[发明专利]一种基于深度学习和规则结合的议论文结构分析方法

权利要求书

1.一种基于深度学习和规则结合的议论文结构分析方法，其特征在于，所述方法包括以下步骤：

S1、输入作文题目和正文，使用议论文结构标签组分析系统；

S2、对议论文正文分句，并保留句子的段落信息；

S3、对正文所有句子进行分类，获得句子在全文中的作用；

S4、识别及调整结构标签，获得议论文结构分析的结果。

2.根据权利要求1所述的一种基于深度学习和规则结合的议论文结构分析方法，其特征在于，在S2中，对议论文正文分句时，具体的，根据换行符或预先设计的分割符对段落进行分割，在获得句子时，根据常用的句尾标点符号对句子进行分割，在分句时如果出现常见句尾标点符号出现在单引号或双引号前的情况，将该标点符号后的引号划分到该句中。

3.根据权利要求1所述的一种基于深度学习和规则结合的议论文结构分析方法，其特征在于，在S2中，保留句子的段落信息时，具体的，将全文分句结果储存为一个list，list的第i个元素为第i段的句子集合。

4.根据权利要求1所述的一种基于深度学习和规则结合的议论文结构分析方法，其特征在于，在S1中，结构标签组包括13个标签，具体为：总起全文、承上启下、总结全文、提出中心论点、提出分论点、举例论证、名人名言、深入分析、联系现实、现身说法、表达观点、讲述事件和从现实出发，

其中，当识别出首段、无标签的中间段以及尾段时，分别添加“总起全文”、“承上启下”、“总结全文”三个结构标签；

当识别出提出中心论点的语句时，添加“提出中心论点”结构标签；

当识别出从几个不同的侧面提出分论点的语句时，添加“提出分论点”结构标签；

当识别出举例论证相关内容的语句时，添加“举例论证”结构标签；

当识别出带有名人名言的语句时，添加“名人名言”结构标签；

当识别出道理论证相关部分，以及对论点加以分析以说服读者的语句时，添加“深入分析”结构标签；

当识别出非典故的事例、或作者身边发生的事、或最近几年的新闻时，添加“联系现实”结构标签；

当识别出作者自身发生的事时，添加“现身说法”结构标签；

当识别出非中心论点和分论点的普通表达观点的语句时，添加“表达观点”结构标签；

当识别出在首段对作文题目中材料进行介绍及分析的语句时，添加“讲述事件”标签；

当识别出从身边的新闻或身边事件讲述自己所感所想、以新闻或事件内容开头的语句时，添加“从现实出发”标签。

5.根据权利要求4所述的一种基于深度学习和规则结合的议论文结构分析方法，其特征在于，在S3中，具体的，将句子级结构标签识别转为11分类模型，在输入时需要将所有句子都输入，通过Embedding层利用深度学习模型将字符串句子映射为句向量，在获得所有句子Embedding结果后，将它们一同输入到BiLSTM层中，以获得每个句子经过BiLSTM后得到的向量，所述经过BiLSTM后得到的向量经过全连接网络变为一个1*11的向量，再经过Softmax获得多分类结果。

6.根据权利要求5所述的一种基于深度学习和规则结合的议论文结构分析方法，其特征在于，在S4中，具体包括以下步骤：

S41、当获得各句、各段落的结构标签后，以段落为单位对结果取并集，除去同一段落内的重复标签；然后进一步处理及识别结构标签以获得最终的以段落为单位的议论文结构分析结果；

S42、对于在全文中未识别出“提出中心论点”的情况，从第一段、第二段、最后一段选取所有句子，利用LDA模型向量化后，计算其与整篇文章LDA表示向量的余弦相似度，数值最高者判定为中心论点，则数值最高者所在段添加“提出中心论点”标签；

S43、对首段添加“总起全文”标签、对最后一段添加“总结全文”标签、对非首尾段且未分析出结构标签的段落添加“承上启下”标签以表示相应段落在全文中的作用，得到最终的议论文结构分析结果。