一种基于组合理论的类自然语言的语义信息抽取方法及系统

摘要

本发明公开了一种基于组合理论的类自然语言的语义信息抽取方法及系统，该系统包括：规则建立模块，用于根据已有的本体、语义词典和分类体系建立规则体系，其语义规则以类似自然语言的书写格式定义；规则组合模块，连接规则建立模块，用于根据规则体系组合匹配训练集，生成可选语义规则的机制；数据匹配模块，连接规则组合模块，用于根据匹配训练集对目标文本进行数据匹配，并获得目标文本的语义信息。本发明提出的一种基于组合理论的类自然语言的语义信息抽取方法及系统，其语义信息丰富、准确率和召回率高，成本低，可产业化。

说明书

技术领域

本发明涉及信息提取技术领域，尤其涉及一种基于组合理论的类自然语言 的语义信息抽取方法及系统。

背景技术

信息抽取就是从文本中抽取特定的实时信息。在大多数的信息抽取中，都 是通过识别文本中的实体，对实体进行语义分析来确定文本语义信息的，但是 该类方法局限性大，在语义分析过程中，语义信息的描述过于机械化，容易遗 漏，特征项的选取较片面，语义表达不完整甚至错误，总而言之，现有的语义 抽取技术，准确率和召回率达不到要求，从而难以对文本进行有效利用。

因此，现有技术中，在进行文本语义处理的过程中，如何做到对文本信息 进行有效利用，是亟待解决的问题。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于组合理论的类自然 语言的语义信息抽取方法及系统，其语义信息丰富、准确率和召回率高，成本 低，可产业化。

本发明提出的一种基于组合理论的类自然语言的语义信息抽取方法，包括：

S1、根据已有的本体、语义词典和分类体系建立规则体系，其语义规则以 类似自然语言的书写格式定义；

S2、根据规则体系中的语义规则组合匹配训练集，生成可选语义规则的机 制；

S3、根据匹配训练集对目标文本进行数据匹配，并获得目标文本的语义信 息。

优选地，步骤S1具体包括：

S11、获取目标文本；

S12、根据目标文本在预制本体、语义词典和分类体系中获取对应的本体、 语义词典和分类体系；

S13、根据对应的本体、语义词典和分类体系建立规则体系。

优选地，步骤S12中还包括：根据本体、语义词典和分类体系对目标文本 进行标注。

优选地，步骤S3具体为：根据规则体系对目标文本进行段落级、句子级或 词语级的数据匹配，再根据匹配结果进行语义归纳和筛选，获得目标文本的语 义信息。

优选地，步骤S1中，语义规则的组成元素可细化到短句、词汇或字符层面。

优选地，步骤S2中，语义规则的组合逻辑为布尔表达逻辑、类正则表达逻 辑、连接表达逻辑和位置表达逻辑。

一种基于组合理论的类自然语言的语义信息抽取系统，包括：

规则建立模块，用于根据已有的本体、语义词典和分类体系建立规则体系， 其语义规则以类似自然语言的书写格式定义；

规则组合模块，连接规则建立模块，用于根据规则体系组合匹配训练集， 生成可选语义规则的机制；

数据匹配模块，连接规则组合模块，用于根据匹配训练集对目标文本进行 数据匹配，并获得目标文本的语义信息。

优选地，规则建立模块还用于获取目标文本，根据目标文本获取对应的本 体、语义词典和分类体系。

优选地，规则建立模块还用于根据本体、语义词典和分类体系对目标文本 进行标注。

优选地，数据匹配模块中根据规则体系对目标文本进行段落级、句子级或 词语级的数据匹配，再根据匹配结果进行语义归纳和筛选以获得目标文本的语 义信息。

本发明中通过已有的本体、语义词典和分类体系构建规则体系，极大降低 了基础规则的编写成本；将语义规则以类似自然语言的书写格式定义，有效抑 制机械的规则匹配导致的错误和歧义，提供丰富的、准确的语义信息提取机制， 同时，其极易书写性、可重用性和天然的可组合性使其可以真正商业化和产业 化实施。本发明提供的基于组合理论的类自然语言语义信息抽取系统是实用的、 可产业化的、语义信息丰富的、准确率和召回率高的语义信息抽取系统

附图说明

图1为本发明提出的一种基于组合理论的类自然语言的语义信息抽取方法 流程图；

图2为本发明提出的一种基于组合理论的类自然语言的语义信息抽取系统 的结构图。

具体实施方式

参照图1，本发明提出的一种基于组合理论的类自然语言的语义信息抽取方 法，包括以下步骤：

S1、根据已有的本体、语义词典和分类体系建立规则体系，其语义规则以 类似自然语言的书写格式定义；

S2、根据规则体系中的语义规则组合匹配训练集，生成可选语义规则的机 制；

S3、根据匹配训练集对目标文本进行数据匹配，并获得目标文本的语义信 息。

步骤S1具体包括：

S11、获取目标文本；

S12、根据目标文本在预制本体、语义词典和分类体系中获取对应的本体、 语义词典和分类体系；

S13、根据对应的本体、语义词典和分类体系建立规则体系。

步骤S12中还包括：根据本体、语义词典和分类体系对目标文本进行标注， 便于文本语义信息的抽取。标注过程通过人工实现，针对性强。

步骤S3具体为：根据规则体系对目标文本进行段落级、句子级或词语级的 数据匹配，再根据匹配结果进行语义归纳和筛选，获得目标文本的语义信息。 语义筛选通过人工实现，使其更加符合自然语言习惯。

具体实施时，步骤S1中，语义规则的组成元素可细化到短句、词汇或字符 层面，以便根据实际应用场景的需求，提取不同层面的语义信息。

具体实施时，步骤S2中，语义规则的组合逻辑为布尔表达逻辑、类正则表 达逻辑、连接表达逻辑和/或位置表达逻辑的任意组合。本实施方式中，选择的 是布尔表达逻辑、类正则表达逻辑、连接表达逻辑和位置表达逻辑的完整组合， 进一步确保语义信息的完整与准确。

以上方法中，通过拣选符合自然语言表达习惯(又称“符合直觉”)的规则； 对未被规则涵盖的语句进行新一轮迭代，从而形成一套可人工理解、可用于语 义匹配和文本信息抽取的规则。

以上方法通过已有的本体、语义词典和分类体系构建规则体系，极大降低 了基础规则的编写成本，而通过组合规则来匹配文本信息，使得文本信息的提 取更加完整精确；将语义规则以类似自然语言的书写格式定义，有效抑制机械 的规则匹配导致的错误和歧义，提供丰富的、准确的语义信息提取机制，同时， 其极易书写性、可重用性和天然的可组合性使其可以真正商业化和产业化实施。

参照图2，本发明提供的一种基于组合理论的类自然语言的语义信息抽取系 统，包括依次连接的规则建立模块，规则组合模块和数据匹配模块。

规则建立模块，用于根据已有的本体、语义词典和分类体系建立规则体系， 其语义规则以类似自然语言的书写格式定义。规则建立模块还用于获取目标文 本，根据目标文本从预制本体、语义词典和分类体系中获取对应的本体、语义 词典和分类体系，并根据对应的本体、语义词典和分类体系对目标文本进行标 注。

规则组合模块，用于根据规则体系组合匹配训练集，生成可选语义规则的 机制。

数据匹配模块，用于根据匹配训练集对目标文本进行数据匹配，并获得目 标文本的语义信息。具体的，数据匹配模块中根据规则体系对目标文本进行段 落级、句子级或词语级的数据匹配，再根据匹配结果进行语义归纳和筛选以获 得目标文本的语义信息。

以上实施方式提供的基于组合理论的类自然语言语义信息抽取系统是实用 的、可产业化的、语义信息丰富的、准确率和召回率高的语义信息抽取系统。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局 限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本 发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护 范围之内。