CN112632924A - 规则化执行序列标注的方法、系统、电子设备及存储介质 - Google Patents
规则化执行序列标注的方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112632924A CN112632924A CN202011509234.0A CN202011509234A CN112632924A CN 112632924 A CN112632924 A CN 112632924A CN 202011509234 A CN202011509234 A CN 202011509234A CN 112632924 A CN112632924 A CN 112632924A
- Authority
- CN
- China
- Prior art keywords
- dsl
- ruta
- rule
- sequence
- labeling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000002372 labelling Methods 0.000 title claims abstract description 45
- 230000014509 gene expression Effects 0.000 claims abstract description 50
- 241001521328 Ruta Species 0.000 claims abstract description 45
- 235000003976 Ruta Nutrition 0.000 claims abstract description 45
- 235000005806 ruta Nutrition 0.000 claims abstract description 45
- 238000013461 design Methods 0.000 claims abstract description 17
- 230000009471 action Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013139 quantization Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 241001465754 Metazoa Species 0.000 description 7
- 238000003058 natural language processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/169—Annotation, e.g. comment data or footnotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Devices For Executing Special Programs (AREA)
Abstract
本发明公开了一种规则化执行序列标注的方法、系统、电子设备及存储介质,所述方法包括:基于通用编程语言,模拟Apache UIMA Ruta的语法设计DSL,根据DSL编写序列标注规则,具备良好的规则表达能力,且便于集成部署;根据序列标注规则,通过使用Apache UIMA Ruta的算法与正则表达式双引擎执行序列标注,对于简单的规则和复杂的规则采用不同的引擎,使得运行速度更快,提高了执行效率。
Description
技术领域
本发明涉及自然语言处理领域,尤其涉及一种规则化执行序列标注的方法、系统、电子设备及存储介质。
背景技术
随着近年来互联网等新兴媒体的快速发展,人类已经进入了信息爆炸的时代。同时也越来越希望计算机能够理解人类的语言,以更好地帮助人类完成各种日常工作,因此自然语言处理(natural language processing,NLP)成为了近年来的研究热点。序列标注是自然语言处理的常见任务,即把一个字符序列(句子)的各个字符,按照任务目标,打上相应的标记。比如中文分词、词性标注、实体识别、关系抽取等,都可以作为序列标注任务来处理。
基于模型和基于规则,是序列标注的两种主要方法。基于模型的方法,可以通过训练的过程,捕捉大量隐含的规则,而基于规则的方法,则是把显式的规则,直接编写成代码,模型可以有效利用数据,规则可以精细化调节,两种方法互为补充,通常配合使用。
正则表达式、通用编程语言和专用规则语言,是最常用的规则的表达形式,但这些方法各有不足:
1、正则表达式简明清晰,易于表示字符级规则,但词级别(Token level)的规则写起来过于复杂;
2、通用编程语言足够灵活,最直接的用法是分支语句(if-else)或多态分发(virtual method dispatch)来表达规则,命令式(imperative)执行,代码量大,规则太多的情况下,不易于维护;
3、专用规则语言,如Apache UIMA Ruta、TokenRegex和Gate Jape等,采用声明式(declarative)的语法设计,可以很方便的表达序列标注规则,缺点是需要专用的规则引擎,独自编译的规则语言与通用编程语言比较割裂,学习成本高,部署不够方便。
发明内容
本发明针对上述的技术问题,提出一种规则化执行序列标注的方法、系统、电子设备及存储介质。
第一方面,本申请实施例提供了一种规则化执行序列标注的方法,包括:
DSL设计步骤:基于通用编程语言,模拟Apache UIMA Ruta的语法设计DSL;
规则编写步骤:根据所述DSL编写序列标注规则;
序列标注步骤:根据所述序列标注规则,通过使用Apache UIMA Ruta的算法与正则表达式执行序列标注。
上述规则化执行序列标注的方法,其中,所述通用编程语言符合以下条件:支持闭包;支持操作符重载;支持动态执行;支持面向对象编程。
上述规则化执行序列标注的方法,其中,所述DSL设计步骤中,Apache UIMA Ruta的规则由匹配类型、量化参数、条件表达式和动作表达式构成。
上述规则化执行序列标注的方法,其中,所述Apache UIMA Ruta的规则如果能和输入匹配,则在匹配的序列上执行动作。
上述规则化执行序列标注的方法,其中,所述DSL设计步骤与所述规则编写步骤中均用到自定义标注器,在不使用规则DSL的情况下,直接将类型标注出来,标注的结果作为最终的输出或其他模块的输入。
上述规则化执行序列标注的方法,其中,所述序列标注步骤中,所述Apache UIMARuta的算法基于有限状态置换器。
第二方面,本申请实施例提供了一种规则化执行序列标注的系统,包括:
DSL设计模块:基于通用编程语言,模拟Apache UIMA Ruta的语法设计DSL;
规则编写模块:根据所述DSL编写序列标注规则;
序列标注模块:根据所述序列标注规则,通过使用Apache UIMA Ruta的算法与正则表达式执行序列标注。
上述规则化执行序列标注的系统,其中,所述DSL设计模块中,Apache UIMA Ruta的规则由匹配类型、量化参数、条件表达式和动作表达式构成。
第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的规则化执行序列标注的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的规则化执行序列标注的方法。
与现有技术相比,本发明的优点和积极效果在于:
1.本发明基于通用编程语言设计DSL,模拟Apache UIMA Ruta语法,具备良好的规则表达能力,且便于集成部署,用于规则化执行序列标注。与通用编程语言相比,规则表达能力更强,与专用规则语言相比,集成、部署更简单。
2.规则执行过程中采用Apache UIMA Ruta算法和正则表达式双引擎执行,对于简单的规则和复杂的规则采用不同的引擎,使得运行速度更快,提高了执行效率。
附图说明
图1为本发明提供的规则化执行序列标注方法的步骤示意图;
图2为本发明提供的规则化执行序列标注示例;
图3为本发明提供的规则化执行序列标注系统的框架图;
图4为根据本申请实施例的计算机设备的框架图。
其中,附图标记为:
11、DSL设计模块;12、规则编写模块;13、序列标注模块;81、处理器;82、存储器;83、通信接口;80、总线。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
下面结合附图所示的各实施方式对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
在详细阐述本发明各个实施例之前,对本发明的核心发明思想予以概述,并通过下述若干实施例予以详细阐述。
本发明基于通用编程语言,构造声明式的领域专用规则语言,模拟Apache UIMARuta语法,具备良好的序列规则表达能力,且便于集成部署。执行过程支持使用UIMA Ruta算法和正则表达式两种引擎,提高了执行效率。
自然语言处理(NLP)
序列标注(Sequence tagging)
声明式编程语言(declarative programming language)
命令式编程语言(imperative programming language)
正则表达式(regular expression)
领域专用语言(DSL,Domain Specific Language)
嵌入式领域专用语言(eDSL,Embedded Domain Specific Language):以一种通用语言为宿主的DSL
实施例一:
参照图1所示,图1为本发明提供的规则化执行序列标注方法的步骤示意图。如图1所示,本实施例揭示了一种规则化执行序列标注方法(以下简称“方法”)的具体实施方式。
具体而言,本实施例所揭示的方法主要包括以下步骤:
步骤S1:基于通用编程语言,模拟Apache UIMA Ruta的语法设计DSL。
具体而言,不是所有通用编程语言都适用于设计序列规则DSL,对通用编程语言的要求如下:1、支持闭包,用于延迟求值;2、支持操作符重载;3、支持动态执行(如解释执行、JIT即时编译等),用于执行条件表达式;4、支持面向对象编程,用于声明标注类型。
除上述要求之外,可变参数(variadic arguments)、初始化列表(initializerlist)、注解或装饰器(annotation/decoration)等语法特性,以及其他灵活的语法糖,都有利于模拟规则语言表达式,用于编写简明的序列标注规则。其中,python语言是个很好的选择,本发明以python语言为例。
具体而言,Apache UIMA Ruta的一条规则,由4部分构成:匹配类型、量化参数(可选)、条件表达式(零至多个)、动作表达式(零至多个)。如果能和输入匹配,则在匹配的序列上执行动作。
Apache UIMA Ruta的类型声明及规则,用Python语法表达,对照表如下:
Ruta | python DSL | |
类型声明 | DECLARE Animal | class Animal(Annotation):pass |
类型匹配 | Animal | Animal() |
量化参数 | ?,*,[m,n] | [m,n] |
条件表达式 | INLIST,a>b | .inlist(),on(‘a>b’) |
动作表达式 | ->MARK | .mark() |
其中,
1)类型声明直接用python类,继承特殊父类Annotation。
2)类型匹配,即在相应的位置,使用声明过的python类,此处把类实例化。
3)用索引运算符表示量化参数,把索引操作符重载,保存量化参数的上下界,返回Annotation类实例。
4)函数形式的条件,用同名函数表示;表达式形式的条件,用on()函数,传入字符串或lambda表达式实现。此处调用条件表达式,保存条件闭包或者条件字符串,延迟执行,返回Annotation类实例。
5)动作表达式用同名函数,此处调用动作表达式,保存函数闭包,延迟执行,返回Annotation类实例。
以下为两个规则示例,例如:
Ruta规则示例1:
W{INLIST(animals)->MARK(Animal)}
用python DSL表示为Rule(Word().inlist(animals).mark(Animal))
这条规则的含义是:在animals变量列表里的词,标注为Animal类型。
Ruta规则示例2:
b:Boy g:Girl{->CREATE(Couple,1,2,"boy"=b,"girl"=g)}
用python DSL表示为Rule(Boy(‘b’),Girl(‘g’).create(Couple,1,2,boy='b',girl='g'))
这条规则的含义是:当遇到两个相邻的标注Boy和Girl,则创建新的标注Couple,并把Boy赋值给Couple的boy字段,把Girl赋值给Couple的girl字段。
用python DSL表示,和原来的写法基本一致。
具体而言,自定义标注器配合步骤S1使用,可以不使用规则DSL,直接把类型标注出来,用于和其他模块连接。比如可以用自定义标注器,完成汉语分词,把词标注成Word类型,然后后续规则可以使用这个类型。
然后执行步骤S2:根据所述DSL编写序列标注规则。
具体而言,依据步骤S1设计的DSL,按照业务需求,写序列标注规则,如果所述序列标注规则已经用所述Apache UIMA Ruta编写完成,则直接将编写完成的规则进行对照转换。其中,对照转换过程参照上述对照表、Ruta规则示例1与Ruta规则示例2。
如图2所示,图2为本发明提供的规则化执行序列标注示例,图2给出一个完整的DSL规则写法。它的执行在最后一句触发,执行过程如下:
1、自定义标注器把输入语句分词,输出标注Word类型;
2、第一条规则执行,如果Word在names列表里,把它标注为Person类型;
3、第二条规则执行,正则匹配日期,标注为Date类型;
4、第三条规则执行,把相邻的Person和Date标注为Birthday类型,其中Person和Date中间必须有“出生日期”四个字,可以有若干个其他的字符。
然后执行步骤S3:根据所述序列标注规则,通过使用Apache UIMA Ruta的算法与正则表达式执行序列标注。
具体而言,Apache UIMA Ruta的规则执行算法基于有限状态置换器(FST,FiniteState Transducer)。
用Python实现此算法,规则执行比Apache UIMA Ruta要慢一些,原因有两个方面:一是Apache UIMA Ruta用java实现,jvm的总体执行速度比python快,二是Ruta编译执行,编译期间可以做一些规则优化。
为提高速度,对于相对简单的规则,可以直接翻译成正则表达式,而不用Ruta算法执行。例如图2中的三条规则,第一条规则,只有一个匹配类型,条件表达式是inlist,动作表达式是无参数的mark,其匹配可以翻译成正则表达式‘张三|李四|王五’,匹配后实例化Person类型;第二条规则,只有一个匹配类型,条件表达式本身就是regexp(区别于底层引擎的正则,这是Ruta语言层面支持的正则),可以直接取用,匹配后生成Date实例。第三条规则,有5个匹配类型,动作表达式是create,实例化之后,还需要反向引用前面的匹配,用于赋值,操作比较复杂,不适用正则执行,用Apache UIMA Ruta算法执行。
实施例二:
结合实施例一所揭示的一种规则化执行序列标注的方法,本实施例揭示了一种规则化执行序列标注的系统(以下简称“系统”)的具体实施示例。
参照图3所示,所述系统包括:
DSL设计模块:基于通用编程语言,模拟Apache UIMA Ruta的语法设计DSL;
规则编写模块:根据所述DSL编写序列标注规则;
序列标注模块:根据所述序列标注规则,通过使用Apache UIMA Ruta的算法与正则表达式执行序列标注。
具体而言,所述DSL设计模块中,Apache UIMA Ruta的规则由匹配类型、量化参数、条件表达式和动作表达式构成,其中,量化参数可选,条件表达式与动作表达式可以为零个或多个。如果能和输入匹配,则在匹配的序列上执行动作。
本实施例所揭示的一种规则化执行序列标注系统与实施例一所揭示的一种规则化执行序列标注方法中其余相同部分的技术方案,请参实施例一所述,在此不再赘述。
实施例三:
结合图4所示,本实施例揭示了一种计算机设备的一种具体实施方式。计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。
具体地,上述处理器81可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器82可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器82可在数据处理装置的内部或外部。在特定实施例中,存储器82是非易失性(Non-Volatile)存储器。在特定实施例中,存储器82包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器81所执行的可能的计算机程序指令。
处理器81通过读取并执行存储器82中存储的计算机程序指令,以实现上述实施例中的任意一种规则化执行序列标注的方法。
在其中一些实施例中,计算机设备还可包括通信接口83和总线80。其中,如图4所示,处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。
通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线80包括硬件、软件或两者,将计算机设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线80可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
另外,结合上述实施例中的规则化执行序列标注的方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种规则化执行序列标注的方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
综上所述,基于本发明的有益效果在于,基于通用编程语言设计DSL,模拟ApacheUIMA Ruta语法,具备良好的规则表达能力,且便于集成部署,用于规则化执行序列标注。与通用编程语言相比,规则表达能力更强,与专用规则语言相比,集成、部署更简单。规则执行过程中采用Apache UIMA Ruta算法和正则表达式双引擎执行,对于简单的规则和复杂的规则采用不同的引擎,使得运行速度更快,提高了执行效率。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种规则化执行序列标注的方法,其特征在于,包括:
DSL设计步骤:基于通用编程语言,模拟Apache UIMA Ruta的语法设计DSL;
规则编写步骤:根据所述DSL编写序列标注规则;
序列标注步骤:根据所述序列标注规则,通过使用Apache UIMA Ruta的算法与正则表达式执行序列标注。
2.根据权利要求1所述的一种规则化执行序列标注的方法,其特征在于,所述通用编程语言符合以下条件:支持闭包;支持操作符重载;支持动态执行;支持面向对象编程。
3.根据权利要求1所述的一种规则化执行序列标注的方法,其特征在于,所述DSL设计步骤中,Apache UIMA Ruta的规则由匹配类型、量化参数、条件表达式和动作表达式构成。
4.根据权利要求3所述的一种规则化执行序列标注的方法,其特征在于,所述ApacheUIMA Ruta的规则如果能和输入匹配,则在匹配的序列上执行动作。
5.根据权利要求1所述的一种规则化执行序列标注的方法,其特征在于,所述DSL设计步骤与所述规则编写步骤中均用到自定义标注器,在不使用规则DSL的情况下,直接将类型标注出来,标注的结果作为最终的输出或其他模块的输入。
6.根据权利要求1所述的一种规则化执行序列标注的方法,其特征在于,所述序列标注步骤中,所述Apache UIMA Ruta的算法基于有限状态置换器。
7.一种规则化执行序列标注的系统,其特征在于,包括:
DSL设计模块:基于通用编程语言,模拟Apache UIMA Ruta的语法设计DSL;
规则编写模块:根据所述DSL编写序列标注规则;
序列标注模块:根据所述序列标注规则,通过使用Apache UIMA Ruta的算法与正则表达式执行序列标注。
8.根据权利要求7所述的一种规则化执行序列标注的系统,其特征在于,所述DSL设计模块中,Apache UIMA Ruta的规则由匹配类型、量化参数、条件表达式和动作表达式构成。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的规则化执行序列标注的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6中任一项所述的规则化执行序列标注的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011509234.0A CN112632924B (zh) | 2020-12-18 | 2020-12-18 | 规则化执行序列标注的方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011509234.0A CN112632924B (zh) | 2020-12-18 | 2020-12-18 | 规则化执行序列标注的方法、系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112632924A true CN112632924A (zh) | 2021-04-09 |
CN112632924B CN112632924B (zh) | 2024-04-02 |
Family
ID=75317722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011509234.0A Active CN112632924B (zh) | 2020-12-18 | 2020-12-18 | 规则化执行序列标注的方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112632924B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220277A (zh) * | 2021-06-01 | 2021-08-06 | 西北工业大学 | 一种嵌入式服务化的开发方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110010685A1 (en) * | 2009-07-08 | 2011-01-13 | Infosys Technologies Limited | System and method for developing a rule-based named entity extraction |
US20130151238A1 (en) * | 2011-12-12 | 2013-06-13 | International Business Machines Corporation | Generation of Natural Language Processing Model for an Information Domain |
CN109460551A (zh) * | 2018-10-29 | 2019-03-12 | 北京知道创宇信息技术有限公司 | 签名信息提取方法及装置 |
CN111209753A (zh) * | 2020-01-03 | 2020-05-29 | 北京明略软件系统有限公司 | 一种实体命名识别方法及装置 |
US20200184017A1 (en) * | 2018-12-11 | 2020-06-11 | American Express Travel Related Services Company, Inc. | Identifying data of interest using machine learning |
-
2020
- 2020-12-18 CN CN202011509234.0A patent/CN112632924B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110010685A1 (en) * | 2009-07-08 | 2011-01-13 | Infosys Technologies Limited | System and method for developing a rule-based named entity extraction |
US20130151238A1 (en) * | 2011-12-12 | 2013-06-13 | International Business Machines Corporation | Generation of Natural Language Processing Model for an Information Domain |
CN109460551A (zh) * | 2018-10-29 | 2019-03-12 | 北京知道创宇信息技术有限公司 | 签名信息提取方法及装置 |
US20200184017A1 (en) * | 2018-12-11 | 2020-06-11 | American Express Travel Related Services Company, Inc. | Identifying data of interest using machine learning |
CN111209753A (zh) * | 2020-01-03 | 2020-05-29 | 北京明略软件系统有限公司 | 一种实体命名识别方法及装置 |
Non-Patent Citations (2)
Title |
---|
JERRY R. HOBBS,ET AL: "FASTUS: A Cascaded Finite-State Transducer for Extracting Information from Natural-Language Text", 《ARXIV:CMP-LG/9705013V1》, pages 1 - 25 * |
王勇: "基于一阶逻辑的知识表示与自动提取", 《中国优秀硕士学位论文全文数据库》, pages 138 - 7989 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220277A (zh) * | 2021-06-01 | 2021-08-06 | 西北工业大学 | 一种嵌入式服务化的开发方法及装置 |
CN113220277B (zh) * | 2021-06-01 | 2023-12-19 | 西北工业大学 | 一种嵌入式服务化的开发方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112632924B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111708539B (zh) | 一种应用程序代码转换方法、装置、电子设备和存储介质 | |
CN104067282B (zh) | 状态机晶格中的计数器操作 | |
CN104011736B (zh) | 用于状态机中的检测的方法及系统 | |
CN110263177B (zh) | 用于事件预测的知识图构建方法与事件预测方法 | |
CN106970802A (zh) | 在领域特定语言中集成编程脚本语言的方法及装置 | |
Friesen | Beginning Java 7 | |
CN112084295A (zh) | 跨语言的任务训练 | |
CN106796525B (zh) | 按需加载动态脚本语言代码以减少内存使用 | |
CN112507124B (zh) | 一种基于图模型的篇章级别事件因果关系抽取方法 | |
JP2020053018A (ja) | Vqaシステムの訓練データを生成する訓練データ生成方法、訓練データ生成装置、電子機器およびコンピュータ読み取り可能な媒体 | |
JP2022145623A (ja) | ヒント情報を提示する方法及び装置並びにコンピュータプログラム | |
CN110991175A (zh) | 多模态下的文本生成方法、系统、设备及存储介质 | |
CN110647360B (zh) | 协处理器的设备执行代码的处理方法、装置、设备及计算机可读存储介质 | |
CN108763202A (zh) | 识别敏感文本的方法、装置、设备及可读存储介质 | |
CN112632924B (zh) | 规则化执行序列标注的方法、系统、电子设备及存储介质 | |
Fokkink et al. | Lazy rewriting on eager machinery | |
JP5317061B2 (ja) | 単語間の意味的関係の有無についての、複数言語での同時分類器及びそのためのコンピュータプログラム。 | |
CN107408054A (zh) | 用于通用计算图形处理单元中的语言嵌入式编程的流控制 | |
US10318634B2 (en) | Enhancing QA system cognition with improved lexical simplification using multilingual resources | |
US8341607B2 (en) | Condensing pattern matcher generation for intermediate language patterns | |
CN108153530A (zh) | 字节码的优化方法、装置、存储介质、处理器及终端 | |
CN113031952A (zh) | 深度学习模型的执行代码的确定方法、装置及存储介质 | |
Scolari et al. | Towards accelerating generic machine learning prediction pipelines | |
CN117195913B (zh) | 文本处理方法、装置、电子设备、存储介质及程序产品 | |
CN114997140B (zh) | 校验语义的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |