[发明专利]一种基于组合理论的文本信息处理系统及方法

说明书

技术领域

本发明涉及文本分析技术领域，尤其涉及一种基于组合理论的文本信息处理系统及方法。

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，不能准确并充分的释放文本信息，从而难以对文本信息进行有效利用。

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充分释放，是十分关键的问题。

发明内容

基于背景技术存在的问题，本发明提出了一种基于组合理论的文本信息处理系统及方法，解决了文本数据分析问题，可充分释放文本信息的价值。

本发明提出的一种基于组合理论的文本信息处理系统，包括：

基本元素层，用于定义最底层的基本元素和执行基本元素的匹配逻辑；

组合逻辑层，连接基本元素层，用于定义一种或多种组合逻辑，组合逻辑用于将基本元素粘合成组合性表达元素；

编程接口定义层，连接组合逻辑层，用于定义一个或多个可通过编程实现的规则表达接口；

抽取支持层，连接编程接口定义层，用于根据匹配规则抽取文本信息，并将文本信息以规则表达；

类自然语言描述层，连接抽取支持层，用于以类自然语言的格式来描述规则；

类自然语言描述解析及优化组件，连接类自然语言描述层，将以类自然语言描述的规则解析为以基本元素和逻辑组合形式构成的内部表达式；

支持组件，连接类自然语言描述解析及优化组件，用于提供逻辑组合形式。

优选地，基本元素层包括：基本表达元素模块，用于定义表达元素；基本数量元素模块，用于定义数量元素；表达执行器，用于执行基本元素的表达方式。

优选地，组合逻辑包括布尔表达逻辑、类正则表达逻辑、连接表达逻辑和/或位置表达逻辑。

优选地，编程接口定义层中的每一个规则表达接口均可通过编程实现特定特性。

优选地，抽取支持层抽取的文本信息的表达方式为短语构词、短句构词或句式结构。

优选地，逻辑组合形式内置并具有工具性。

优选地，逻辑组合形式包括通用的组合形式。

优选地，逻辑组合形式包括常用的组合形式。

优选地，逻辑组合形式包括词汇性组合形式，常用词组合形式，数量、顺序及时间组合形式和句式级连接词组合形式。

一种基于组合理论的文本信息处理方法，包括步骤：

S1、定义最底层的基本元素和执行基本元素的匹配逻辑；

S2、根据组合逻辑粘合基本元素，获取组合性表达元素做为匹配规则；

S3、根据编程实现规则表达接口并接入匹配规则；

S4、根据匹配规则抽取文本信息，并将文本信息以规则表达；

S5、将规则以类自然语言的格式来描述；

S6、对类自然语言描述的规则进行解析，并以基本元素和连逻辑组合形式来表示，形成内部表达式。

本发明利用组合规则表达文本信息，既保证了文本信息的有效提取，又避免了相同信息的重复表达，有效的解决了文本数据分析问题，不但精准度高、提供语义信息丰富，而且极具实用性和可产业化等特点，以其作为数据挖掘等技术的输入数据，可充分释放文本信息的价值。

附图说明

图1为本发明提出的一种基于组合理论的文本信息处理系统的结构图；

图2为图1所示系统的工作流程图。

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文本信息处理系统，包括基本元素层、组合逻辑层、编程接口定义层、抽取支持层、类自然语言描述层、类自然语言描述解析及优化组件和支持组件。

基本元素层，用于定义最底层的基本元素和执行基本元素的匹配逻辑，其包括基本表达元素模块、基本数量元素模块和表达执行器。其中，基本表达元素模块，用于定义表达元素；基本数量元素模块，用于定义数量元素；表达执行器，用于执行基本元素的表达方式。

组合逻辑层，连接基本元素层，用于定义一种或多种组合逻辑，组合逻辑用于将基本元素粘合成组合性表达元素。组合逻辑包括布尔表达逻辑、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，组合逻辑包括布尔表达逻辑、类正则表达逻辑、连接表达逻辑和位置表达逻辑。