[发明专利]一种融合越南语语法特征的短语树到依存树的转换方法

摘要

本发明涉及一种融合越南语语法特征的短语树到依存树的转换方法，属于自然语言处理技术领域。本发明包括步骤：首先构建越南语短语树库；利用融合了越南语语法特征的中心子节点过滤表以及依存关系标注器完成越南语短语树库中的短语树到依存树的转换，得到一级越南语依存树库；根据人工标注后的一级越南语依存树库的语料训练得到MSTParser模型，利用MSTParser模型进行一级越南语依存树库的扩展，得到扩展后的二级越南语依存树库；利用依存关系校正器对扩展后的二级越南语依存树库的语料进行校正，得到最终的三级越南语依存树库。本发明避免了人工收集和标注越南语依存树库的过程，节省了人力和构建树库的时间，准确率明显提高。

主权项

1.一种融合越南语语法特征的短语树到依存树的转换方法，其特征在于：所述融合越南语语法特征的短语树到依存树的转换方法的具体步骤如下：Step1、首先构建越南语短语树库；Step2、利用融合了越南语语法特征的中心子节点过滤表以及依存关系标注器完成越南语短语树库中的短语树到依存树的转换，得到一级越南语依存树库；Step3、根据人工标注后的一级越南语依存树库的语料训练得到MSTParser模型，利用MSTParser模型进行一级越南语依存树库的扩展，得到扩展后的二级越南语依存树库；Step4、利用依存关系校正器对扩展后的二级越南语依存树库的语料进行校正，得到最终的三级越南语依存树库；所述Step2的具体步骤如下：Step2.1、根据越南语语法特征制定出符合越南语语言特点的中心子节点过滤表；Step2.2、利用中心子节点过滤表完成对越南语短语树库中短语树到依存树的初步转换；Step2.3、通过分析越南语与汉语的语序差异，结合宾州中文树库CTB依存关系标注集，制定出适合越南语的依存关系标注集；Step2.4、把越南语的依存关系标注集输入到依存关系标注器；同时设置特征值，准备进行越南语依存关系标注；在确定依存关系的过程中，采用了基于统计的方法来进行依存关系标注，利用online算法来训练特征向量的权值；Step2.5、利用依存关系标注器完成转换后的越南语依存树的标注工作，最终完成了越南语短语树库中的越南语短语树到依存树的转换，得到一级越南语依存树库；所述Step3中，使用最大生成树MST算法对人工校对后的一级越南语依存树库的语料训练得到越南语依存句法分析模型，其中：最大生成树MST算法采用全句的依存树进行训练，依存分析时使用最大生成树搜索整句的最优依存树；将一个越南语句子S＝{s₁,s₂,...,s_n}的依存关系树表示为一个有向图G＝(V,E)，其中越南语句子中的词构成G的顶点集合V＝{v₁,v₂,...,v_n}，表示越南语词间依存关系的连线，若依存树中有一条从顶点i指向顶点j的有向连线，则顶点i,j间就有一条有向边(i,j)∈E，其中i∈V，j∈V，每一条有向边权重定义为score(i,j,y)，即j依存于i的概率；其中y为依存关系类型，一棵依存关系树的权重即为这棵树中有向边权重的总和，那么，判别式的依存分析方法将寻找最优结果转化为在有向图G＝(V,E)中搜索最大生成树问题；S表示一个越南语句子，s1,s2,……sn表示该句子的子句，n表示该句中子句的个数，将该句子用依存关系树表示，其顶点集合为V，v1,v2,……vm为各顶点，即子节点，m为依存关系树中顶点个数。