將改寫為公式(4):
其中，公式(1)中的α、β已分別優(yōu)化為0.5、1.2。
[0076] 步驟五、對(duì)于待消歧詞，重復(fù)步驟一和二，利用步驟四所獲得的優(yōu)化的詞義消歧模 型，判定歧義詞的正確詞義;具體如下。
[0077] 在此實(shí)施例中，仍以句子" θ The coaches'teaching football are standing on the bus@."為例，對(duì)其中的歧義詞coach進(jìn)行消歧處理。
[0078] 步驟5.1:根據(jù)步驟一，生成待消歧詞wt所在句子的短語結(jié)構(gòu)句法樹T。此例中，短 語結(jié)構(gòu)句法樹如圖1所示。
[0079] 步驟5.2:根據(jù)步驟二，獲得待消歧詞wt與句子中其它詞語的層次距離和路徑距 離，并根據(jù)步驟四所獲得的d_laye r、d_path篩選詞義相關(guān)詞，構(gòu)建詞義相關(guān)詞集合R。此例 中，由圖1的短語結(jié)構(gòu)句法樹，coach與teach, football, stand, bus的層次距離依次為： 1，1，2，2;coach與teach, football, stand, bus的路徑距離依次為：4，4，7，9。經(jīng)步 驟四優(yōu)化后的 d_layer、d_path 分別為 3、10 46&(：11，；1^〇〇1^&11，8七&11(1，13118與(3〇&(311的層次 距離及路徑距離均滿足條件，故構(gòu)建的詞義相關(guān)詞集合R={teach#n, football#n, stand# v, bus#n }〇
[0080] 步驟5.3:根據(jù)步驟四所獲得的最優(yōu)參數(shù)，由步驟3.1，計(jì)算詞義相關(guān)詞集合R中的 每個(gè)詞義相關(guān)詞的權(quán)重。此例中，由公式（4)，根據(jù)其層次距離和路徑距離，teach#n， football#n, stand#v, bus#n的消歧權(quán)重weight分別為：0· 2902804823653377、 0.2902804823653377、0.12412383171664482、0.11654517159405858。
[0081] 步驟5.4:由步驟3.2,確定歧義詞wt的每個(gè)詞義Si與詞義相關(guān)詞集R的密切程度。此 例中，對(duì)于詞義 coach#n#l，由公式（2)，relatedness(coach#n#l) =

=0.03823363657834851+0.1565264349167673+0.0177929411579594+ 0.006597265862157682 =0.2191502785152329。
[0082] 同理，可得， relatedness (coach#n#2)=0·11378754409746956; relatedness(coach#n#3)=0.13571081450099737； relatedness(coach#n#4)=0.1421077906515997； relatedness(coach#n#5)=0.21047354027607934。
[0083] 步驟5.5 :由步驟3.3，確定歧義詞wt的正確詞義。此例中，比較步驟5.4中獲得的 coach的各個(gè)詞義的詞義相關(guān)度(relatedness值)大小;選擇相關(guān)度最大的coach#n#l作為 正確的詞義。
[0084] 經(jīng)過以上步驟的操作，即可判定英文歧義語的詞義，完成詞義消歧任務(wù)。
【主權(quán)項(xiàng)】
1. 一種基于短語結(jié)構(gòu)句法樹的英文詞義消歧方法，其特征在于:其具體操作步驟為： 步驟一、通過對(duì)句子進(jìn)行短語結(jié)構(gòu)句法分析，生成其短語結(jié)構(gòu)句法樹;具體為： 步驟1.1:用符號(hào)S表示待處理的句子； 步驟1 .2:對(duì)句子S進(jìn)行預(yù)處理，主要包括去除亂碼字符、特殊符號(hào)、英文斷詞 (Tokenization)等，獲得預(yù)處理后的句子S' ； 步驟1.3:使用短語結(jié)構(gòu)句法分析器，對(duì)句子S'進(jìn)行短語結(jié)構(gòu)句法分析，生成短語結(jié)構(gòu) 句法樹T; 步驟1.4:對(duì)短語結(jié)構(gòu)句法樹T中的詞語進(jìn)行詞形還原； 步驟二、以短語結(jié)構(gòu)句法樹為依據(jù)，計(jì)算歧義詞與句子中其它詞語的層次距離和路徑 距離，篩選出詞義相關(guān)詞;具體為： 步驟2.1:用符號(hào)wt表示待消歧的歧義詞，用符號(hào)w表示句子中的其它詞語，用符號(hào)W表示 句子中除歧義詞wt之外的全部實(shí)詞的集合； 步驟2.2:由短語結(jié)構(gòu)句法樹T，統(tǒng)計(jì)歧義詞wt與其它詞語w的層次距離cU，將cU記入w，并 保存到W中； 步驟2.3:由短語結(jié)構(gòu)句法樹T，統(tǒng)計(jì)歧義詞wt與其它詞語w的路徑距離dP，將dP記入w，并 保存到W中； 步驟2.4:指定層次距離參數(shù)d_layer和路徑距離參數(shù)d_path，從W中篩選cU不大于d_ layer并且dP不大于d_path的詞語，構(gòu)建歧義詞的詞義相關(guān)詞集合R; 步驟三、構(gòu)建詞義消歧模型，通過評(píng)估歧義詞的各個(gè)詞義與詞義相關(guān)詞的密切程度而 判定正確詞義;具體為： 步驟3.1:對(duì)于詞義相關(guān)詞集合R中的每個(gè)詞語w，根據(jù)其層次距離cU和路徑距離dP，由公 式(1)計(jì)算其消歧權(quán)重；其中，α和β為層次距離cU和路徑距離dP的調(diào)節(jié)參數(shù)； 步驟3.2:對(duì)于歧義詞wt的每個(gè)詞義Sl，由公式(2)計(jì)算其與詞義相關(guān)詞集R的密切程度；其中，Si表示歧義詞wt的第i個(gè)詞義，sense(wt)表示歧義詞wt的全部詞義的集合，Sie sense(wt)，wj表示第j個(gè)詞義相關(guān)詞，R表示歧義詞wt的全部詞義相關(guān)詞的集合，WjER， weight (Wj)表示由公式⑴計(jì)算而得的Wj的消歧權(quán)重，wnss( Si, Wj)表示詞義Si與詞義相關(guān)詞 Wj的詞義相關(guān)度； 步驟3.3:根據(jù)由步驟3.2所得的各個(gè)詞義81與詞義相關(guān)詞集R的密切程度，選擇密切程 度最高的詞義作為歧義詞的正確詞義； 步驟四、由詞義標(biāo)注語料庫，利用遺傳算法，對(duì)步驟三中的詞義消歧模型的參數(shù)進(jìn)行優(yōu) 化，獲得優(yōu)化的詞義消歧模型;具體為： 步驟4.1:選擇適當(dāng)?shù)脑~義標(biāo)注語料庫Corpus; 步驟4.2:收集語料庫Corpus中的每個(gè)歧義詞、所在的句子及正確詞義標(biāo)注，構(gòu)建詞義 消歧模型訓(xùn)練數(shù)據(jù)集Ctrain; 步驟4.3:將步驟2.4和3.1中的層次距離參數(shù)d_layer、路徑距離參數(shù)d_path及其調(diào)節(jié) 參數(shù)α、β作為遺傳算法的輸入向量，將公式⑶作為遺傳算法的目標(biāo)函數(shù)，在Ctrain上進(jìn)行優(yōu) 化訓(xùn)練，獲得最優(yōu)的d_layer、d_path、a、0參數(shù)；其中，precision為消歧正確率，其值為正確消歧的歧義詞的數(shù)量與歧義詞總數(shù)的比 值； 步驟4.4:將步驟4.3所獲得的(1_]^761·、d_path代入步驟2.4，將α、β代入公式（1)，完成 詞義消歧模型的參數(shù)優(yōu)化； 步驟五、對(duì)于待消歧詞，重復(fù)步驟一和二，利用步驟四所獲得的優(yōu)化的詞義消歧模型， 判定歧義詞的正確詞義;具體為： 步驟5.1:根據(jù)步驟一，生成待消歧詞wt所在句子的短語結(jié)構(gòu)句法樹Τ; 步驟5.2:根據(jù)步驟二，獲得待消歧詞wt與句子中其它詞語的層次距離和路徑距離，根據(jù) 步驟四所獲得的d_layer、d_path參數(shù)，篩選詞義相關(guān)詞，構(gòu)建詞義相關(guān)詞集合R; 步驟5.3:根據(jù)步驟四所獲得的α、β參數(shù)，由步驟3.1，計(jì)算詞義相關(guān)詞集合R中的每個(gè)詞 義相關(guān)詞的消歧權(quán)重； 步驟5.4:由步驟3.2，確定歧義詞wt的每個(gè)詞義81與詞義相關(guān)詞集R的密切程度； 步驟5.5:由步驟3.3，確定歧義詞wt的正確詞義； 經(jīng)過以上步驟的操作，即可判定英文歧義語的詞義，完成詞義消歧任務(wù)。
【專利摘要】本發(fā)明涉及到一種基于短語結(jié)構(gòu)句法樹的英文詞義消歧方法，屬于自然語言處理領(lǐng)域。其步驟為：1.通過對(duì)句子進(jìn)行短語結(jié)構(gòu)句法分析，生成其短語結(jié)構(gòu)句法樹；2.以短語結(jié)構(gòu)句法樹為依據(jù)，篩選詞義相關(guān)詞；3.構(gòu)建詞義消歧模型，通過評(píng)估歧義詞的詞義與詞義相關(guān)詞的密切程度而判定正確詞義；4.由詞義標(biāo)注語料庫，利用遺傳算法，對(duì)步驟3中的詞義消歧模型的參數(shù)進(jìn)行優(yōu)化；5.對(duì)于待消歧詞，重復(fù)步驟1和2，利用步驟4所獲得的優(yōu)化詞義消歧模型，判定歧義詞的正確詞義。本發(fā)明提出的基于短語結(jié)構(gòu)句法樹的英文詞義消歧方法，利用短語結(jié)構(gòu)句法樹篩選詞義相關(guān)詞并為其賦予消歧權(quán)重，能夠減少噪聲詞的干擾，改善詞義相關(guān)度的計(jì)算精度，提高英文詞義消歧的正確率。
【IPC分類】G06F17/27
【公開號(hào)】CN105677639
【申請(qǐng)?zhí)枴緾N201610011045
【發(fā)明人】鹿文鵬, 成金勇, 張維玉
【申請(qǐng)人】齊魯工業(yè)大學(xué)
【公開日】2016年6月15日
【申請(qǐng)日】2016年1月10日