[发明专利]使用语言查询的文本分析系统和方法

摘要

本发明公开了一种使用语言查询的文本分析系统和方法，能从网络上获取中文文本信息，并作出分析，从而提取所需知识。本发明使用中文分词和语言查询语言（LQL）技术。透过中文分词技术，能对中文文本进行词的切分，并对所切分出的词进行词性标注。LQL技术对被切分和被标注的中文文本，进行LQL分析，并提取知识。本系统还提供了一种错误校正分析，用于删除错误被提取的知识。本发明的优点在于，非电脑程式员也能简单地设定LQL规则。同时，本发明是独立于文本内容的网络格式和结构，大大增强了收集信息的范围。本发明适用于网络信息提取、商业情报挖掘、信息聚合、网络知识库建立等应用领域。

主权项

一种使用语言查询的文本分析系统，其特征在于，所述系统包括：文本内容输入模块，用于输入中文文本于所述的文本分析系统；中文分词模块，用于对该中文文本进行词的切分；词性标注模块，用于对该被切分出的词，标注上词性标签；应用词典数据库，包括一个或多个应用词典，该应用词典包括一个或多个关键词；语言查询语言LQL规则数据库，用于储存一个或多个LQL规则，其中，该LQL规则的设定包括：定义被提取的知识在该中文文本中的位置(Extraction Position)；定义覆盖范围(Coverage)，该覆盖范围是一个句子，一个段落或一个文档；定义一个或多个匹配条件(MatchCriteria)，该匹配条件是短语列表(Phrase List)或具有特定词性标注的词(WORD POS)；定义匹配模式(MatchPattern)，该匹配模式是用于定义匹配条件，当该匹配条件是短语列表时，其匹配模式是一个档案名称，该档案名称指向在该应用词典内的一个或多个关键词，当该匹配条件是该具有特定词性标注的词时，其匹配模式是词性标签；LQL分析模块，根据该LQL规则，用于对该被切分和被词性标注的中文文本，进行LQL分析，并提取所需的知识，其中，该LQL分析包括：确立该LQL规则所定义的覆盖范围；根据该LQL规则的匹配条件所定义的词性标签，在该被切分和被词性标注的中文文本，找出具有该词性标签的词；根据该LQL规则的匹配条件所定义的关键词，在该被切分和被词性标注的中文文本，找出与该关键词相同的词；当在该覆盖范围中，该匹配条件能得到满足，根据该LQL规则所定义的被提取知识在中文文本中的位置，提取一个或多个词；被提取知识数据库，用于储存该被提取的知识。