漢語(yǔ)的語(yǔ)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(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)別的方法，它包括以下步聚；
a在某個(gè)領(lǐng)域建立本體庫(kù)；
將某個(gè)領(lǐng)域內(nèi)所有的精確描述的無(wú)歧義的詞語(yǔ)歸放到一起構(gòu)成本體庫(kù)；b基于領(lǐng)域本體建立語(yǔ)義框架知識(shí)庫(kù)；
對(duì)自然語(yǔ)言句子的理解，建立“語(yǔ)義框架=謂詞+核心框架元素+非核心框架元素”的語(yǔ)義框架體系；形成有某種特定含義的框架知識(shí)庫(kù)；
C基于語(yǔ)義框架的本體映射，實(shí)現(xiàn)自然語(yǔ)言句子到語(yǔ)義結(jié)構(gòu)的直觀匹配；根據(jù)框架模式進(jìn)行匹配性識(shí)別。本發(fā)明為解決以往技術(shù)中漢語(yǔ)的復(fù)雜問(wèn)題，以往語(yǔ)言的的魚(yú)龍混雜，語(yǔ)義不清的特點(diǎn)，以往語(yǔ)言中，由于前提不明確，語(yǔ)境不定，因此對(duì)于復(fù)雜的漢語(yǔ)言來(lái)說(shuō)，其語(yǔ)義沒(méi)有辦法確定，也確實(shí)無(wú)法確定。而本專利采用分別建立相應(yīng)的專業(yè)領(lǐng)域庫(kù)，讓某些語(yǔ)言在特定的環(huán)境下工作，那么他的語(yǔ)義就是ー個(gè)明確的語(yǔ)義。再建立相應(yīng)的，可以人為理解的語(yǔ)義框架，從而讓計(jì)算機(jī)相應(yīng)的去篩選語(yǔ)句中特定的語(yǔ)義框架，由語(yǔ)義框架所標(biāo)注的意思來(lái)理解這句話所最終表達(dá)含義。 對(duì)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(kù)內(nèi)的無(wú)歧義的詞語(yǔ)本體構(gòu)成。本方案是為了確保語(yǔ)義的準(zhǔn)確性而設(shè)計(jì)的，確保詞庫(kù)內(nèi)的詞語(yǔ)無(wú)歧義這也是確保語(yǔ)義識(shí)別準(zhǔn)確的前提。對(duì)上述技術(shù)方案作進(jìn)ー步的改進(jìn)，所述的本體庫(kù)分為本領(lǐng)域知識(shí)本體庫(kù)和通用詞本體知識(shí)庫(kù)；所述的領(lǐng)域本體知識(shí)庫(kù)，也是ー個(gè)詞庫(kù)。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(shí)庫(kù)是也是ー個(gè)詞庫(kù)；它里面主要包括虛詞、代詞、形容詞、數(shù)詞、量詞、介詞、助詞、語(yǔ)氣詞，這些詞是獨(dú)立于特定領(lǐng)域的，但卻是針對(duì)特定語(yǔ)言表達(dá)的，利用通用詞庫(kù)匹配標(biāo)注出來(lái)的詞語(yǔ)，在后面的機(jī)器理解中，可以當(dāng)作輔助分析的詞語(yǔ)，對(duì)領(lǐng)域內(nèi)的句式、語(yǔ)境產(chǎn)生補(bǔ)充作用。本方案確實(shí)考慮到現(xiàn)實(shí)語(yǔ)言的復(fù)雜情況，在一句話中，會(huì)有很多的用于限定的詞語(yǔ)，而這些詞語(yǔ)本身對(duì)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(yǔ)的存在會(huì)給語(yǔ)言帶來(lái)復(fù)雜性，因此，本專利將詞庫(kù)建立成兩個(gè)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(shí)別。對(duì)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(shí)本體庫(kù)相匹配的詞語(yǔ)為意義主干，以通用詞本體庫(kù)相匹配的詞語(yǔ)為意義表達(dá)的補(bǔ)充。所述的語(yǔ)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(kù)相關(guān)的專業(yè)領(lǐng)域。所述的語(yǔ)義框架知識(shí)庫(kù)內(nèi)的每ー個(gè)語(yǔ)義框架都標(biāo)識(shí)有一個(gè)確切意義。在特定的專業(yè)領(lǐng)域內(nèi)，語(yǔ)義框架才有對(duì)應(yīng)的唯一的意義，因此，上述方案均是針對(duì)語(yǔ)義的確定性而安排設(shè)計(jì)的。對(duì)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(shí)別用戶的主_，本專利采用語(yǔ)義與語(yǔ)法的類比關(guān)系，在C步中所述的匹配性識(shí)別的特征在干語(yǔ)義框架對(duì)應(yīng)于句子級(jí)別，框架元素相當(dāng)短語(yǔ)級(jí)別，本體相當(dāng)于詞語(yǔ)級(jí)別，通過(guò)嚴(yán)格語(yǔ)義化的匹配關(guān)系，獲得對(duì)自然語(yǔ)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(duì)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(shí)別的具體性方法是指首先根據(jù)語(yǔ)句中的動(dòng)詞和核心框架元素找出相應(yīng)的語(yǔ)義框架；根據(jù)語(yǔ)義框架的框架元素的排列組合而來(lái)的語(yǔ)序結(jié)構(gòu)，篩選出相應(yīng)的句式，通過(guò)句子與可能句式之間的匹比，來(lái)深入框架元素的內(nèi)部結(jié)構(gòu)，進(jìn)行本體匹配。對(duì)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(yǔ)結(jié)構(gòu)進(jìn)行匹配，依次識(shí)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(yǔ)義識(shí)別，并結(jié)合語(yǔ)義框架本身的意義，從而確定語(yǔ)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(guò)語(yǔ)義框架和領(lǐng)域本體知識(shí)庫(kù)的建設(shè)，實(shí)現(xiàn)自然語(yǔ)言句子的自動(dòng)語(yǔ)義標(biāo)注，擺脫了詞庫(kù)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(shí)，基于本體概念的語(yǔ)義標(biāo)注，可以有效實(shí)現(xiàn)對(duì)句子意義的精確理解，為深度人工智能問(wèn)答奠定基礎(chǔ)。一個(gè)單句子的意圖，必需要在語(yǔ)境、領(lǐng)域的前提下，才能明確；而不是單看ー個(gè)詞語(yǔ)。因?yàn)椹`個(gè)詞語(yǔ)可以用在各個(gè)領(lǐng)域，各種語(yǔ)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(kāi)、切成詞就完成了任務(wù)。那么這個(gè)詞代表什么？這個(gè)詞在這個(gè)句子中有多重要？這個(gè)句子是什么語(yǔ)境、什 么領(lǐng)域的？當(dāng)前的主流搜索引擎給出的答案是無(wú)數(shù)網(wǎng)頁(yè)，這些網(wǎng)頁(yè)只要包含切出的詞語(yǔ)，就返回它們。主流搜索引擎根本無(wú)法回答以上的幾個(gè)問(wèn)題，所以他們給出的結(jié)果必定是網(wǎng)頁(yè)的羅列。如果機(jī)器能夠區(qū)分語(yǔ)境、區(qū)分領(lǐng)域、區(qū)分句式、區(qū)分一個(gè)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(wú)數(shù)網(wǎng)頁(yè)的羅列。
具體實(shí)施例方式 下面結(jié)合具體實(shí)例來(lái)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(gòu)買”領(lǐng)域?yàn)槔樱浴霸谔詫毶腺I一臺(tái)5000元左右的筆記本電腦”為例句，來(lái)具體說(shuō)明實(shí)現(xiàn)自動(dòng)語(yǔ)義標(biāo)注的方法和步驟。一、本體概念知識(shí)庫(kù)的建設(shè)
①購(gòu)買領(lǐng)域的本體概念，如
[產(chǎn)品類別]:如，筆記本電腦 [場(chǎng)所]:如，淘寶(網(wǎng))
[價(jià)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(tái) [場(chǎng)所指向I :如，在…上
ニ、購(gòu)買語(yǔ)義框架知識(shí)庫(kù)的建設(shè) ①購(gòu)買語(yǔ)義框架如下
謂詞V: {購(gòu)買}，{團(tuán)購(gòu)}，{買}，……
核心框架元素{商品}
非核心框架元素{賣方}、{受益方}、{價(jià)格}、{方式}、{時(shí)間}、{處所}、......
句式結(jié)構(gòu)與語(yǔ)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(jià)格} +{商品}:如，買6000元的電腦 {商品} +{價(jià)格}+V :如，電腦6000元訂購(gòu)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(hào) {商品}-〉[數(shù)量]+[產(chǎn)品]，如一臺(tái)電腦 {價(jià)格}-〉[數(shù)量]+[價(jià)格単位]，如，6000元 {處所}-〉[場(chǎng)所]，如，淘寶(網(wǎng))
{處所}-〉[場(chǎng)所指向]+[場(chǎng)所]，如，在淘寶上 自動(dòng)語(yǔ)義標(biāo)注的過(guò)程和步驟
①接收用戶的自然語(yǔ)句作為輸入，例句如下
在淘寶上買一臺(tái)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(yǔ)義框架
上面例句有謂詞{買}，核心框架元素是{商品}，故是購(gòu)買類語(yǔ)義框架
③根據(jù)該語(yǔ)義框架可能的句式語(yǔ)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(jià)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(chǎng)所指向]+[場(chǎng)所]:在淘寶上 V {買}
{數(shù)量}-〉{數(shù)量}: 一臺(tái)
{價(jià)格}-〉[數(shù)量]+[價(jià)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(tái)5000元左右的筆記本電腦
[場(chǎng)所]=〈淘寶〉，V=〈買〉，[數(shù)量]=1，[價(jià)格]〈>5000，[產(chǎn)品類別]=〈筆記本電腦
>
Cl)由于語(yǔ)義框架通常會(huì)有多個(gè)句式結(jié)構(gòu)，故從@ 是ー個(gè)重復(fù)匹配的過(guò)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(gè)例句如果按照“ V+{商品} ”句式進(jìn)行匹配，則顯然就會(huì)有大量不能識(shí)別和匹配的語(yǔ)詞，因精確度過(guò)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(yǔ)有領(lǐng)域本體的概念標(biāo)注，從而獲得自然語(yǔ)言句子的精確語(yǔ)義匹配，計(jì)算機(jī)系統(tǒng)就能夠進(jìn)行本體知 識(shí)的計(jì)算和推理，從而為深度人工智能問(wèn)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(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)別的方法，它包括以下步聚 a在某個(gè)領(lǐng)域建立本體庫(kù)； 將某個(gè)領(lǐng)域內(nèi)所有的精確描述的無(wú)歧義的詞語(yǔ)歸放到一起構(gòu)成本體庫(kù)； b基于領(lǐng)域本體建立語(yǔ)義框架知識(shí)庫(kù)； 對(duì)自然語(yǔ)言句子的理解，建立“語(yǔ)義框架=謂詞+核心框架元素+非核心框架元素”的語(yǔ)義框架體系；形成有某種特定含義的框架知識(shí)庫(kù)； c基于語(yǔ)義框架的本體映射，實(shí)現(xiàn)自然語(yǔ)言句子到語(yǔ)義結(jié)構(gòu)的直觀匹配；根據(jù)框架模式進(jìn)行匹配性識(shí)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(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)別的方法，其特征在于所述的框架元素是由本體庫(kù)內(nèi)的無(wú)歧義的詞語(yǔ)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(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)別的方法，其特征在于所述的本體庫(kù)分為本領(lǐng)域知識(shí)本體庫(kù)和通用詞本體知識(shí)庫(kù)；所述的領(lǐng)域本體知識(shí)庫(kù)，也是一個(gè)詞庫(kù)，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(shí)庫(kù)是也是ー個(gè)詞庫(kù)；它里面主要包括虛詞、代詞、形容詞、數(shù)詞、量詞、介詞、助詞、語(yǔ)氣詞，這些詞是獨(dú)立于特定領(lǐng)域的，但卻是針對(duì)特定語(yǔ)言表達(dá)的，利用通用詞庫(kù)匹配標(biāo)注出來(lái)的詞語(yǔ)，在后面的機(jī)器理解中，可以當(dāng)作輔助分析的詞語(yǔ)，對(duì)領(lǐng)域內(nèi)的句式、語(yǔ)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(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)別的方法，其特征在于所述的框架元素是以本領(lǐng)域知識(shí)本體庫(kù)相匹配的詞語(yǔ)為意義主干，以通用詞本體庫(kù)相匹配的詞語(yǔ)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(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)別的方法，其特征在于所述的語(yǔ)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(kù)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(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)別的方法，其特征在于所述的語(yǔ)義框架知識(shí)庫(kù)內(nèi)的每ー個(gè)語(yǔ)義框架都標(biāo)識(shí)有一個(gè)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(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)別的方法，特征在于語(yǔ)義框架對(duì)應(yīng)于句子級(jí)別，框架元素相當(dāng)短語(yǔ)級(jí)別，本體相當(dāng)于詞語(yǔ)級(jí)別，通過(guò)嚴(yán)格語(yǔ)義化的匹配關(guān)系，獲得對(duì)自然語(yǔ)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(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)別的方法，其特征在于首先根據(jù)語(yǔ)句中的動(dòng)詞和核心框架元素找出相應(yīng)的語(yǔ)義框架；根據(jù)語(yǔ)義框架的框架元素的排列組合而來(lái)的語(yǔ)序結(jié)構(gòu)，篩選出相應(yīng)的句式，通過(guò)句子與可能句式之間的匹比，來(lái)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(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)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(yǔ)結(jié)構(gòu)進(jìn)行匹配，依次識(shí)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(yǔ)義識(shí)別，并結(jié)合語(yǔ)義框架本身的意義，從而確定語(yǔ)句的真實(shí)意思。
全文摘要
可讓計(jì)算機(jī)理解的自然語(yǔ)言句子的自動(dòng)語(yǔ)義識(shí)別的方法，涉及到一種可以準(zhǔn)確的識(shí)別漢語(yǔ)語(yǔ)言的方法。具體它包括以下步聚a在某個(gè)領(lǐng)域建立本體庫(kù)；b基于領(lǐng)域本體建立語(yǔ)義框架知識(shí)庫(kù);c基于語(yǔ)義框架的本體映射，實(shí)現(xiàn)自然語(yǔ)言句子到語(yǔ)義結(jié)構(gòu)的直觀匹配；根據(jù)框架模式進(jìn)行匹配性識(shí)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(yǔ)有領(lǐng)域本體的概念標(biāo)注，從而獲得自然語(yǔ)言句子的精確語(yǔ)義匹配，計(jì)算機(jī)系統(tǒng)就能夠進(jìn)行本體知識(shí)的計(jì)算和推理，從而為深度人工智能問(wèn)答提供了廣泛的應(yīng)用前景。
文檔編號(hào)G06F17/27GK102681982SQ20121006754
公開(kāi)日2012年9月19日 申請(qǐng)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(qǐng)人:上海云叟網(wǎng)絡(luò)科技有限公司