CN102789450A

CN102789450A - 基于规则的可定义式语义解析系统及方法

Info

Publication number: CN102789450A
Application number: CN2012102416173A
Authority: CN
Inventors: 卢玉敏; 谢峰
Original assignee: Individual
Current assignee: Individual
Priority date: 2012-07-12
Filing date: 2012-07-12
Publication date: 2012-11-21

Abstract

本发明涉及人工智能领域，公开了一种基于规则的可定义式语义解析系统及方法。本发明中，通过将语义规则的定义与程序体分离，使得语义专家可以不关注程序体运行规则，在程序体外部对语义规则进行编辑和维护，从而使规则的维护和扩展简化，易于实现。

Description

基于规则的可定义式语义解析系统及方法

技术领域

本发明涉及人工智能领域，特别涉及基于规则的可定义式语义解析系统及方法。

背景技术

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，也就是，研究用电子计算机模拟人的语言交际过程，使计算机能理解和运用人类社会的自然语言如汉语、英语等，实现人机之间的自然语言通信，以代替人的部分脑力劳动，包括查询资料、解答问题、摘录文献、汇编资料以及一切有关自然语言信息的加工处理。其中需要解决的中心问题是语义解析，即识别一句话所表达的实际意义。

一般将用于解析自然语言语义的电脑程序称为AI引擎，目前主要将解析语义的逻辑定义在程序体内部，这会造成程序员需要学习语义规则或语义专家需要学习程序知识，无法实现角色分离，从而造成一名精通语义的程序员难以培养。

此外，现有的AI引擎大都缺乏一套可以由语义专家而非软件工程师进行配置的业务规则，导致AI的规则维护相当困难，并且难以扩展，以至于语义专家和AI产品本身严重脱节。另外一方面，此类AI引擎也缺乏通用性，规则的可定制性不强，导致大多目前流行的AI引擎，只能处理一部分领域的问题。

发明内容

本发明的目的在于提供一种基于规则的可定义式语义解析系统及方法，将语义规则的定义与程序体分离，使得语义专家可以不关注程序体运行规则，在程序体外部对语义规则进行编辑和维护，从而使规则的维护和扩展简化，易于实现。

为解决上述技术问题，本发明的实施方式提供了一种基于规则的可定义式语义解析系统，包含：交互模块、规则模型化模块、AI引擎、规则库；

所述交互模块，用于接收语义专家输入的自然语言的语义规则，并输出至所述规则模型化模块；

所述规则模型化模块，用于将所述自然语言的语义规则定义为计算机可识别的规则对象，并存储至所述规则库；

所述规则库，用于存储所述计算机可识别的规则对象；

所述AI引擎，用于从所述规则库中选择规则对象，并根据所述规则对象解析语义。

本发明的实施方式还提供了一种基于规则的可定义式语义解析方法，包含以下步骤：

接收语义专家输入的自然语言的语义规则；

将所述自然语言的语义规则定义为计算机可识别的规则对象；

选择规则对象，并根据所述规则对象解析语义。

本发明实施方式相对于现有技术而言，通过将语义规则的定义与程序体分离，使得语义专家可以不关注程序体运行规则，在程序体外部对语义规则进行编辑和维护，从而使规则的维护和扩展简化，易于实现。

另外，所述规则模型化模块包含以下子模块：

拆分子模块，用于拆分条件和执行过程；

条件模型化子模块，用于将拆分得到的所述条件定义为条件对象；

动作模型化子模块，用于将拆分得到的所述执行过程定义为动作对象；

结构模型化子模块，用于将所述动作对象和/或所述条件对象实例化为规则对象，其中，所述规则对象包含分词解析规则对象和语义解析规则对象。

通过规则模型化模块提供一套可配置规则的框架，将语义专家制定的自然语言的语义规则转化为计算机可识别的规则对象，使语义专家可只关注自然语言的语义规则，不用关注自然语言的语义规则转化为计算机可识别的规则对象的过程。

另外，所述规则模型化模块还包含条件嵌套子模块，用于根据逻辑判断方式，使用合成方式定义嵌套的条件；

所述条件模型化子模块在将拆分得到的所述条件定义为条件对象时，所述条件为合成的嵌套条件。

通过使用合成方式将复杂的条件定义为嵌套的条件，使规则模型化模块将复杂的自然语言的语义规则拆分成简单语义的合成，方便规则对象的描述。

另外，所述AI引擎包含以下模块：

分词模块，用于在接收到一句需解析的语句后，从所述规则库中选择分词解析规则对象，对句子进行分词，得到含有分词结果的句子对象；

句子解析模块，用于在接收到含有分词结果的句子对象后，从所述规则库中选择语义解析规则对象，对句子进行语义分析，得到语义分析结果；

回复模块，用于根据句子的语义分析结果返回相应的回复。

AI引擎只提供可解析规则的基础框架，而非规则本身，所以可以满足各种规则的需求，无需对特定领域定制特定的AI引擎，使开发出的一个AI引擎可以用于多个领域，大大增强了AI引擎的可重用性。

另外，所述规则库包含医学行业规则库、汽车行业规则库、化工业规则库。各行业的语义专家均可以编辑和维护本领域的规则，保存到规则库中，AI引擎在进行语义解析时，从规则库中选择所需规则，从而拓展了AI引擎的使用范围。

附图说明

图1是根据本发明第一实施方式的基于规则的可定义式语义解析系统的结构示意图；

图2是根据本发明第一实施方式的基于规则的可定义式语义解析系统的AI引擎与行业规则之间的关系示意图；

图3是根据本发明第二实施方式的基于规则的可定义式语义解析方法的流程图；

图4是根据本发明第二实施方式的基于规则的可定义式语义解析方法的条件嵌套合成示意图；

图5是根据本发明第二实施方式的基于规则的可定义式语义解析方法的逻辑判断结构模型化示意图；

图6是根据本发明第二实施方式的基于规则的可定义式语义解析方法的实例化条件对象和动作对象的示意图；

图7是根据本发明第二实施方式的基于规则的可定义式语义解析方法的条件对象和动作对象的生成示意图；

图8是根据本发明第二实施方式的基于规则的可定义式语义解析方法的AI引擎的语义解析流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。

本发明的第一实施方式涉及一种基于规则的可定义式语义解析系统，如图1所示，包含交互模块、规则模型化模块、AI引擎、规则库。

交互模块用于接收语义专家输入的自然语言的语义规则，并输出至规则模型化模块；具体地说，提供一种规则定义工具，通过强大的图形化工具，语义专家可以编辑和维护特定领域的规则，如图2所示。

规则模型化模块用于将自然语言的语义规则定义为计算机可识别的规则对象，并存储至规则库。有了规则对象后，规则就可以被图形化工具所识别，以便供语义专家编辑，维护。

规则模型化模块包含以下子模块：

拆分子模块，用于拆分条件和执行过程；

条件模型化子模块，用于将拆分得到的条件定义为条件对象；

动作模型化子模块，用于将拆分得到的执行过程定义为动作对象；

结构模型化子模块，用于将动作对象和/或条件对象实例化为规则对象，其中，规则对象包含分词解析规则对象和语义解析规则对象。

此外，规则模型化模块还包含条件嵌套子模块，用于根据逻辑判断方式，使用合成方式定义嵌套的条件；条件模型化子模块在将拆分得到的条件定义为条件对象时，条件为合成的嵌套条件。通过使用合成方式将复杂的条件定义为嵌套的条件，使规则模型化模块将复杂的自然语言的语义规则拆分成简单语义的合成，方便规则对象的描述。

规则库用于存储计算机可识别的规则对象。针对不同的业务规则需要，规则库可以包含医学行业规则库、汽车行业规则库、化工业规则库等行业中的一种或多种，各行业的语义专家均可以编辑和维护本领域的规则，保存到规则库中，AI引擎在进行语义解析时，从规则库中选择所需规则，从而拓展了AI引擎的使用范围。

AI引擎用于从规则库中选择规则对象，并根据规则对象解析语义。该AI引擎包含以下模块：

分词模块，用于在接收到一句需解析的语句后，从规则库中选择分词解析规则对象，对句子进行分词，得到含有分词结果的句子对象；

句子解析模块，用于在接收到含有分词结果的句子对象后，从规则库中选择语义解析规则对象，对句子进行语义分析，得到语义分析结果；

回复模块，用于根据句子的语义分析结果返回相应的回复。

由于AI引擎只提供可解析规则的基础框架，而非规则本身，所以可以满足各种规则的需求，无需对特定领域定制特定的AI引擎，使开发出的一个AI引擎可以用于多个领域，大大增强了AI引擎的可重用性。

与现有技术相比，本发明实施方式通过将语义规则的定义与程序体分离，使得语义专家可以不关注程序体运行规则，在程序体外部对语义规则进行编辑和维护，从而使规则的维护和扩展简化，易于实现。

值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的合成实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

本发明的第二实施方式涉及一种基于规则的可定义式语义解析方法，具体流程如图3所示，包含以下步骤：

步骤301，接收语义专家输入的自然语言的语义规则；此处由语义专家对本领域的自然语言的语义规则进行编辑和维护。

步骤302，将自然语言的语义规则定义为计算机可识别的规则对象；此步骤简称规则模型化，下面举一个例子来说明规则模型化，比如说，分词过程有下列2条逻辑：

1）如果一个词不是动词，并且这个词是“了”，则该词词性改成动词；

2）如果逻辑1不满足，如果上一个词是“的”或者是“,”并且当前词不等于“被”，则这个词过滤。

模型化上述两个规则，可以分以下几个步骤：

（1）拆分条件和执行过程，这里可以称条件（RuleConditionStatement）,执行过程（RuleAction）；

（2）将拆分得到的条件定义为条件对象；而且根据逻辑判断方式，使用合成方式定义嵌套的条件；也就是说，根据逻辑判断方式，可以使用合成的方式来定义条件的嵌套；下面是一个模型化分词判断-执行的例子，具体分解方式如下：

A.将其变成计算机伪代码

If(!word.isVerb()&&word.getText().equals(“了”))then word.setVerb(true);

Else if((previous_word.getText().equals(“的”)|

previous_word.getText().equals(“,”))&&word.equals(“被”))thenword.delete();

B.使用结构化RuleConditionStatement来描述这两个条件的关系：

将条件拆分成最小单元用条件单元（RuleCondition）来表示，那么条件结构就变成了如下形式：

RuleCondition(!word.isVerb())and RuleCondition(word.getText().equals(“了”))

(

RuleCondition(previous_word.getText().equals(“的”))or

RuleCondition(previous_word.getText().equals(“,”)))and

RuleCondition(word.equals(“被”)

)

先忽略具体的逻辑检查，将条件RuleCondition和条件结构RuleConditionStatement进行关系组合使其能满足条件嵌套的要求。如图4所示，其中条件结构有“并且”和“或”，是聚合列表conditions中的“与”，“或”操作符，比如上例中的

（RuleCondition(previous_word.getText().equals(“的”))or

RuleCondition(previous_word.getText().equals(“,”))），

除了聚合条件，还包含后聚合条件，此例中只有一个条件结构RuleConditionStatement，也就是

RuleConditionStatement{

subConditions:[{RuleCondition(word.equals(“被”)}]

}。

（3）将拆分得到的执行过程定义为动作对象：过程模型化相对比较简单，暂且忽略具体的执行逻辑，定义执行过程RuleAction对象。

（4）将条件及执行对象的结构模型化；也就是说，将整个If（如果）…Then（然后）…结构进行模型化，这里可以称为结构模型RuleStatement。如图5所示，如果满足当前statement所对应的conditionstatement条件，要执行过程；如果不满足conditionstatement，后续判断条件以及所对应的执行过程action，如果后续条件不满足条件情况下，对应的执行过程action。

（5）将动作对象和/或条件对象实例化为规则对象，其中，规则对象包含分词解析规则对象和语义解析规则对象。

在第（4）步中，给出了条件及执行对象的模型化结构，但是不同情况下，所需要处理的业务规则特征不同，比如在分词判断时，条件模型涉及到词性，包括，动，名，形，介，等等，以及词本身，前词，后词等。执行动作涉及，修改词性，删除当前词，前词，后词等，所以在对具体的规则进行处理时，需要将条件对象实例化。在AI引擎中此类实例化可以分为两类，分词，以及句子语法分析。根据面向对象的原则，此处可以采用Strategy模式来实现。如图6所示，分词条件处理器（SentenceProcessConditionProcessor）以及分词执行过程处理器（SentenceProcessRuleActionProcessor）就是具体分词的实现类，需要有新的实现都可以扩展其接口条件处理器（RuleConditionProcessor）以及过程执行器（RuleActionExecutor），而它们所接受的动作（Action）以及条件（Condition）类都是执行过程（RuleAction）以及条件（RuleCondition）的子类，包含了特定分词逻辑所需要的特征。

（6）实现配置以及解析引擎

针对上述模型，可以把规则定义成可扩展标记语言（extensible markuplanguage，简称“xml”）的形式。继续沿用上例，将条件和执行过程翻译成下列xml片断

可以看到xml的灵活格式可以满足各种规则定制的需求。针对不同业务规则，使用定制的SAX（事件驱动型XML解析的一个标准接口）工厂解析即可满足特定的条件对象以及特定的执行对象的生成，如图7所示。

步骤303，选择规则对象，并根据所述规则对象解析语义。

在进行语义解析之前，需要将解析语义的逻辑定义在程序体内部，首先所需的准备工作为：分析人类大脑的记忆体数据结构，将AI引擎的解析规则设定为基于语义规则的AI解析。接着进行语义解析，如图8所示，具体步骤如下：

首先，在接收到一句需解析的语句后，选择分词解析规则对象，对句子进行分词，得到含有分词结果的句子对象，也就是说，AI引擎的分词模块在接收到一句需解析的语句后首先进行分词：

（1）定义分词模块解析的规则源；

（2）根据规则源的定义对句子进行分词；

接着，将分词结果交付到句子解析模块；句子解析模块收到分词的结果之后，选择语义解析规则对象，对含有分词结果的句子对象进行语义分析，得到语义分析结果；也就是说，句子解析模块收到含有分词结果的句子对象后：

（1）定义语义解析的规则源；

（2）根据规则源的定义对句子进行语义分析；

接着，在得到句子的语义分析结果之后，根据句子的语义分析结果返回相应的回复。

不难发现，本实施方式为与第一实施方式相对应的方法实施例，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包含相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims

1.一种基于规则的可定义式语义解析系统，其特征在于，包含：交互模块、规则模型化模块、AI引擎、规则库；

所述规则库，用于存储所述计算机可识别的规则对象；

2.根据权利要求1所述的基于规则的可定义式语义解析系统，其特征在于，所述规则模型化模块包含以下子模块：

拆分子模块，用于拆分条件和执行过程；

3.根据权利要求2所述的基于规则的可定义式语义解析系统，其特征在于，所述规则模型化模块还包含条件嵌套子模块，用于根据逻辑判断方式，使用合成方式定义嵌套的条件；

4.根据权利要求2或3所述的基于规则的可定义式语义解析系统，其特征在于，所述AI引擎包含以下模块：

回复模块，用于根据句子的语义分析结果返回相应的回复。

5.根据权利要求1所述的基于规则的可定义式语义解析系统，其特征在于，所述规则库包含医学行业规则库、汽车行业规则库、化工业规则库。

6.一种基于规则的可定义式语义解析方法，其特征在于，包含以下步骤：

接收语义专家输入的自然语言的语义规则；

将自然语言的语义规则定义为计算机可识别的规则对象；

选择规则对象，并根据所述规则对象解析语义。

7.根据权利要求6所述的基于规则的可定义式语义解析方法，其特征在于，在所述将自然语言的语义规则定义为计算机可识别的规则对象的步骤中，包含以下子步骤：

拆分条件和执行过程；

将拆分得到的所述条件定义为条件对象；

将拆分得到的所述执行过程定义为动作对象；

将所述动作对象和/或所述条件对象实例化为规则对象，其中，所述规则对象包含分词解析规则对象和语义解析规则对象。

8.根据权利要求7所述的基于规则的可定义式语义解析方法，其特征在于，在所述拆分条件和执行过程的步骤之后，还包含以下子步骤：

根据逻辑判断方式，使用合成方式定义嵌套的条件；

在所述将所述条件定义为条件对象的步骤中，所述条件为合成的嵌套条件。

9.根据权利要求7或8所述的基于规则的可定义式语义解析方法，其特征在于，在所述选择规则对象，并根据所述规则对象解析语义的步骤中，包含以下子步骤：

在接收到一句需解析的语句后，选择分词解析规则对象，对句子进行分词，得到含有分词结果的句子对象；

选择语义解析规则对象，对含有分词结果的句子对象进行语义分析，得到语义分析结果；

根据句子的语义分析结果返回相应的回复。