TW200529014A - Method for processing Chinese natural language sentence - Google Patents

Description

20Q529014__ 五、發明說明⑴ " " -- 【發明所屬之技術領域） 本發明是有關於一種處理中文自然語言文句的方 法’即利用淺層文法解析（Shal l〇w parsing)，將中文句 子轉換為三元表示式的自然語言處理方法。 【先前技術】 ^ 中華民國專利公報公告第526427號係一種功能性 系統，其包含需要存取匯集式資源的一組功能，此系統包· 含附接來實做存取架構的界面，特徵為以預定方式歷經的 複數個狀態’一狀態形成特定長度存取的可能性並根據可 存取此匯集式資源的功能定義優先順序；此與本案根本不 同；另中華民國專利公報公告第5丨7丨9丨號係一種用於資料 處理系統中建立處理電子訊息規則的方法，係用以檢測移 動電子訊息到一個文件的用戶輸入，比較該電子訊息與該 文件夾中的其他電子訊息的特徵，形成一種比較，和根據 這一比較產生處理電子訊息的規則，亦與本案不同。 Φ 【發明内容】 請參考第1圖，為一般傳統上處理自然語言文句 之方塊圖。一文句經由構詞分析（morphological analysis)102，取得文句中每一字詞的基本型態，例如英

第6頁 「200529014- 五、發明說明（2) 文的動詞s t u d i e s，經過分析轉變為動詞原形s t u d y，再經 由句法分析（syntactic analysis)104’得到文句的句法 結構（syntactic structure)，最後由語意解釋（semantic interpretation)10 6產生一語意表示式（semantic representation)0 但在處理中文文句時，此類方法卻有以下不足之處： 1·中文文句在書寫時，不像英文字詞間有空白區隔，因此 處理中文文句時，必須先作斷詞處理，將文句中的每一字 詞辨識出來。 2·中文在語吕學上是屬於孤立語（is〇iating iangUage)， 少有文法上的各種形式變化，如，名詞單複數及動詞語尾 等變化。因此如英文等印歐語系的構詞分析，便無法套用 於處理中文字詞。 3 ·傳統上的句法分析通常作整句剖析，取得最適當的句法 結構，作自動化處理時錯誤率高，一般需要人工作後處理 修正。 4 ·對整^句子作$意解釋時’需要足夠的知識庫，此知 識庫包含每-字詞的語意分類及功能，建立此類知識庫， 需要大量的時間與人力。 有鑒於此，本發明提出一藉片^ m處理中文自然語言文句的方 法，針對中文的特性，先作鼢μ & z a 、 作斷词處理，並以詞組層 (phrase-level)的淺層文法 .q始丨、，綷思仏- -* 解析取代複雜的整句文法剖 析，取後以間易的二兀表示4 τ式’表示文句的組成要素。

200529014 五、發明說明（3) 【實施方式】 請參照第2圖，為本發明提出的中文自然語言文句處理方 法之方塊圖，首先斷詞處理程序2 0 2，係採用長詞優先法 則，將文句中的中文字詞斷出並標上詞性，產生標記詞性 的字詞序列；字詞過濾程序2 0 4，係濾除不需要的字詞， 以簡化詞組的複雜度；詞組剖析程序2 0 6，係以詞組層的 淺層文法解析出文句中的詞組；三元表示式轉換程序 208，係為產生對應於文句的三元表示式。 本發明提出另一種用於表現文句中子句（clause)的三元表鲁 示式，係將文句中由詞組組成的子句，以三元表示式表現 之，其中，一個三元表示式包含三個組成成分：主詞 (S )、述詞（P )及受詞（0 )，每一成分為一詞組，意即，一 個三元表示式由三個詞組所組成，表現出一子句中主詞、 受詞及之間的關聯性。請參照範例一，π張三喜歡李四”以 三元表示式表示為π [[張三]，[喜歡]，[李四]]π。三元表 示式的定義請參照定義一。 範例一： (1 )張三喜歡李四。 · (2)[[張三]，[喜歡]，[李四]] 定義一： 一個三元表示式Τ包括三個組成成分，Τ表示為[S， R， 0 ]，其中： 1 S係由一至多個名詞所組成的序列，其文法角色為子句中

第8頁 20QS29014- 五、發明說明（4) 的主詞。 1 R係由一至多個動詞或介詞所組成的序列，其文法角色為 子句中的述詞。 1 0係由一至多個名詞所組成的序列，其文法角色為子句中 的受詞。 在定義一中，一個三元表示式包括S、R與0三個成分，分 別代表一子句中的主詞、述詞與受詞。而一中文文句可能 含有一至多個子句，因此一文句亦由一至多個三元表示式 表現之。請參照範例二，為一個具有二個子句的中文句 子，π張三參加比赛得到冠軍π，以三元表示式表示為π ^ [[[張三]，[參加]，[比赛]]，[[zero],[得到]，[冠 軍]]]π，其中，範例二（2 )有二個三元表示式，而在第二 個三元表示式中，1’ z e r οπ表示一零代詞，為主詞省略，係 中文經常發生的文法角色省略現象。 範例二： (1 )張三參加比赛得到冠軍。 (2)[[[張三]，[參加]，[比赛]]，[[zero],[得到]，[冠 軍]]] 本發明又再提出另一種用於解析文句中子句結構的三元規· 則，三元規則包括三元生成規則與三元例外規則，其中， 三元生成規則係為子句構成之基本句型（主詞一述詞一受 詞），三元例外規則係用以處理中文之零代詞現象。 三元生成規則，係包括四條規則，分別處理四種基本子句 句型，請參照表格一，其中，規則1所處理的句型為主詞+

第9頁 20052901^1---1 五、發明說明（5) 及物動詞詞組+受詞，規則2所處理的句型為主詞+不及物 動詞詞組，規則3所處理的句型為主詞+介詞+受詞，規則4 所處理的句型為一文句僅以一名詞詞組所構成。 表格一：三元生成規則 編號規則 lTrilpel(S，P，0) a np(S)，vtp(P)，np(〇). 2Trilpe2(S，P，none) a np(S)，vip(p)· 3Trilpe3(S, P, 0) a np(S),prep(P),np(0 ). 4Trilpe4(S,none,none) a np(S). 請參照表格一，n v t p (P)n表示述詞為及物動詞詞組，” v i p (P)"表示述詞為不及物動詞詞組，n prep(p)"表示述詞為 介詞。編號4規則為處理一文句僅以一名詞詞組所構成。 三元例外規則，係包括五條規則，用以處理中文經常發生 的零代詞現象’請參照表格二，其中，規則1 z 1、2 z 1與 3 z 1處理的是當零代詞出現在子句的主詞位置，規則1 z 2處 理的是當零代詞出現在子句的受詞位置，規則1 z 3處理的 是當零代詞同時出現在子句的主詞與受詞位置，如範例二 (2 )，在套用規則1 z 1後，n z e r οπ表示一零代詞，為主詞省· 略0 表格二：三元例外規則 編號規則 lzlTrilpelzl(zero,P,〇)a vtp(P),np(0). 2z2Trilpelz2(S,P,zero)a np(S),vtp(P).

第10頁 ,200539011- 五、發明說明（6) 3z3Trilpelz3(zero，P，zero)a v t p(P ). 2zlTrilpe2zl(zero，P，none)a v i p(P ). 3zlTrilpe3zl(zero,P,0) a prep(P),np(0). 為讓本發明之上述和其他目的、特徵、和優點能更明顯易 懂，下文特舉較佳實施例，並配合所附圖式，作詳細說明 如下： 圖式之簡單說明： 第1圖繪示的是一般傳統自然語言文句處理之一方塊圖； 第2圖繪示的是本發明提出的中文自然語言文句處理方法 . 之方塊圖； 第3圖繪示的是本發明之一詞組剖析流程圖；以及 第4圖繪示的是本發明之一三元表示式轉換流程圖。 第5圖繪示的是本發明之一流程圖。 第6圖繪示的是本發明之一流程圖。 重要元件標號 1 0 2 :構詞分析程序 104:句法分析程序 1 0 6 :語意解釋程序 2 0 2 :斷詞處理程序 2 0 4 :字詞過濾程序 2 0 6 :詞組剖析程序 208:三元表示式轉換程序

第11頁 五、發明說明（7) 步驟s3 0 0至步驟s3 0 6為本發明之一斷詞處理實施步驟 步驟S400至步驟s41〇為本發明之一字詞過遽實施步驟 步驟S502至步驟S5 18為本發明之一詞組剖析實施步驟 步驟s602至步驟s6 16為本發明之一三元表示式轉換實施步 驟 較佳實施例 本么明所提出的中文自然語言文句處理方法，請參照第2 圖，包括斷詞處理程序2 0 2、字詞過濾程序2〇4、詞組剖析 程序2 0 6及三元表示式轉換程序2〇8等四個程序，本文就這 些程序提出一較佳實施例。 2參照第3圖，其繪示的是斷詞處理程序之步驟，包括·· 輸入一中文文句S3 0 0,經由步驟s3〇2，自文句第一個字開 始，與辭典中的詞相比對，找出所有符合的中文詞，接著 2钟，依長詞優先規則，從所有符合的中文詞挑 右&之字祠，並標上該詞的詞性在步驟s306中，若仍 =餘：部分中文文句未比對，則繼續比對及挑出最長之 子3 ’直至中文查詢句子做完為止。 二η二圖’其繪示的是字詞過滤程序之步驟，包括： 檢查序列中第一個字詞字詞是否為詞經::驟 5司，若是，在步驟s404中，將該字詞挑出^ 硐或介 否，則在步驟s4〇6中，將該字詞移除，接著序列’若 :’檢查原序列中是否仍有剩餘字詞，若： = 处理，則回到步驟s4〇2繼續做處理，直;、子詞為 席予同序列處理 20Q§-29Q14- 五、發明說明（8) 完為止。 請參照第5圖‘ 輸入一已標記 處理s 5 0 4，經 詞具有相同的 前處理字詞或 前處理序列是 步驟s 5 0 8，處 未處理之剩餘 入的序列中是 中，產生一僅 新的輸入’若 請參照第6圖 包括：輸入一 詞組開始處理 三元表示式， 示式，若有， 若無，則依據 驟s612中，若 未處理之剩餘 的詞組都已經 — 其纷示的是詞組剖析程序之步驟，包括： 詞链之字詞序列s 5 0 2，由最左方的字詞開始 由步騍s50 6檢查目前處理字詞是否與右方丰 巧性，若是，則步驟s 5 0 8結合右方字詞與目 序列為一新序列，接著在步驟s 5 1 0，檢查目 否與右方字詞具有相同的詞性，若是，回到 j下一個字詞’若否，在步驟s512，取出尚 字詞回到步驟s 5 0 4，在步驟s 5 1 4中，檢查輸 否還有未處理的字詞，若有，在步驟3516 $括一字詞之序列並將未處理剩餘字詞作為 無’則輸出剖析結果並結束詞組剖析程序。 >其繪示的是三元表示式轉換程序之步驟， 同組序列s60 2,在步驟s6〇4f，由最左方 接，步驟S6 0 6中，依據三元生成規則產生一 1在步驟s60 8中，檢查是否有產生三元表 驟s6 12中檢查是否還有未處理之詞組， 外規則產生—三元表示式，接著在步 還有未處理之詞組，在步驟s 6 1 0中，將 二、、且作為新的輸入，回到步驟s 6 〇 4，若所 处理几成’則輸出結果並結束程序。

第13頁 200529011 圖式簡單說明

« 第14頁

Claims (1)

1. 200520014_ 六、申請專利範圍 申請專利範圍 1. 一種處理中文自然語言文句的方法，係有關於將一中文 自然語言文句轉換為一結構化表示式，其中包括： 一斷詞處理程序，係將一中文文句作斷詞處理，將文句中 的字詞——斷開，並標示每個字詞的詞性； 一字詞過濾程序，係將一中文文句經斷詞處理後，將不處 理或不必要的字詞濾除； 一詞組剖析程序，係剖析中文文句，將文句中的詞組抽取 出來形成一詞組序列；以及 一三元表示式轉換程序，係將一文句經由詞組剖析程序，船 產生詞組序列後，將文句中的子句，——轉換為三元表示 2. 如申請專利範圍第1項所述之字詞過濾程序，其中，將 不屬於以下詞性的字詞濾除：名詞、動詞及介詞。 3. 如申請專利範圍第1項所述之詞組剖析程序，其中包括 抽取出以下詞組：名詞詞組、動詞詞組及單一介詞。 4. 如申請專利範圍第1項所述之三元表示式轉換程序，其 中，三元表示式的定義如下： 一個三元表示式T包括三個組成成分，T表示為[S， R， φ 0]，其中： S係由一至多個名詞所組成的序列，其文法角色為子句中 的主詞； R係由一至多個動詞或介詞所組成的序列，其文法角色為 子句中的述詞；

   第15頁 -2005-29014- 六、申請專利範圍 〇係由一至多個名詞所組成的序列，其文法角色為子句中 的受詞。 5. 如申請專利範圍第1項所述之三元表示式轉換程序，其 中，三元表示式可表現之子句結構有以下四種： 主詞+及物動詞詞組+受詞； 主詞+不及物動詞詞組； 主詞+介詞+受詞；以及 一文句僅以一名詞詞組所構成。 6. 如申請專利範圍第1項所述之三元表示式轉換程序，其 中，三元表示式可表現之具有零代詞現象之子句結構有以 下五種： 零代詞+及物動詞詞組+受詞； 主詞+及物動詞詞組+零代詞； 零代詞+及物動詞詞組+零代詞； 零代詞+不及物動詞詞組；以及 零代詞+介詞+受詞。 7. —種處理中文自然語言文句的方法，係有關於將中文文 句中的子句，轉換為一三元表示式，此三元表示式包含三 個組成成分，分別依序對應於子句中的主詞、述詞與受 詞。 8. 如申請專利範圍第7項所述之一三元表示式，其中第二 個組成成分為一子句中主詞與受詞的關聯性。 9. 如申請專利範圍第8項所述之一子句中主詞與受詞的關 聯性，包括動詞詞組與介詞。

   第16頁 200529014 六、申請專利範圍 10.如申請專利範圍第7項所述之一三元表示式，其中，三 元表示式對應的子句，包括零代詞出現於主詞與受詞位置 的子句。 1 1. 一種處理中文自然語言文句的方法，係有關於分析文 句中所有的子句結構，以一三元表示式表現一子句的方 式，進而表現整個文句。 1 2.如申請專利範圍第1 1項所述之表現中文問句的方式， 是以一至多個三元表示式表現一中文文句，其中一至多個 三元表示式依照先後出現順序，對應至文句中的所有子

   第17頁