[发明专利]一种基于规则的知识点分类方法

说明书

本发明公开的属于英文知识点标注技术领域，具体为一种基于规则的知识点分类方法，在不需要人工标注的条件下，对大规模的英文文本进行知识点分类识别。相较与人工标注的方法，更加节省人力资源和时间成本；相较于机器学习方法，本方法会给出匹配每一个知识点时所对应的规则，这些规则都具有良好的自解释性，因此，本方法有更好的可解释性；针对识别过程中所遇到的badcase，以及未能识别的场景，可以通过添加规则进行快速的修复。同时，由于这些规则是通过TokenQuery Language进行描述的，因此非技术人员也可以编写规则，加速了规则的编写和修订过程。

技术领域

本发明涉及英文知识点标注技术领域，具体为一种基于规则的知识点分类方法。

背景技术

现有的知识点分类方法包括：1.人工标注。2.基于规则的分类方法。3.基于机器学习分类算法的方法。人工标注指在制定分类标准之后，由标注人员严格按照该标准进行知识点分类。相较而言，基于规则的方法，用计算机可以理解的语言编写分类规则，并由计算机自动进行规则匹配，从而进行知识点分类。基于机器学习的方法，通过对大量的已标注样本进行训练，得到一个预测模型，该模型可以推断出新样本所对应的知识点分类。

基于人工标注的方法需要耗费大量的人力和时间，要求标注人员有一定的英语能力，并且熟悉我们的知识点分类体系以及分类标准，这都给人工标注方案造成了相当的成本，同时人工造成的误差会影响分类的准确率。基于机器学习的分类方法，由于需要大量的标注样本，因此在一定程度上也有着人工标注方法相同的缺点。同时，机器学习方法的可解释性相对较差，纠正badcase的能力也相对较差。简单的基于规则的算法，直接使用编程语言编码规则，使得规则的表达力和可读性降低，并且只有技术人员才可以进行规则的编写，限制了开发和完善规则的效率。

发明内容

本发明的目的在于提供一种基于规则的知识点分类方法，以解决上述背景技术中提出的基于人工标注的方法需要耗费大量的人力和时间，要求标注人员有一定的英语能力，并且熟悉我们的知识点分类体系以及分类标准，这都给人工标注方案造成了相当的成本，同时人工造成的误差会影响分类的准确率；基于机器学习的分类方法，由于需要大量的标注样本；简单的基于规则的算法，直接使用编程语言编码规则，使得规则的表达力和可读性降低，并且只有技术人员才可以进行规则的编写，限制了开发和完善规则的效率的问题。

为实现上述目的，本发明提供如下技术方案：一种基于规则的知识点分类方法，该基于规则的知识点分类方法的具体步骤如下：

S1：设置句子中每一个token的基本属性：一个英文句子由一系列单词排列而成，将每个单词称作为一个token，每个token都有一系列的属性进行描述，这些属性的集合构成了这个token；

Token的基本属性包括：raw为原始字面、lower为原始字面小写形式、lemma为词根、pos为一种词性、upos为另一种词性、rel为在依存关系树中的依赖关系、head为在依存关系树中的依赖token序号；

token还可以添加自定义属性；

为了使用这些属性来描述token，定义了TQL，其基本表达式如下所示：

{property_1＝value_1,property_2＝value_2}

当一个token存在property_1和property_2属性，且这些属性的值分别等于value_1和value_2时，称这个token匹配这个TQL：

match(TQL，token)＝true；

当需要某个属性在多个取值中任意匹配一个时，可使用以下表达式：

{property_1＝v1|v2|v3}；