买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京汉雅天诚教育科技有限公司

摘要：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。

主权项：1.一种基于句式结构的汉语自动句法分析器，其特征在于，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；其中，S2中，所述构建句法规则库的步骤为：S201，按照句式结构的成分格局，推导单层句式结构的成分序列组合模式，采用形式文法表示如下：小句句式::＝连？状*定*主连？谓语部分助？谓语部分::＝单核谓语|合成谓语|联合谓语|连动谓语|兼语谓语|主谓谓语单核谓语::＝状*谓定*宾|状*谓|状*谓定*宾定*宾|状*谓补|状*谓定*宾补|状*谓补定*宾合成谓语::＝状*谓谓语部分联合谓语::＝单核谓语连？谓语部分连动谓语::＝单核谓语谓语部分兼语谓语::＝状*谓定*宾{1,2}谓语部分主谓谓语::＝小句句式其中，主、谓、宾、定、状、补表示六种句子成分，连、助表示句式结构中的连词位和助词位；上述推导表示成最终的扩展正则表达式时，句子成分采用“？xxx”的命名分组形式，xxx对应编码为：主语sbj、谓语prd、宾语obj、定语att、状语adv、补语cmp、独立语ind，虚词位采用“？xx”的命名分组形式，xx对应编码为：连词位cc、助词位uu、介词位pp、方位词位ff；S202，按照句本位语法的成分和词类对应关系，推导句子成分的词特征序列组合模式，采用形式文法表示如下：1主::＝NP2宾::＝NP3NP::＝NPc？NP*|n|t|r①|m①|.+？的|.+？f4谓::＝v|a|r②5定::＝n|a|r③|m|.+的6状::＝d|a|t|n①|r③|m②|.+地|.+？f|PP7补::＝d|a|m②|得.+|PP8PP::＝p.+？f|u⑧？9独::＝e|NP，上述推导表示成最终的扩展正则表达式时，其中虚词词类采用S201中所述的虚词位形式；S203，补充S201、S202之外的标点句模式，如下：句前模式::＝连？状|独+，谓前模式::＝连？状|独*主，|连？状|独*主连？状|独+，连名模式::＝连NP，S204，为S201、S202、S203的模式建立句法规则，数据库字段包括：id、模式名称、模式表达式、标点句类型、频次、句法选用概率；其中，标点句类型字段取值为：xj、np、vp、jq、wq、null，与S201、S202的形式文法中产生式的对应关系为：小句句式xj，谓语部分vp，NP和连名模式p，句前模式jq，谓前模式wq，其它ull；所述句法选用概率的计算公式为： 其中，句法规则的使用频次、模式表达式的匹配次数均从句本位语法树库中统计得到；S3中，词汇知识库和词法知识库具体为：S301，词汇知识库的数据库字段包括：id、词形、词类、子类、释义、用例、频次、是否组合歧义；其中，词类的字母编码为：名词、时间词t、方位词f、数词m、量词q、代词r、动词v、形容词a、副词d、介词p、连词c、助词u、叹词e、拟声词o、标点w；子类编码如下：n①：时空类名词n②：中国人名之姓氏n③：中国人名v①：不及物动词v②：及物动词v③：双宾动词v④：引出兼语谓语的动词v⑤：引出合成谓语的动词v⑥：由动词短语或小句充当宾语的动词v⑦：趋向动词v⑧：引出连动谓语的动词v⑨：可作结果补语的动词v⑩：可以独立充当状语的动词a①：属性词a②：状态词a⑨：可作结果补语的形容词m①：数词与名量词组合的数量词m②：数词与动量词或时量词组合的数量词q①：名量词q②：动量词或时量词r①：代名词r②：代谓词r③：代饰词c①：连接小句的连词c②：连接并列NP的连词c③：连接同位语的连词c④：连接联合谓语的连词u①：语气助词u②：动态助词u③：连接定、状、补的结构助词u④：用于句末的结构助词u⑤：用于NP后的结构助词u⑥：用于VP前的结构助词u⑦：用于句首的结构助词u⑧：框式结构中的结构助词S302，词法知识库存储句式结构中的动态词结构模式，其数据库字段包括：id、模式名、结构属性、词法正则表达式、词类、子类、示例、频次、词法选用概率；其中，结构属性对应句式结构体系XML中的@mod属性；词法正则表达式采用扩展正则表达式形式，用于匹配动态词内部的词素特征序列；词类取值同S301中词类的字母编码；子类有两种取值方式，一种是取S301中子类编码，另一种是：用“\n”形式，其中n代表一个数字，表示动态词的子类特征由内部第n个词素的子类特征决定；词法选用概率的计算公式为： 其中，动态词结构模式的使用频次、词法正则表达式的匹配次数均从句本位语法树库中统计得到。

全文数据：

权利要求：

百度查询： 北京汉雅天诚教育科技有限公司 一种基于句式结构的汉语自动句法分析器