一种基于概念符号的文本领域的获取系统及方法

摘要

本发明公开了一种基于概念符号的文本领域的获取系统及方法。该系统包括：一用于表达词语概念和领域类别的概念符号集、一存储词语及其概念符号的词语知识库、一分词处理器、一语句语义分析器、一领域判别器。该方法包括以下步骤：(1)把输入文本切分为段落、语句、词语；(2)对语句进行语义分析，得到语句的概念类别和语义块；(3)根据领域概念符号集和词语知识库中的语义概念符号得到语句中的激活词语；(4)对激活词语的领域概念符号进行综合评分，取得分最高的领域概念符号作为语句的领域；(5)对段落中的语句按照其领域概念符号进行合并，得到句群及其领域；(6)根据文本标题、句群在文本中出现频次和位置得到文本的领域。

主权项

一种基于概念符号的文本领域的获取系统，其特征在于，所述获取系统包括：一领域概念符号集，用于表达词语概念和领域类别，并向领域判别器提供所需的领域概念符号；一词语知识库，用于存储词语及其概念符号，并向分词处理器和语句语义分析器提供所需的词语及语义概念符号；一分词处理器，用于把输入文本切分为段落、语句、词语，并送入语句语义分析器；一语句语义分析器，用于对语句进行语义分析，得到语句的概念类别和构成语句的语义块，包括：语义块的角色、边界和内部构成；一领域判别器，用于根据领域概念符号集和词语知识库中的语义概念符号得到语句中的激活词语；然后根据语句中的激活词语的语义块类型、领域概念符号关系、出现频次及出现位置对激活词语的领域概念符号进行综合评分，取得分最高的领域概念符合作为语句的领域；接着对段落中的语句按照其领域概念符号进行合并，得到句群及其领域；最后根据输入文本标题、句群在输入文本中出现频次和位置得到输入文本的领域；如果文本中有标题，那么标题的领域作为文本的领域；如果文本中没有标题，那么文本中最先出现的频次最多的句群领域作为文本的领域其中，所述的领域概念符号集中的领域概念符号和词语知识库中的语义概念符号基于同一概念基元符号体系；所述的领域概念符号集又包含10类高层节点符号和高层节点向下延伸的具体的领域概念符号；所述的激活词语为当一个词语W的词语的概念符号中出现了领域概念符号的高层节点或其衍生节点时，词语W就是就是激活词语。