[发明专利]一种基于句式结构的汉语自动句法分析器

说明书

本发明提供一种基于句式结构的汉语自动句法分析器，包括S1，扩展正则表达式的语法模式，实现基于多元词特征序列的扩展正则表达式语法；S2，使用S1得到的所述扩展正则表达式语法，构建句法规则库；S3，构建与S2构建的所述句法规则库配套的词汇知识库和词法知识库；S4，基于S3构建的词汇知识库和词法知识库，采用词法、句法一体化分析算法进行句式结构的汉语自动句法分析。本发明的有益效果是：本发明实现了基于句式结构体系的汉语自动句法分析功能，提升了大规模句本位语法树库的构建效率，为形式化的图解析句与中文信息处理下游应用的衔接铺平了道路。

技术领域

本发明属于自然语言处理技术领域，尤其涉及一种基于句式结构的汉语自动句法分析器。

背景技术

汉语自动句法分析是指：根据给定的语法体系，自动推导出句子的语法结构，分析句子所包含的语法单元和这些语法单元之间的关系。句法分析作为自然语言处理领域关键技术之一，其一方面可以为后续语义分析提供技术支撑，另一方面可以对机器翻译、信息抽取、问答系统、语料自动处理等诸多上层应用提供帮助。

主流的基于短语结构语法体系和依存结构语法体系的自动句法分析算法的准确率已经能够达到90％左右，但这两种语法体系都不是教学语法，难以直接应用到汉语教学中。而句式结构语法与教学语法十分契合，基于句式结构语法体系的自动句法分析也能够在汉语教学领域有更深层次的应用。目前，自然语言处理领域还缺少一种基于句式结构的汉语自动句法分析器。

发明内容

本发明的目的在于提供一种基于句式结构的汉语自动句法分析器，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

本发明提供一种基于句式结构的汉语自动句法分析器，包括如下步骤：

S1，扩展正则表达式的语法模式，实现基于多元词特征序列的扩展正则表达式语法；

S2，使用S1得到的所述扩展正则表达式语法，构建句法规则库；

S3，构建与S2构建的所述句法规则库配套的词汇知识库和词法知识库；

S4，基于S3构建的词汇知识库和词法知识库，采用词法、句法一体化分析算法进行句式结构的汉语自动句法分析，具体步骤为：

使用逗号标点“，”将输入句子切分为多个标点句；

采用S3构建的所述词汇知识库和词法知识库，对每个标点句进行词法分析，生成词特征序列候选集；

采用S2构建的所述句法规则库，对所述词特征序列候选集进行句法分析，输出句式结构表达式，完成句式结构的汉语自动句法分析。

优选的，S1中，采用以下方法，扩展正则表达式的语法模式：

S101，扩展正则表达式的匹配基元为词特征，包括：从词形特征、词类特征、子类特征和所附标点特征中选择其一，词类特征或子类特征后以字符为单位进一步限制词长；扩展正则表达式与输入词特征序列的匹配过程称为扩展正则匹配；

S102，词形特征为连续的中文字符串，词类特征为单个ASCII小写英文字母，子类特征为词类特征字母后加上①～的组合形式，所附标点特征包括前标点特征和后标点特征两类，前标点特征包括左单引号特征、左双引号特征、左括号特征和左书名号特征，其余为后标点特征；

S103，扩展正则表达式最终表示形式为字符串，其中基元解析法则为：连续中文字符作为一个词形特征，若想表达连续的两个词形特征，两个词形特征各采用小括号括起来作为两个正则分组；前标点特征转化为正则表达式中的正向预查模式，后标点特征转化为正则表达式中的逆向预查模式，得到最终的扩展正则表达式的语法模式。

优选的，S2中，所述构建句法规则库的步骤为：