| 主权项 |
1.一种基于插曲网络之实体库自动建构系统,其主 要包括有: 一断词及标注词性处理单元,以断词系统将输入之 中文文件进行断词及标注词性之动作; 一领域新词组合处理单元,依据词性规则及各断词 相互之间的出现次数,将断词重组获得领域新词; 一特征词性处理单元,过滤无意义之断词,保留词 性为名词及动词之断词; 一概念提取处理单元,分析词与词之间的关系强度 将属同概念之实例予以聚类; 一插曲提取处理单元,利用资料探勘技术撷取中文 文件中之插曲; 一插曲网络提取处理单元,将撷取之各插曲组合成 一集合,依据该集合建构一具有概念节点及连结的 插曲网络,其连结上分析插曲于文件中出现次数而 产生权重値,且持续比对各节点间的连结与插曲网 络之资料结构,藉以进行新增节点、权重値更新步 骤完成插曲网络之建构; 一提取属性、操作、关联之处理单元,依据插曲网 络以其各概念节点产生的集合,且配合比对一记录 有词性之词汇适任之角色及其对应关系的对应表, 分别将属性、操作及关联置入相对应的概念中完 成实体库之建构。 2.如申请专利范围第1项所述之基于插曲网络之实 体库自动建构系统,其中,领域新词组合处理单元 获得之领域新词储存于一知识库单元,藉以作为断 词之参考依据。 3.如申请专利范围第2项所述之基于插曲网络之实 体库自动建构系统,其中,知识库单元中设置储存 领域新词之新词储存资料库,以及作为分析中文文 件之参考依据的知网。 4.如申请专利范围第1、2或3项所述之基于插曲网 络之实体库自动建构系统,其中,该实体库自动建 构系统中设置数资料库,作为储存各处理单元运作 获得之名词、动词、概念、插曲及插曲网络等资 料。 5.如申请专利范围第1、2或3项所述之基于插曲网 络之实体库自动建构系统,其中,领域新词组合处 理单元之词性规则表中之规则包括有:"非谓形容 词+普通名词"、"普通名词+地方名词"、"地方名词+ 普通名词"、"地方名词+普通名词+地方名词"、"地 方名词+普通名词+普通名词"、"动作单宾述词+普 通名词+动作单宾述词+普通名词"。 6.如申请专利范围第4项所述之基于插曲网络之实 体库自动建构系统,其中,领域新词组合处理单元 之词性规则表中之规则包括有:"非谓形容词+普通 名词"、"普通名词+地方名词"、"地方名词+普通名 词"、"地方名词+普通名词+地方名词"、"地方名词+ 普通名词+普通名词"、"动作单宾述词+普通名词+ 动作单宾述词+普通名词"。 7.如申请专利范围第1、2或3项所述之基于插曲网 络之实体库自动建构系统,其中,插曲提取处理单 元主要系依据资料探勘技术中的大项目集合概念, 将中文文件视为一个连续出现的词汇序列,并将文 件中的每一个句子分别视为一笔记录,再从各记录 中提取固定范围以内的大项目集合,藉以撷取中文 文件中之插曲。 8.如申请专利范围第6项所述之基于插曲网络之实 体库自动建构系统,其中,插曲提取处理单元主要 系依据资料探勘技术中的大项目集合概念,将中文 文件视为一个连续出现的词汇序列,并将文件中的 每一个句子分别视为一笔记录,再从各记录中提取 固定范围以内的大项目集合,藉以撷取中文文件中 之插曲。 9.如申请专利范围第1、2或3项所述之基于插曲网 络之实体库自动建构系统,其中,断词及标注词性 处理单元以中研院研发之断词系统(CKIP)进行断词 及标注词性动作。 10.如申请专利范围第1、2或3项所述之基于插曲网 络之实体库自动建构系统,其中,概念提取处理单 元以名词之出现率乘以文件出现率反函数,提取所 获之値较高的名词分析任二名词之间的关系强度, 再以类神经网路中的非监督式学习模式将属同概 念的实例聚集于同一类。 11.一种基于插曲网络之实体库自动建构方法,包括 下列步骤: 将一中文文件以断词系统进行断词及标注词性之 动作; 依据词性规则及各断词相互之间的出现次数,将断 词予以重组获得领域新词; 以过滤手段过滤掉无意义之断词,且保留词性为名 词及动词之断词; 分析词与词之间的关系强度将属同概念之实例予 以聚类; 利用资料探勘技术撷取中文文件中之插曲; 将撷取之各插曲视为一集合,依据该集合建构一具 有概念节点及连结的插曲网络,其连结上分析插曲 于文件中出现次数而产生权重値,且持续比对各节 点间的连结与插曲网络之资料结构,藉以进行新增 节点、权重値之更新步骤以完成插曲网络之建构; 依据插曲网络之各概念节点所产生的集合,配合比 对一记录有词性之词汇适任之角色及其对应关系 的对应表,分别将属性、操作及关联置入相对应的 概念中完成实体库之建构。 12.如申请专利范围第11项所述之基于插曲网络之 实体库自动建构方法,其中,该插曲网络提取处理 单元用以建构插曲网络的演算法,其主要包含初始 设定及运算程序: 初始设定程序; 将大量中文文件中撷取出的衆多插曲(episode)组合 成一个插取之集合"SES={1,2,...,n}",系供于集 合中建构一个插曲网络("EN=(V',A)"); 令各插曲网络由一群概念节点(concept node)与概念 节点间的连结所构成,其中各连结上皆有一个权重 値,该权重値为插曲在大量中文文件中出现的次数 ; 设定一个建构插曲网络之所有概念节点的集合(V') ,设定各概念节点间的所有连结之集合(A),以及设 定一个代表某一个插曲i中所有节点的集合(Vi), 以使得插曲网络中的一个概念节点,即为一个插曲 中的一个节点; 运算程序 令V'与A为空集合,以提取一个插曲,针对该插曲中 的每个节点及各节点之间的连结,进而与插曲网络 内的资料结构进行比对; 倘若节点并未存在于V'中,则新增此节点于V'; 倘若节点间的连结并未出现在A中,则将节点间的 连结及权重値加入A中; 倘若节点间的连结已经存在于A中,则将此节点间 的权重値进行更新,并更新为原先插曲网络连结上 的权重値加上插曲连结上的权重値; 持续该动作直到比对完所有插曲,即可建构成为一 个完整的插曲网络。 13.如申请专利范围第12项所述之基于插曲网络之 实体库自动建构方法,其中,该插曲网络中用以评 估概念节点间上下文语意关联之公式为: 14.如申请专利范围第13项所述之基于插曲网络之 实体库自动建构方法,其中,该提取属性、操作、 关联之处理单元用以提取属性、操作及关联的演 算法系包含有初始设定程序及演算程序: 初始设定程序: 设定插曲网络中的每个概念节点为cni,故V'为所有 cni所产生的集合;其中,部份概念节点cni会于之前 聚类的过程中被聚类为某一个概念,这些即被视为 一个概念之实体的节点且表示为ini;及 设定一对应表(Table),该对应表记录某些词性之词 汇适合担任实体库中的何种角色及其对应关系,该 角色可为属性、操作或关联; 运算程序: 先提取一个ini,针对该ini所指到的其他cni比对Table 中的词性; 倘若cni之词性于Table中记录为适合担任"属性"的角 色,则将cni放入ini的属性中,并同时将cni放入ini所 对应之概念的属性中; 倘若Table中记录为该词性适合担任"操作"的角色, 则将cni放入ini的操作中,并同时将cni放入ini所对应 之概念的属性中; 倘若一个ini指向一个cni,且该cni又指向另一个inj, 另于Table之记录中,该cni之词性适合担任关联的角 色,则该cni加入ini与inj之间的关联,并加入ini与inj 所隶属之二概念间的关联; 以上述步骤浏览过所有的ini以及所有指向之节点 后,再利用前述"ASSOC()评估函数"滤除不适合的属性 、操作、关联。 15.如申请专利范围第11、12、13或14项所述之基于 插曲网络之实体库自动建构方法,其中,取得领域 新词之词性规则包括有:"非谓形容词+普通名词"、 "普通名词+地方名词"、"地方名词+普通名词"、"地 方名词+普通名词+地方名词"、"地方名词+普通名 词+普通名词"、"动作单宾述词+普通名词+动作单 宾述词+普通名词"。 16.如申请专利范围第11、12、13或14项所述之基于 插曲网络之实体库自动建构方法,其中,该断词及 标注词性动作系利用中研院研发之断词系统(CKIP) 进行。 17.如申请专利范围第11、12、13或14项所述之基于 插曲网络之实体库自动建构方法,其中,该概念之 实例的聚类手段,主要系以名词之出现率乘以文件 出现率反函数,提取所获之値较高的名词,且分析 任二名词之间的关系强度,再以类神经网路中的非 监督式学习模式将属同概念的实例聚集于同一类 。 18.如申请专利范围第11、12、13或14项所述之基于 插曲网络之实体库自动建构方法,其中,该撷取中 文文件中之插曲手段,主要系依据资料探勘技术中 的大项目集合概念,将中文文件视为一个连续出现 的词汇序列,并将文件中的每一个句子分别视为一 笔记录,再从各记录中提取固定范围以内的大项目 集合,藉以撷取中文文件中之插曲。 图式简单说明: 第一图系本发明系统之工作流程图。 第二图系本发明之领域新词词性规则范例表。 第三图系本发明提取完成之插曲范例列表。 第四图系本发明建构完成之插曲网络示意图。 第五图系习知实体库之主要元素架构示意图。 |
