基于汉语句义结构模型和主题模型的句子表示方法

摘要

本发明涉及一种基于汉语句义结构模型和主题模型的句子表示方法，属于计算机科学与自然语言处理中文分析技术领域。本发明首先对句子进行句义结构分析，得到句子的句义结构；进而提取句子中的基本项词语和一般项词语，使用主题模型分析得到基本项知识库和一般项知识库；最终根据句义结构中话题和述题下词语，使用上一步分析得到的知识库对句子内容进行扩充，得到句子表示结果。本发明为为解决句子表示的特征稀疏问题提供了新的思路，并有效提升了句子的分类效果，具有重要的理论价值和实践作用。

主权项

基于汉语句义结构模型和主题模型的句子表示方法，所述方法包括以下步骤：步骤1，对句子进行句义结构分析，获取句子中基本项词语、一般项词语、话题词语和述题词语；在上述步骤中，基本项词语是指在句子的句义结构中，该词语作为基本项；一般项词语是指在句子的句义结构中，该词语作为一般项；话题词语是指在句子的句义结构中，该词语隶属于话题；述题词语是指在句子的句义结构中，该词语隶属于述题；步骤2，在步骤1的基础上，构建知识库，具体方法为：针对句子的句义结构，分别提取其中词语，进行主题模型分析，得到主题‑词语的分布，该分布即为知识库；步骤2.1，以步骤1得到句义结构的基本项为输入，构建基本项知识库，具体方法为：依据句子的句义结构，提取其中作为基本项的词语构成文本‑基本项词语矩阵，进行主题模型分析，得到主题‑基本项词语分布，即为基本项知识库；步骤2.2，以步骤1得到句义结构的一般项为输入，构建一般项知识库，具体方法为：依据句子的句义结构，提取其中作为一般项的词语构成文本‑一般项词语矩阵，进行主题模型分析，得到主题‑一般项词语分布，即为一般项知识库步骤3，在步骤1得到句子句义结构和步骤2得到知识库的基础上，对句子中词语进行扩充；步骤3.1，以步骤1得到的话题下词语和步骤2得到的基本项和一般项知识库为输入，对话题下词语进行扩充，具体方法为：依据句子的句义结构，提取其中话题下的词语，这些词语中的基本项词语，使用基本项知识库进行扩充，一般项词语使用一般项知识库进行扩充，得到话题表示向量；步骤3.2，以步骤1得到的述题下词语和步骤2得到的基本项和一般项知识库为输入，对述题下词语进行扩充，具体方法为：依据句子的句义结构，提取其中话题下的词语，这些词语中的基本项词语，使用基本项知识库进行扩充，一般项词语使用一般项知识库进行扩充，得到述题表示向量；步骤4，在步骤3对句子中词语进行扩充的基础上，合并已扩充的话题和述题表示向量，构建句子表示向量，得到句子表示结果。