[发明专利]基于语言对称性和拓扑性的对联生成方法及系统

说明书

本发明涉及一种基于语言对称性和拓扑性的对联生成方法及系统，所述方法首先获取上联，通过ICTCLAS算法对上联进行分词，将分词后的词语代入语料库搜索其编码，若语料库中无该词语，则输出对应字数的*符号，若语料库中有该词语，则选出所有前四位，即前三层编码相同的词语，将其中的与上联词汇字数不符以及有重复字的所有词语去除，将剩下的所有词语与原词进行相似度匹配计算，选取相似度值在0.6～0.8中间的词语作为选定词语输出，若备选词语数量不足1时，则更改部分条件限制，最后将所有匹配出的词语进行组合成为下联输出。

技术领域

本发明涉及一种基于语言对称性和拓扑性的对联生成方法及系统。

背景技术

自然语言理解研究如何使电子计算机理解和应用人类的自然语言，并通过语言生成与人类进行无障碍交际的方法和理论。如今中文自然语言理解使用的仍是乔姆斯基语法体系，这套体系并不完全适用于中文，因此针对中文进行的自然语言理解研究仍有许多未解决的难题，需要进一步进行研究。

语言中存在着各种数学表现，其中包含了对称性和拓扑性。对联作为中文中一种十分普遍的文学形式，其对称性的表现是典型的。对联可以概括出五个对称规律。同时对联中也有拓扑性质的存在，可以将对称性与拓扑性结合来分析理解对联。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于语言对称性和拓扑性的对联生成方法，提供了一种在给出汉语对联上联的情况下，生成下联的方法。

本发明基于语言对称性和拓扑性的对联生成方法，包括：

S1生成语料库；

S2获取对联的上联，基于统计及机器学习的分词方式对上联进行分词；

S3在语料库中搜索从上联中分出的词语编码，判断语料库中是否有相应的词语编码，

若有，则判断与该词匹配的语编码是否大于1个，若大于1个，则对所有义项进行相似度计算，取相似度最大者；若等于1个，则取该编码；若没有，则输出与分出词语对应字数的“*”符号；

S4查找所有编码前X层相同的词语，其中X初始值为3，是否多于或等于一个词，

若是，则删除候选词汇中与原词字数不同和有重复字的词语；

若否，则查找所有编码前X-1层相同的词语，是否多于或等于一个词，重复步骤4；

S5对所有备选词汇进行相似度计算，选取相似度在Y至Y+0.2 之间的词，Y的初始值为0.6；

S6备选词数量与1的关系，

若大于1，则随机选取备选词中的一个词语，输出该词语；

若等于1，则输出该词语；

若小于1，则以Y＝Y+0.1,判断Y+0.2≤1，若是，则重复步骤S5；若Y+0.2＞1，则随机选取备选词中的一个词语，输出该词语；

S7组合所有词语，输出下联。

进一步地，生成语料库的方法具体包括：把“笠翁对韵”以“同义词词林扩展板”的五层编码方式编入语料库。

进一步地，词语相似度计算过程如下：

首先判断在同义词林中作为叶子节点的两个义项在哪一层分支，即两个义项的编号在哪一层不同；

从第1层开始判断，相同则乘1，否则在分支层乘以相应的系数，然后乘以调节参数其中n是分支层的节点总数，该调节参数的功能是把义项相似度控制在[0，1]之间；