买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种搭配构式的自动获取方法和系统、可视化方法，属于自然语言处理技术领域。自动获取方法包括：从语料库中提取目标词语或目标句法模式的搭配构式实例集合，所述目标句法模式为依存树形式；将搭配构式实例集合聚类为多个社区；对于每个聚类社区，获取该社区对应的搭配构式。本发明以特定词语或特定句式为单位，采用聚类方法模拟人类语言习得认知规律，获取搭配构式。搭配构式给出特定语言的一种典型语义交际功能，包含句法模式、词语、以及词语与该搭配构式之间的关联强度等信息。一方面克服了搭配的信息量不足的缺陷，又具有很强的解释性，能够满足在线语言教育和文法批改的需求。

主权项：1.一种搭配构式的自动获取方法，其特征在于，该方法包括以下步骤：S1.从语料库中提取目标词语或目标句法模式的搭配构式实例集合，所述目标句法模式为依存树形式；S2.将搭配构式实例集合聚类为多个社区；S3.对于每个聚类社区，获取该社区对应的搭配构式；从语料库中提取目标词语的搭配构式实例集合，具体如下：A1检索语料库，获取所有包含目标词语的句子实例，并将获取到的每个句子实例通过依存句法分析转化为依存树，所有依存树构成依存树集合；A2对于依存树集合中的每个依存树，进行以下操作，从而构建搭配构式实例集合：初始化一个依存子树为空，遍历该依存树中的每一个三元组，选取中心词或者依存词与目标词语相同的三元组，加入该依存子树，遍历结束后将该依存子树作为该依存树对应的搭配构式实例；从语料库中提取目标句法模式的搭配构式实例集合，具体如下：B1从目标句法模式抽取检索词，构建检索词集合；B2检索语料库，获取包含检索词集合中所有检索词的句子实例，并将获取到的每个句子实例通过依存句法分析转化为依存树，构成依存树集合；B3对于依存树集合中的每个依存树，判断是否目标依存树中的所有三元组均包含在该依存树中，且在目标依存树中的顺序与在该依存树中顺序一致，若是，则进入步骤B4，否则，不进行获取；从而构建搭配构式实例集合：B4将该依存树与目标依存树进行比对，确定通配符的匹配项；B5初始化一个依存子树为空，遍历该依存树中的每一个三元组，选取满足以下条件中任意一个的三元组加入该依存子树，遍历结束后将该依存子树作为该依存树对应的搭配构式实例，条件如下：1该三元组存在于目标依存树中；2该三元组的依存词是匹配项；3该三元组的中心词是匹配项；步骤S2中，给定搭配构式实例集合Γ′＝{Ci}及其对应最大聚类距离D＝{εi}，采用如下方式对Γ′进行聚类：C1依次考察Ci，将包含Ci的聚类社区初始化为Ii＝{Ci}，并设置Ci的访问值为True，并转至步骤C2；C2获取Ci的邻居其中，是Cj相对于Ci的距离，r为最大搜索距离，并转至步骤C3；C3逐个考察N中的Cj，如果Cj的访问值为False，且如果对于社区Ii中的所有搭配构式Ck，都有其中，为Ck相对于Cj的距离，εj为Cj的最大聚类距离，则将Cj放入社区Ii，设置Cj的访问值为True并获取Cj的邻居并更新N，使得N＝N∪N′；搭配构式实例Ci的最大聚类距离计算过程如下：D1获取Ci相对于搭配构式实例集合Γ′中每个搭配构式实例的距离集合n为Γ′包含搭配构式实例的个数；D2以距离为横轴，以位于距离取值区间的搭配构式个数为纵轴，制作D的直方图，定义第15个百分位数所对应的距离值为p1，p1后的第一个距离值次数为0的距离值p2；D3获取D的均方差σ；D4Ci的最大聚类距离值计算公式如下： 其中，δ为倍增参数，1≤δ≤5；搭配构式实例Cj相对于搭配构式实例Ck的距离计算过程如下：E1基于Cj和Ck中三元组的相似度，计算Cj和Ck的特征相似性E2基于Cj和Ck的特征相似性计算Cj相对于Ck的有序相似性 其中，lenC为C中所包含的三元组个数，α和β分别表示Cj或Ck所具有的不同特征在相似性计算中的权重，α+β＝1；E3基于Cj相对于Ck的有序相似性计算Cj相对于Ck的距离 基于三元组的相似度，计算Cj和Ck的特征相似性其中，Cj＝e1＝t1,h1,c1,e2＝t2,h2,c2,…eJ＝tJ,hJ,cJ，Ck＝e1＝t1,h1,c1,e2＝t2,h2,c2,…eK＝tK,hK,cK，三元组中的t为依存类型，h为中心词，c为依存词，计算过程如下：初始化大小为J+1×K+1的矩阵M，设置第一行和第一列中单元值为0；从第2行第2个单元开始，逐行计算单元值，使得： 其中，simep,eq表示三元组ep和eq的相似性，采用以下公式计算： 其中： simhp,hq＝cosinevechp,vechqsimcp,cq＝cosineveccp,veccq其中，cosine·为余弦函数，vec·为词向量；p和q分别为矩阵M中的第p行和q列；计算完成后，Cj和Ck的特征相似性步骤S3包括以下子步骤：F1将聚类社区Ii中所有搭配构式实例Ci，依据其中三元组先后顺序，组成三元组的二元组序列，如下式所示：gi＝e1,e2,e2,e3,…ek-1,ekF2合并从Ii获取的所有二元组序列，构建有向图G，其中，节点为三元组，节点方向由二元组确定，并计算二元组连接权重为F3选择入度为0且连接权重最大的节点n为初始节点，以深度优先方法遍历G并获取所有子图，并从中选择平均连接权重最高、且包含目标词语的子图G′作为搭配构式的句法模式；F4对于G′中的任意节点b，从Ii中获取出现在该节点的词语构成搭配构式的词语集合W＝{wi}，则词语wi与G′之间的关联强度用费歇尔精确检验的P值表示；F5G′以及图中节点所对应的词语集合W及其关联强度共同构成由聚类社区Ii所获取的搭配构式。

全文数据：

权利要求：

百度查询： 华中科技大学 一种搭配构式的自动获取方法和系统、可视化方法