RU2016137530A - Способ и система автоматического создания тезауруса - Google Patents
Способ и система автоматического создания тезауруса Download PDFInfo
- Publication number
- RU2016137530A RU2016137530A RU2016137530A RU2016137530A RU2016137530A RU 2016137530 A RU2016137530 A RU 2016137530A RU 2016137530 A RU2016137530 A RU 2016137530A RU 2016137530 A RU2016137530 A RU 2016137530A RU 2016137530 A RU2016137530 A RU 2016137530A
- Authority
- RU
- Russia
- Prior art keywords
- parameter
- lexical
- elements
- server
- context
- Prior art date
Links
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Claims (80)
1. Способ автоматического создания цифрового тезауруса, способ выполняется на сервере, связанном с базой данных семантических отношений, способ включает в себя:
получение сервером указания на цифровой текст;
парсинг сервером цифрового текста и определение первого лексического элемента и второго лексического элемента;
для каждой записи о первом лексическом элементе в цифровом тексте:
выбор сервером n-ного числа последовательных элементов, соседних с первым лексическим элементом;
создание сервером первого контекстного параметра для первого лексического элмента, первый контекстный параметр включает указание на каждый элемент n-ного количества последовательных элементов и частоту совместного вхождения каждого элемента и первого лексического элемента в цифровом тексте;
для каждой записи о втором лексическом элементе в цифровом тексте:
выбор сервером n-ного числа последовательных элементов, соседних со вторым лексическим элементом;
создание сервером второго контекстного параметра для второго лексического элмента, второй контекстный параметр включает указание на каждый элемент n-ного количества последовательных элементов и частоту совместного вхождения каждого элемента и второго лексического элемента в цифровом тексте;
определение сервером параметра связи лексических элементов для первого лексического элемента и второго лексического элемента, параметр связи лексических элементов указывает на семантическую связь между первым лексическим элементом и вторым лексическим элементом, параметр связи лексических элементов определяется путем:
анализ взаимосвязи первого контекстного параметра и второго контекстного параметра;
анализ совместного вхождения записей первого лексического элемента и второго лексического элемента в цифровом тексте; и
сохранение сервером параметра связи лексических элементов в базу данных семантических отношений.
2. Способ по п. 1, который далее включает в себя присваивание грамматического типа каждому слову в цифровом тексте до определения первого лексического элемента и второго лексического элемента.
3. Способ по п. 2, в котором лексический элемент представляет собой одно из следующего:
слово, которое было определено на основе соответствующего грамматического типа; и
фразу, которая является группой из двух или более слов, определенных на основе соответствующего грамматического типа одного из двух или более слов.
4. Способ по п. 3, который далее включает в себя лемматизацию первого и второго лексических элементов и слов цифрового текста до определения частоты совместного вхождения.
5. Способ по п. 1, в котором n-ное число последовательных элементов представляет собой по меньшей мере одно из: последовательные предшествующие, последовательные следующие или последовательные предшествующие и последовательные следующие элементы для первого и второго лексических элементов соответственно.
6. Способ по п. 1, в котором анализ совместного вхождения записей включает в себя определение параметра совместного вхождения, указывающего на частоту первого лексического элемента и второго лексического элемента, которые содержатся в одном и том же предложении цифрового текста.
7. Способ по п. 6, в котором анализ взаимосвязи включает в себя определение первого параметра сходства между первым контекстным параметром и вторым контекстным параметром.
8. Способ по п. 7, в котором анализ взаимосвязи далее включает в себя:
определение первого параметра включения, указывающего на включение первого контекстного параметра во второй контекстный параметр;
определение второго параметра включения, указывающего на включение второго контекстного параметра в первый контекстный параметр;
9. Способ по п. 8, в котором при определении того, что первый параметр включения и второй параметр включения находятся ниже первого порога, параметр связи лексических элементов для первого и второго лексических элементов является:
указанием на синонимические отношения, если первый параметр сходства выше второго порога, а параметр совместного вхождения ниже третьего порога;
указанием на синонимические отношения, если первый параметр сходства выше четвертого порога, а параметр совместного вхождения ниже пятого порога;
указание на ассоциативную связь, если первый параметр сходства находится ниже шестого порога.
10. Способ по п. 8, в котором параметр связи лексических элементов для первого и второго лексических элементов указывает на связь гипероним-гипоним, если один из первого параметра включения или второго параметра включения находится выше порога.
11. Способ по п. 6, в котором анализ взаимосвязи далее включает в себя:
определение первого параметра включения первого контекстного параметра во второй контекстный параметр;
определение второго параметра включения первого контекстного параметра в третий контекстный параметр, причем третий контекстный параметр определен путем:
дальнейшего парсинга цифрового текста сервером для определения третьего лексического элемента;
для каждой записи о третьем лексическом элементе в тексте:
выбор сервером n-ного числа последовательных элементов, соседних с третьим лексическим элементом;
создание сервером третьего контекстного параметра для третьего лексического элемента, третий контекстный параметр включает указание на каждый элемент n-ного количества последовательных элементов и частоту совместного вхождения каждого слова и третьего лексического элемента в цифровом тексте; и
определение второго параметра сходства третьего контекстного параметра со вторым контекстным параметром.
12. Способ по п. 11, в котором параметр связи лексических элементов для первого, второго и третьего лексических элементов указывает на связь гипероним-гипоним, если первый параметр включения и второй параметр включения находятся выше первого порога, и второй параметр сходства находится ниже второго порога.
13. Сервер для автоматического создания цифрового тезауруса, сервер содержит:
сетевой интерфейс для коммуникативного соединения сети передачи данных;
процессор, соединенный с сетевым интерфейсом и выполненный с возможностью осуществлять:
получение сервером указания на цифровой текст;
парсинг сервером цифрового текста и определение первого лексического элемента и второго лексического элемента;
для каждой записи о первом лексическом элементе в цифровом тексте:
выбор сервером n-ного числа последовательных элементов, соседних с первым лексическим элементом;
создание сервером первого контекстного параметра для первого лексического элмента, первый контекстный параметр включает указание на каждый элемент n-ного числа последовательных элементов и частоту совместного вхождения каждого элемента и первого лексического элемента в цифровом тексте;
для каждой записи о втором лексическом элементе в цифровом тексте:
выбор сервером n-ного числа последовательных элементов, соседних со вторым лексическим элементом;
создание сервером второго контекстного параметра для второго лексического элмента, второй контекстный параметр включает указание на каждый элемент n-ного числа последовательных элементов и частоту совместного вхождения каждого элемента и второго лексического элемента в цифровом тексте;
определение сервером параметра связи лексических элементов для первого лексического элемента и второго лексического элемента, параметр связи лексических элементов указывает на семантическую связь между первым лексическим элементом и вторым лексическим элементом, параметр связи лексических элементов определяется путем:
анализа взаимосвязи первого контекстного параметра и второго контекстного параметра;
анализа совместного вхождения записей первого лексического элемента и второго лексического элемента в цифровом тексте; и
сохранения сервером параметра связи лексических элементов в базу данных семантических отношений.
14. Сервер по п. 15, который далее выполнен с возможностью осуществлять лемматизацию первого и второго лексических элементов и слов цифрового текста до определения частоты совместного вхождения.
15. Сервер по п. 13, в котором n-ное число последовательных элементов представляет собой по меньшей мере одно из: последовательные предшествующие, последовательные следующие или последовательные предшествующие и последовательные следующие элементы для первого и второго лексических элементов соответственно.
16. Сервер по п. 15, который при определении того, что n-ное число последовательных элементов, соседних для данного вхождения первого лексического элемента охватывает дополнительное предложение, соседнее с ним, создает соответствующий первый контекстный параметр, связанный с данным вхождением, который включает в себя использование подмножества n-ного числа последовательных элементов, подмножество представляет собой элементы предложения данного вхождения.
17. Сервер по п. 16, который:
до определения n-ного числа последовательных элементов, далее выполнен с возможностью назначать грамматический тип каждому слову цифрового текста; и
в котором n-ное число последовательных элементов имеет заранее определенный грамматический тип.
18. Сервер по п. 13, в котором анализ взаимосвязи включает в себя одно из:
определение первого параметра включения, указывающего на включение первого контекстного параметра во второй контекстный параметр;
определение второго параметра включения, указывающего на включение второго контекстного параметра в первый контекстный параметр;
определение третьего параметра включения первого контекстного параметра в третий контекстный параметр, причем третий контекстный параметр определен путем:
дальнейшего парсинга цифрового текста сервером для определения третьего лексического элемента;
для каждой записи о третьем лексическом элементе в тексте:
выбор сервером n-ного числа последовательных элементов, соседних с третьим лексическим элементом;
создание сервером третьего контекстного параметра для третьего лексического элемента, третий контекстный параметр включает указание на каждый элемент n-ного количества последовательных
элементов и частоту совместного вхождения каждого слова и третьего лексического элемента в цифровом тексте;
определение первого параметра сходства между первым контекстным параметром и вторым контекстным параметром; и
определение второго параметра сходства между третьим контекстным параметром и вторым контекстным параметром.
19. Сервер по п. 18, в котором анализ совместного вхождения записей включает в себя определение параметра совместного вхождения, указывающего на частоту первого лексического элемента и второго лексического элемента, которые содержатся данном одном предложении цифрового текста.
20. Сервер по п. 19, в котором:
при определении того, что первый параметр включения и второй параметр включения находятся ниже первого порога, параметр связи лексических элементов для первого и второго лексических элементов является:
синонимическим отношением, если первый параметр сходства выше второго порога, а параметр совместного вхождения ниже третьего порога;
антонимическим отношением, если первый параметр сходства выше четвертого порога, а параметр совместного вхождения выше пятого порога;
ассоциативной связью, если первый параметр сходства находится ниже пятого порога;
при определении того, что первый параметр включения находится выше первого порога, параметр связи лексических элементов для первого и второго лексических элементов является:
отношением гипероним-гипоним, если параметр включения находится выше пятого порога; и
при определении того, что первый параметр включения и третий параметр включения находятся выше шестого порога, параметр связи лексических элементов для первого, второго и третьих лексических элементов является:
отношением холоним-мероним, если второй параметр сходства находится ниже седьмого порога.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2016137530A RU2672393C2 (ru) | 2016-09-20 | 2016-09-20 | Способ и система автоматического создания тезауруса |
US15/606,162 US10460037B2 (en) | 2016-09-20 | 2017-05-26 | Method and system of automatic generation of thesaurus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2016137530A RU2672393C2 (ru) | 2016-09-20 | 2016-09-20 | Способ и система автоматического создания тезауруса |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2016137530A true RU2016137530A (ru) | 2018-03-23 |
RU2672393C2 RU2672393C2 (ru) | 2018-11-14 |
Family
ID=61620424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2016137530A RU2672393C2 (ru) | 2016-09-20 | 2016-09-20 | Способ и система автоматического создания тезауруса |
Country Status (2)
Country | Link |
---|---|
US (1) | US10460037B2 (ru) |
RU (1) | RU2672393C2 (ru) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10789293B2 (en) * | 2017-11-03 | 2020-09-29 | Salesforce.Com, Inc. | Automatic search dictionary and user interfaces |
US11526565B2 (en) * | 2019-04-05 | 2022-12-13 | Ovh | Method of and system for clustering search queries |
US11610054B1 (en) * | 2021-10-07 | 2023-03-21 | Adobe Inc. | Semantically-guided template generation from image content |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL8900587A (nl) * | 1989-03-10 | 1990-10-01 | Bso Buro Voor Systeemontwikkel | Werkwijze voor het bepalen van de semantische verwantheid van lexicale componenten in een tekst. |
US6519586B2 (en) * | 1999-08-06 | 2003-02-11 | Compaq Computer Corporation | Method and apparatus for automatic construction of faceted terminological feedback for document retrieval |
US7058652B2 (en) * | 2002-08-15 | 2006-06-06 | General Electric Capital Corporation | Method and system for event phrase identification |
US7890521B1 (en) * | 2007-02-07 | 2011-02-15 | Google Inc. | Document-based synonym generation |
US8463806B2 (en) * | 2009-01-30 | 2013-06-11 | Lexisnexis | Methods and systems for creating and using an adaptive thesaurus |
US9158841B2 (en) * | 2011-06-15 | 2015-10-13 | The University Of Memphis Research Foundation | Methods of evaluating semantic differences, methods of identifying related sets of items in semantic spaces, and systems and computer program products for implementing the same |
RU2487403C1 (ru) * | 2011-11-30 | 2013-07-10 | Федеральное государственное бюджетное учреждение науки Институт системного программирования Российской академии наук | Способ построения семантической модели документа |
US20150046152A1 (en) | 2013-08-08 | 2015-02-12 | Quryon, Inc. | Determining concept blocks based on context |
US9792549B2 (en) * | 2014-11-21 | 2017-10-17 | International Business Machines Corporation | Extraction of semantic relations using distributional relation detection |
-
2016
- 2016-09-20 RU RU2016137530A patent/RU2672393C2/ru active
-
2017
- 2017-05-26 US US15/606,162 patent/US10460037B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20180081874A1 (en) | 2018-03-22 |
RU2672393C2 (ru) | 2018-11-14 |
US10460037B2 (en) | 2019-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102163549B1 (ko) | 선행사의 결정방법 및 장치 | |
Kok et al. | Hitting the right paraphrases in good time | |
Kanerva et al. | Syntactic n-gram collection from a large-scale corpus of internet finnish | |
WO2020108063A1 (zh) | 特征词的确定方法、装置和服务器 | |
JP7251181B2 (ja) | 対訳処理方法および対訳処理プログラム | |
US20130061139A1 (en) | Server-based spell checking on a user device | |
AU2016277558A1 (en) | Generating a semantic network based on semantic connections between subject-verb-object units | |
US20160117345A1 (en) | Service Requirement Analysis System, Method and Non-Transitory Computer Readable Storage Medium | |
CN105183923A (zh) | 新词发现方法及装置 | |
WO2018201600A1 (zh) | 信息挖掘方法、系统、电子装置及可读存储介质 | |
JP2005251206A (ja) | 単語分割で使用される新単語収集方法およびシステム | |
RU2016104133A (ru) | Способ и система обработки текста | |
WO2017177809A1 (zh) | 语言文本的分词方法和系统 | |
US20130060560A1 (en) | Server-based spell checking | |
RU2016137530A (ru) | Способ и система автоматического создания тезауруса | |
CN103995885A (zh) | 实体名的识别方法和装置 | |
RU2016137529A (ru) | Способ и система для сопоставления исходного лексического элемента первого языка с целевым лексическим элементом второго языка | |
CN107577713B (zh) | 基于电力词典的文本处理方法 | |
US20200304447A1 (en) | System and method for detecting geo-locations in social media | |
Yan et al. | Duluth at semeval-2017 task 6: Language models in humor detection | |
US20200387815A1 (en) | Building training data and similarity relations for semantic space | |
US9710450B2 (en) | Recombining incorrectly separated tokens in natural language processing | |
Ogrodniczuk et al. | Rule-based coreference resolution module for Polish | |
Mousselly-Sergieh et al. | Tag similarity in folksonomies | |
Xu et al. | Extractive summarisation based on keyword profile and language model |