一种人称标注方法与流程

本发明涉及自然语言处理技术领域，具体涉及一种人称标注方法。

背景技术：

目前，随着互联网技术的快速发展，每时每刻都会有无数的信息进行传播和存储，我们获得的信息越来越多，如果从海量的信息中寻找到自己需要的信息，同时将差别各异的信息进行提取，得到我们能理解的信息成为人们共同关注的问题。

语句是信息的基础组成部分，理解语句是分析处理信息的重要步骤之一，对于语句的理解主要从三个方面进行，包括语义分析、语句人称分析和句法分析。语义分析是根据语句结构和语句中词语的词义，推导出句子的实际语义；语句人称分析是找出语句中谓语的相应语义人称成份；句法分析是根据语句的语法，推导出语句的语法结构，确定语句的组成成分。

语句的分析被应用到各个领域中，例如网站关键词搜索、网络聊天内容整合分析等，但是现如今对于语句的分析都比较粗糙，精确性不够。

技术实现要素：

针对现有技术中的缺陷，本发明公开了一种人称标注方法，通过本发明的方法对语句进行分析，能更好地了解语句的语义，支持语义的相关应用，比如根据语义判定喜好、习惯等。

本发明的技术方案如下：

一种人称标注方法，包括以下步骤：

S1：建立用于将语句切分成独立词语的分词系统；

S2：获取语句，利用所述分词系统对所述语句进行分词，并通过标柱模块对分词后语句中的词语进行语义标注和词性标注；根据所述词语标注的语义和词性确定所述语句中的人称代词；

S3：通过命名识别模块识别所述语句中的命名实体，并对所述人称代词和所述命名实体进行人称标注；

S4：根据词语分析模块对所述语句进行语法分析，确定所述语句中的定语；根据所述定语确定所述语句的核心词语及核心词语对应的人称标注。

进一步地，上述的人称标注方法中，所述分词系统包括分词模型，所述分词系统的分词步骤如下：

通过所述分词模型对语句进行初步分词；

根据预设分词规则对初步分词后的词语进行整合；

根据第三方词典内容对分词规则整合后的词语进行语义合并。

进一步地，上述的人称标注方法中，所述分词模型为HMM分词模型。

进一步地，上述的人称标注方法中，所述分词模型为CRF分词模型。

进一步地，上述的人称标注方法中，所述标柱模块用于对词语进行语义标注和词性标注，所述标柱模块采用HMM标注模型和CRF标注模型。

进一步地，上述的人称标注方法中，所述命名识别模块采用CRF识别模型。

进一步地，上述的人称标注方法中，所述命名识别模块用于识别词典中未记录的词语；所述命名实体包括人名、地名、机构名、产品名、商标名、简称和省略语。

进一步地，上述的人称标注方法中，所述词语分析模块为PCFG生成式句法分析模型。

进一步地，上述的人称标注方法中，所述词语分析模块为CRF句法分析模型。

进一步地，上述的人称标注方法中，所述人称标注包括第一人称标注、第 二人称标注和第三人称标注。

本发明的显著效果：本发明公开的一种人称标注方法，通过对语句进行语义分析、语句人称分析和句法分析，能快速确定语句中的命名实体和核心词语，头同时确定命名实体和核心词语的人称标注，从而确定语句的语义，可以根据语义判断人们的喜好、习惯等。

附图说明

图1为本发明人称标注方法实施例中的控制流程图；

图2为本发明人称标注方法实施例中的句法分析树状图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

实施例：

参照图1，为本发明人称标注方法实施例中的控制流程图，具体步骤如下：

S1：建立用于将语句切分成独立词语的分词系统；其中，所述分词系统包括分词模型，所述分词系统的分词步骤如下：

通过所述分词模型对语句进行初步分词；

根据预设分词规则对初步分词后的词语进行整合；

根据第三方词典内容对分词规则整合后的词语进行语义合并。

所述分词模型为HMM分词模型；所述分词模型为CRF分词模型。

S2：获取语句，利用所述分词系统对所述语句进行分词，并通过标柱模块对分词后语句中的词语进行语义标注和词性标注；根据所述词语标注的语义和词性确定所述语句中的人称代词；所述标柱模块采用HMM标注模型和CRF标注模型。

S3：通过命名识别模块识别所述语句中的命名实体，并对所述人称代词和 所述命名实体进行人称标注；所述命名识别模块采用CRF识别模型；所述命名识别模块用于识别词典中未记录的词语；所述命名实体包括人名、地名、机构名、产品名、商标名、简称和省略语。

S4：根据词语分析模块对所述语句进行语法分析，确定所述语句中的定语；根据所述定语确定所述语句的核心词语及核心词语对应的人称标注；所述词语分析模块为PCFG生成式句法分析模型；所述词语分析模块为CRF句法分析模型；所述人称标注包括第一人称标注、第二人称标注和第三人称标注。

参照图2，为本发明人称标注方法实施例中的句法分析树状图。

以下以三个例子具体展现本发明的人称标注方法：

语句1：五十分钟前我女朋友的爸爸去听许巍此时此刻演唱会。

利用所述分词系统对所述语句1进行分词，得到初步分词结果“五、十、分、钟、前、我、女、朋、友、的、爸、爸、去、听、许、巍、此、时、此、刻、演、唱、会”。

根据预设分词规则对初步分词后的词语进行整合，整合结果为“五十、分钟、前、我、女、朋友、的、爸爸、去、听、许巍、此时、此刻、演唱会”。

根据第三方词典内容对分词规则整合后的词语进行语义合并，和并后的结果为“五十、分钟、前、我、女朋友、的、爸爸、去、听、许巍、此时此刻、演唱会”。

通过标柱模块对分词后语句中的词语进行语义标注和词性标注；根据所述词语标注的语义和词性确定所述语句中的人称代词，标注模块标注后为“五十/m、分钟/qt、前/f、我/rr、女朋友/n、的/ude1、爸爸/n、去/vf、听/v、许巍/n、此时此刻/n、演唱会/n”，可以确定词性rr的人称代词为“我”。

通过命名识别模块识别所述语句中的命名实体，并对所述人称代词和所述命名实体进行人称标注；命名结果为“五十分钟前我女朋友的爸爸去听<START:PER>许巍<END>此时此刻演唱会”，得到的人称命名实体为“许巍”。

根据词语分析模块对所述语句进行语法分析，确定所述语句中的定语；根 据所述定语确定所述语句的核心词语及核心词语对应的人称标注；根据图2的句法分析树状图，得到如下结果：“我女朋友的”是“爸爸”的定语，许巍没有定语，因此人称词为“我女朋友的爸爸”和“许巍”；核心词为“爸爸”和“许巍”；标注“我女朋友的爸爸”为第三人称，“许巍”为第三人称，得到人称标注结果“五十分钟前<START:第三人称>我女朋友的爸爸<END>去听<START:第三人称>许巍<END>此时此刻演唱会”。

语句2：我喜欢姚明。

通过分词和词性标注，得到人称代词“我”；通过命名实体识别技术，得到命名实体“姚明”；确定核心词分别为“我”和“姚明”，人称分别为“第一人称”和“第三人称”；标注“我”为第一人称，“姚明”为第三人称，得到人称标注结果：<START:第一人称>我<END>喜欢<START:第三人称>姚明<END>。

语句3：我喜欢帅气的刘德华。

通过分词和词性标注，得到人称代词“我”；通过命名实体识别技术，得到命名实体“刘德华”；通过句法分析，得到帅气是刘德华的定语；确定核心词分别为“我”和“刘德华”，人称分别为“第一人称”和“第三人称”；标注“我”为第一人称，“帅气的刘德华”为第三人称，得到人称标注结果：<START:第一人称>我<END>喜欢<START:第三人称>帅气的刘德华<END>。

本发明公开了一种人称标注方法，通过对输入语句进行语法分析，识别人称和核心词并进行标注，能快速确定语句的语义，可以根据语义判断输入者的个人喜好，个人习惯以及此时的心情等；此处的输入者可以是网络聊天中的聊天者。

本发明的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人 员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。