專利名稱：：用于識別自然語言文件中的整體-部分關(guān)系的語義處理器的制作方法
技術(shù)領域：
：本申請涉及用于從電子或數(shù)字形式的文件中進行自動知識識別和提取的系統(tǒng)和方法，所識別和提取的知識反映出賓語/概念之間和外部世界事實/主語域之間的整體-部分(Whole-Part)語義關(guān)系。
背景技術(shù)：
：下列美國專利文件對本申請所涉及的領域進行了描述1995年5月向Ito頒發(fā)的美國專利No.5，418，889(下文中用Ito表示)；1997年12月向Hitachi頒發(fā)的美國專利No.5，696，916(下文中用Hitachi表示)；2000年2月向Liddy等頒發(fā)的美國專利No.6，026，388(下文中用Liddy表示)；2001年2月向Boguraev等頒發(fā)的美國專利No.6，185，592(下文中用Boguraev1表示)；2001年4月向Boguraev頒發(fā)的美國專利No.6，212，494(下文中用Boguraev2表示)；2001年7月向Paik等頒發(fā)的美國專利No.6，263，335(下文中用Paik表示)；2004年6月向Kim等頒發(fā)的美國專利No.6，754，654(下文中用Kim表示)；2004年11月向Davies等頒發(fā)的美國專利No.6，823，325(下文中用Davies表示)；以及2005年3月向Binnig等頒發(fā)的美國專利No.6，871，199(下文中用Binnig表示)。知識庫和知識工程是現(xiàn)代信息系統(tǒng)和相應技術(shù)的關(guān)鍵組成部分。知識工程通常基于從不同知識領域中的專家獲得的信息的歸納。然而，分析表明，該方法無法用來創(chuàng)建足夠的實際生活(工業(yè))應用。存在兩個問題第一，這種知識的最可靠且最有效的來源是什么；以及第二，如何對這些知識進行識別、提取并隨后進行形式化(formalize)。分析表明，在如今這個全球計算機化的時代，最可靠的知識來源是廣義文字的文本，也就是作為一組自然語言文件(書籍、文章、專利、報告等)的文本。因此，考慮到第二個問題，知識工程的基本前提如下1.文本是知識表示的理想的自然和智能模型；2.可以在文本中找到一切第二個前提可能看起來過于絕對，但隨著對文本范圍進行擴大的趨勢，這越來越符合實際。從文本中能夠獲得什么類型的知識？通過什么自動方法來實現(xiàn)？一些現(xiàn)有的方法將目標放在具有嚴格的結(jié)構(gòu)且是人工編譯的數(shù)據(jù)庫和具有嚴格定義的字段的文本上。通常會對文本進行淺顯的語言分析。Kim對處理具有嚴格結(jié)構(gòu)的文本(主要是電子郵件)進行了描述。Kim的處理從源文件的預先已知的字段中提取相應的信息并將這些信息置于反映組織結(jié)構(gòu)的數(shù)據(jù)庫(DB)(例如，具有組織內(nèi)的個人的名字和頭銜的字段的DB)的預先定義的字段中。Kim中描述的語言處理只用于根據(jù)所謂的過濾器從文件中提取關(guān)鍵項。Davies描述了對文本進行詞法和語法分析，以便區(qū)分名詞與動詞，并以這種方式根據(jù)"how"、"why"、"what"和"whatis"的關(guān)系在預先定義和構(gòu)造的數(shù)據(jù)庫中進行非常明確的搜索。Bi皿ig還描述了分形層次網(wǎng)絡形式的預先構(gòu)造的數(shù)據(jù)庫(即，知識數(shù)據(jù)庫)的使用，其反映了外部世界(知識領域)的知識，以便自動擴展來自輸入串的信息。首先，使用語義處理器對輸入串(例如，語句的部分或整個語句等等)進行處理，該語義處理器執(zhí)行句法和語法的解析和變換，以構(gòu)建輸入網(wǎng)絡。該網(wǎng)絡隨后被"浸入"到知識數(shù)據(jù)庫中，以通過關(guān)于賓語及其關(guān)系和定語的外部世界的模型，對作為某種記錄的輸入信息和輸入信息隨后的擴展進行擴展。Boguraev1描述了深入的文本分析的執(zhí)行，其中，對于文本段，基于它們的使用頻率以加權(quán)語義角色對最重要的名詞組進行標記。所有上述情況都關(guān)注于概念相關(guān)的特定知識。這是可以從文本中提取的入門級知識。Boguraev2描述了以計算機為媒介的語言分析的使用，其用于創(chuàng)建
技術(shù)領域：
中的關(guān)鍵術(shù)語的分類，并且還確定技術(shù)功能(動詞_賓語)的實行者(處理者)。Hitachi描述了使用預先定義的概念字典的系統(tǒng)，該概念字典具有高_低關(guān)系，也就是概念之間的泛化(is-a)關(guān)系和部分-整體關(guān)系。Liddy將類似的技術(shù)用于信息搜索系統(tǒng)中的用戶詢問擴展。Ito描述了包括因果模型庫和設備模型(devicemodel)庫的知識庫的使用。設備模型庫具有多組設備知識，這些設備知識描述目標機器的設備的分層。因果模型庫是在設備模型庫的基礎上形成的，且具有多組目標機器中的故障事件的因果關(guān)系。因此，設備的每個部件中發(fā)生故障的可能原因是根據(jù)關(guān)于該部件與設備中的其它部件的結(jié)構(gòu)連接的信息來猜測的。通常，最緊密"連接"的部件被確定為所述原因。Paik描述了不依賴于域(domain-ind印endent)且自動建立其自己的主語知識庫的系統(tǒng)。該系統(tǒng)識別概念(任何命名的實體或想法，比如人、地點、事物或組織)以及它們之間的關(guān)系。這些關(guān)系允許創(chuàng)建"概念_關(guān)系_概念"三元組。因此，Paik中識別的知識接近于下一重要的知識等級——事實(主語_動作_賓語)，盡管它們還不是適于識別像整體_部分關(guān)系這樣的重要語義關(guān)系的事實。事實上，以上方法都沒有教導或提出對電子文件或數(shù)字信息中的文本進行處理，以確定賓語/概念之間和外部世界事實/主語域之間的整體_部分語義關(guān)系。
發(fā)明內(nèi)容根據(jù)本發(fā)明的方案，提供了一種用于自動識別自然語言文件中的整體-部分關(guān)系的方法。所述方法包括提供來自至少一個自然語言文件的文本；識別所述文本中的一個或更多擴展主語-動作-賓語(eSA0)集，其中，每個eSAO集具有一個或更多eSA0成分；將所述一個或更多eSAO集與整體_部分關(guān)系模式進行匹配；以及基于所述匹配來生成一個或更多eSAO整體-部分關(guān)系，其中，所述eSAO整體-部分關(guān)系包括整體eSAO和部分eSAO。所述一個或更多eSAO成分可以是來自于包括下列元素的組的一個或更多元素主語、賓語、動作、形容詞、介詞、間接賓語和副詞。所述整體eSAO可以包括所述eSAO成分中的一個或更多，或所述一個或更多eSAO集的單個eSAO成分的一部分；并且所述部分eSAO可以包括所述eSAO成分中的一個或更多，或所述一個或更多eSAO集的單個eSAO成分的一部分。所述eSA0整體-部分關(guān)系可以包括順序運算符，所述順序運算符將所述整體eSAO的eSAO成分關(guān)聯(lián)到所述部分eSAO的eSAO成分，所述運算符包括詞法、語法和語義語言指示符中的一個或更多。所述方法還可以包括對所述文本的至少部分應用詞性標簽，以生成所述文本的標簽部分；以及對所述文本的標簽部分進行解析，以生成所述文本的解析標簽部分，其中，識別所述文本中的eSAO集是對所述文本的解析標簽部分執(zhí)行。應用詞性標簽可以是對所述文本的預格式化部分執(zhí)行，由此，所述文本的預格式化部分包括移除了非自然語言符號的文本。將所述一個或更多eSAO集與整體_部分關(guān)系模式進行匹配可以包括對單個eSAO集進行匹配，并且基于所述匹配來生成一個或更多eSAO整體-部分關(guān)系可以包括生成單個eSAO整體-部分關(guān)系。將所述一個或更多eSAO集與整體_部分關(guān)系模式進行匹配可以包括對一對eSAO集進行匹配，并且基于所述匹配來生成一個或更多eSAO整體-部分關(guān)系可以包括基于對所述一對eSAO集進行匹配來生成單個eSAO整體-部分關(guān)系。將所述一個或更多eSAO集與整體-部分關(guān)系模式進行匹配可以包括訪問整體-部分模式數(shù)據(jù)庫，所述整體-部分模式數(shù)據(jù)庫是通過包括以下步驟的方法生成識別文本文件的語料庫中的eSAO集；生成語句的語料庫，其中，每個語句包含所識別的eSAO集中的至少一個；識別所述語句中的整體_部分關(guān)系的特定情況；將整體_部分關(guān)系的所述特定情況歸納成eSAO整體-部分模式；以及將所述eSAO整體-部分模式存儲在所述整體_部分模式數(shù)據(jù)庫中。識別所述文本中的一個或更多擴展主語_動作_賓語(eSAO)集可以包括訪問語言知識庫，所述語言知識庫具有識別語言模型形式的數(shù)據(jù)庫，其對eSAO成分的定義進行定義。識別所述文本中的一個或更多擴展主語_動作_賓語(eSAO)集可以包括識別所述文本的一個或更多語句中的主語、賓語、動作、形容詞、介詞、間接賓語和副詞中的一個或更多。根據(jù)本發(fā)明的另一方案，提供了一種用于通過自動識別自然語言文件中的整體-部分關(guān)系來生成整體-部分知識庫的方法。所述方法包括提供來自至少一個自然語言文件的文本；識別所述文本中的一個或更多擴展主語-動作-賓語(eSAO)集，其中，每個eSAO集具有一個或更多eSAO成分；將所述一個或更多eSAO集與整體_部分關(guān)系模式進行匹配；基于所述匹配來生成一個或更多eSAO整體-部分關(guān)系，其中，所述eSAO整體-部分關(guān)系包括整體eSAO和部分eSAO;以及將所述一個或更多eSAO整體-部分關(guān)系存儲在所述整體-部分知識庫中。根據(jù)本發(fā)明的另一方案，提供了一種包括具有計算機可執(zhí)行指令的計算機可讀介質(zhì)的計算機程序產(chǎn)品，用于執(zhí)行識別自然語言文件中的整體-部分關(guān)系的方法。所述方法包括提供來自至少一個自然語言文件的文本；識別所述文本中的一個或更多擴展主語-動作-賓語(eSAO)集，其中，每個eSAO集具有一個或更多eSAO成分；將所述一個或更多eSAO集與整體_部分關(guān)系模式進行匹配；以及基于所述匹配來生成一個或更多eSAO整體_部分關(guān)系，其中，所述eSAO整體-部分關(guān)系包括整體eSAO和部分eSAO。所述方法還可以包括將所述一個或更多eSA0整體-部分關(guān)系存儲在整體_部分知識庫中。根據(jù)本發(fā)明的另一方案，提供了一種用于自動識別電子或數(shù)字形式文本中的整體_部分關(guān)系的語義處理器，所述語義處理器包括語言知識庫和語義分析器。所述語義分析器包括擴展主語-動作-賓語(eSAO)識別器，用于產(chǎn)生基于所述文本的一個或更多eSAO集，其中，所述eSAO集是基于存儲在識別語言模型形式的所述語言知識庫中的eSAO定義；以及整體_部分識別器，被配置為將所述一個或更多eSAO集與存儲在所述語言知識庫中的已知整體_部分關(guān)系模式進行匹配，并基于所述匹配來產(chǎn)生一個或更多eSAO整體-部分關(guān)系。所述語義處理器可以包括包含所述語義分析器的語言分析器。所述語言分析器還可以包括詞性標簽器，被配置為對所述文本的至少部分應用詞性標簽；以及解析器，被配置為對由所述詞性標簽器應用標簽的文本進行解析，并將所解析且應用標簽的文本提供給所述擴展主語_動作_賓語(eSAO)識別器。所述語義處理器還可以包括預格式化器，被配置為接收所述電子或數(shù)字形式的文本，并基于存儲在所述語言知識庫中的數(shù)據(jù)來產(chǎn)生預格式化文本，以輸入到所述詞性標簽器；以及知識庫生成器，被配置為從所述語言分析器生成的一個或更多eSAO整體-部分關(guān)系產(chǎn)生整體_部分知識庫。所述預格式化器可以被配置為執(zhí)行以下功能中的至少一個移除所述文本的數(shù)字或電子表示中不形成自然語言文本的一部分的符號；檢測并糾正所述文本中的誤匹配或錯誤；以及將所述文本分割成語句和單詞結(jié)構(gòu)。所述語義處理器還可以包括整體_部分關(guān)系生成器，被配置為生成并存儲所述已知整體-部分關(guān)系模式。所述整體-部分關(guān)系生成器可以包括語料庫語言分析器，被配置為識別文本文件的語料庫中的eSAO集；語料庫eSAO生成器，被配置為生成語句的語料庫，其中，每個語句包含所識別的eSAO集中的至少一個；關(guān)系識別器，被配置為識別所述語句中的整體_部分關(guān)系的特定情況；模式生成器，被配置為將整體_部分關(guān)系的所述特定情況歸納成eSAO整體-部分模式；以及模式測試器，被配置為將所述eSAO整體-部分模式存儲在整體-部分模式數(shù)據(jù)庫中。所述一個或更多eSAO整體-部分關(guān)系的每個都可以包括整體eSAO、部分eSAO以及至少一個將所述整體eSAO關(guān)聯(lián)到所述部分eSAO的順序運算符?；谒鑫谋镜拿總€eSAO集可以包括eSAO成分，所述整體eSAO可以包括所述eSAO成分的一個或更多，并且所述部分eSAO可以包括一個或更多不同于所述整體eSAO的一個或更多eSAO成分的eSAO成分。所述eSAO成分可以包括來自于包含以下元素的組的一個或更多元素主語、賓語、動作、形容詞、介詞、間接賓語和副詞。所述整體-部分識別器還可以被配置為將單個eSAO集與已知整體_部分關(guān)系模式進行匹配，以生成單個eSAO整體-部分關(guān)系。所述整體-部分識別器還可以被配置為將一對eSAO集與已知整體_部分關(guān)系模式進行匹配，以生成單個eSAO整體-部分關(guān)系。附圖通過實例而非限制的方式描繪了優(yōu)選實施例。在附圖中，相同的標號指代相同或相似的部件。圖1是根據(jù)本發(fā)明的方案的語義處理器的結(jié)構(gòu)與功能方案的實施例。圖2是根據(jù)本發(fā)明的方案的語言分析器的結(jié)構(gòu)與功能方案的實施例。圖3是根據(jù)本發(fā)明的方案的語義分析器的結(jié)構(gòu)與功能方案的實施例。圖4是根據(jù)本發(fā)明的方案的建立整體_部分模式的數(shù)據(jù)庫的原理方案的實施例。具體實施例方式將理解，盡管術(shù)語第一、第二等可以在本文中用來描述各種部件，但這些部件并不受這些術(shù)語的限制。這些術(shù)語用來在部件間進行區(qū)分，并不意味著部件需要有順序。例如，在不偏離本發(fā)明的范圍的情況下，第一部件可以被稱為第二部件，類似的，第二部件可以被稱為第一部件。如本文所使用的，術(shù)語"和/或"包括一個或更多相關(guān)列出項的任何以及全部組合。將理解，當提及一部件"在另一部件上"或"連接到"或"耦合到"另一部件時，該部件可以是直接在該另一部件上或者連接或耦合到該另一部件，或者是可以存在中間部件。相反，當提及一部件"直接在另一部件上"或"直接連接到"或"直接耦合到"另一部件時，不存在中間部件。其它用來描述部件之間的關(guān)系的詞語應該以類似方式進行解釋(例如，"在...之間"相對于"直接在...之間"、"相鄰"相對于"直接相鄰"等)。本文所使用的術(shù)語僅用來描述特定實施例，而不是為了限制本發(fā)明。如本文所使用的，除非上下文明確指出，否則單數(shù)形式"一個(a，an)"和"這個"也包括復數(shù)形式。還將理角牟，當在本文中使用時，術(shù)語"包括(comprise、comprising、includes禾口/或including)，，指定存在所闡述的特征、步驟、操作、部件和/或組件，但并不排除存在或附加一個或更多其他特征、步驟、操作、部件、組件和/或其組合。在各種實施例中，提供了一種用來從電子或數(shù)字形式的文件中自動識別并提取非常重要的知識的系統(tǒng)和方法，所識別和提取的知識反映賓語/概念之間和事實之間的"整體_部分"語義關(guān)系。例如，賓語/概念之間的整體_部分語義關(guān)系示出特定技術(shù)設備包括什么組件。而事實之間的整體-部分語義關(guān)系例如示出特定技術(shù)過程包括的操作以及這些操作的順序。根據(jù)本公開的方案，與僅檢領USA0之間的語義關(guān)系的現(xiàn)有方法不同，擴展SA0(eSA0)被使用。在優(yōu)選實施例中，eSA0包括7種成分，其中，至少一種eSA0成分被定義。附加成分提供更深入和更高質(zhì)量的分析。在其它實施例中，eSAO可以被擴展以包括附加成分。在本文中，術(shù)語"eSAO"和"eSAO集"可交換使用，這兩種術(shù)語指是指多個eSA0成分的集合。在優(yōu)選實施例中，eSA0成分包括1.主語(S)，對賓語(0)執(zhí)行動作(A);2.動作(A)，由主語(S)對賓語(0)執(zhí)行；3.賓語(0)，主語(S)在其上執(zhí)行動作(A);4.形容詞(Adj)，修飾主語(S)或動作(A)，動作(A)在eSA0中跟在主語之后，且沒有賓語(0)(例如"Theinventionisefficient.，，或"Thewaterbecomeshot.，，)；5.介詞(Pr印)，支配間接賓語(10)(例如"Thelampisplacedonthetable.，，或"Thedevicereducesfrictionbyultrasound.，，)56.間接賓語(IO)，通常表現(xiàn)為名詞短語，其與介詞一起修飾動作(A)，以作為狀語(例如"Thelampisplacedonthetable.，，或"Thedevicereducesfrictionbyultrasound.，，)；以及7.副詞(Adv)，通常修飾執(zhí)行動作(A)的條件(例如"Theprocessisslowlymodified.，，或"Thedrivermustnotturnwheelinsuchamanner.，，)。eSA0格式的應用實例在下面的表1和表2中示出<table>tableseeoriginaldocumentpage10</column></row><table>表1輸入語句Themaximumvalueofxisdependentontheionicradiusofthelanthanidedement.輸出主語maximumvalueofx動作Be賓語-介詞On間接賓語ionicradiusofthelanthanide形容詞Dependent副詞一表2事實之間(即eSA0之間)的語義關(guān)系的一種類型是因果關(guān)系，如在標題為"ComputerBasedSummarizationofNaturalLangimgeDocuments.，，的美國專利申請公開No.20030130837中所討論。在該公開中還描述了因果關(guān)系的識別。例如，輸入語句"Todaytheusercandownload10,000papersfromthewebbytypingtheword'screen'."將得出如表3中所示的eSAO之間的因果關(guān)系。1<table>tableseeoriginaldocumentpage12</column></row><table>表3語義處理被用于建立來自自然語言文件中的eSA0的知識內(nèi)存在的整體_部分關(guān)系。假定賓語是事實(完整或不完整)的組成部分，則eSAO格式在這里被認為是文件內(nèi)容的正式知識表示的格式。在說明性實施例中，用于識別電子或數(shù)字形式的文本中的整體-部分關(guān)系的語義處理包括對該文本進行預格式化；執(zhí)行語言分析；以及生成整體_部分知識庫。根據(jù)本發(fā)明的方案的整體-部分語義處理器(下文中用語義處理器(SP)表示)的實施例可以參照圖1來理解。語義處理器100對原始文本10進行處理以生成整體_部分知識庫50。在該實施例中，語義處理器100包括預格式化器20(用于對原始文本進行預格式化)、語言分析器30(用于執(zhí)行語言分析)以及知識庫生成器40(用于生成整體_部分知識庫50)。語義處理器100的所有模塊的功能可以在語言知識庫60中進行維護，該語言知識庫60包括各種數(shù)據(jù)庫(比如字典、分類器、統(tǒng)計數(shù)據(jù)等)和用于識別語言模型(用于文本到單詞的分離，名詞和動詞短語、主語、賓語、動作及其定語的識別，因果關(guān)系識別等)的數(shù)據(jù)庫。語言分析器30和知識庫生成器40在下文中另外詳細描述。由預格式化器20執(zhí)行的文本預格式化優(yōu)選地根據(jù)美國專利申請公開No.20030130837中描述的技術(shù)來執(zhí)行。優(yōu)選地，對文本進行預格式化包括從文本中移除非自然語言符號，例如標點。圖2說明了包括語言分析器30的模塊的實施例。語言分析器30對來自預格式化器20的預格式化文本進行處理，以產(chǎn)生語義分析文本16。預格式化文本12由詞性標簽器32(用于確定詞性標簽并將其應用于預格式化文本12)來接收。解析器34隨后對應用了POS標簽的文本進行解析，以供語義分析器300進行處理。由所述POS標簽器和解析器34執(zhí)行的功能優(yōu)選地根據(jù)美國專利申請公開No.20030130837中描述的技術(shù)來執(zhí)行。圖3說明了包括語義分析器300的模塊的實施例。語義分析器300接收解析文本14，并產(chǎn)生語義分析文本16。語義分析器300具有執(zhí)行eSA0識別的eSA0識別器310。ESA0識別優(yōu)選地根據(jù)美國專利申請公開No.20020010574和美國專利申請公開No.20020116176中描述的技術(shù)來執(zhí)行。對所有eSAO元素的識別是通過相應的識別語言模型來實現(xiàn)的，所述識別語言模型是知識庫100的部分。這些模型描述了使用詞性標簽、詞法和句法分類的規(guī)則，所述規(guī)則隨后被用于從解析文本提取具有限定動作、非限定動作、動名詞的eSA0。動作提取規(guī)則的一個實例為〈HVZXBENXVBN〉=>(〈A>=〈VBN》該規(guī)則意思是"如果輸入語句包含在應用詞性標簽步驟中分別獲得HVZ、BEN、VBN標簽的單詞wl、w2、w3的序列，則該序列中具有VBN標簽的單詞是動作"。例如，hasHVZbeenBENproduced_VBN=>(A=produce)。此外，在提取主語和賓語的規(guī)則中還要考慮動作的語態(tài)(主動或被動語態(tài))。整體-部分(W-P)識別器320執(zhí)行eSA0內(nèi)和/或eSA0之間的整體-部分關(guān)系的識別，然后產(chǎn)生語義分析文本16。在下文中根據(jù)本發(fā)明的方案對該過程的實施例進行更詳細的描述。整體-部分識別器320使用算法來檢測單個eSA0中以及不同eSA0之間的文本語句內(nèi)的整體-部分關(guān)系。這些算法可被歸類為生成語言模型或模式。首先，這些模式描述使用環(huán)境，即，語句中存在整體-部分關(guān)系的指示符，然后，描述這樣的信息，所述信息關(guān)于單個eSA0中的哪些成分充當所述關(guān)系中的整體元素以及單個eSA0或eSA0集中的哪些成分充當所述關(guān)系中的部分元素。整體-部分指示符是指單獨的eSA0成分并描述語言單元、它們的詞法和語法標簽、語義類別等。整體-部分識別器320優(yōu)選地對所有eSA0，以及與公共列表中的一種模式相符的eSA0集進行分析。如果eSA0或eSA0集與一模式相符，則整體_部分識別器320根據(jù)該模式對整體_部分關(guān)系的存在進行登記，并對eSA0或eSA0集中的那些成分是整體類型的語義單元以及那些成分是部分類型的語義單元進行標記。以這種方式標記的eSA0和eSA0集隨后被指引到知識庫生成器40(參見圖1)，該知識庫生成器40形成賓語/概念列表和事實列表，并將這些列表存儲在整體_部分知識庫50中，所述賓語/概念之間以及所述事實之間具有整體-部分關(guān)系。下面是根據(jù)該實施例的用于識別文本中的整體_部分關(guān)系的優(yōu)選模式。然而，根據(jù)其它實施例也可以使用其它模式。部分I.用于識別單個eSA0中的整體_部分關(guān)系的模式模式1:"主語/賓語+動作"類型如果在文本中識別出eSA0且該eSA0具有至少三個非空字段用于主語、動作和賓語，則該模式形成。在該實施例中，對于這種模式存在兩種可能情況。在第一種情況中，主語具有"PART-0F(……的部分)"意義，賓語非空，并且聯(lián)系主語和賓語的動作具有系動詞的意義。在第二種情況中，動作具有相同意義，主語非空，并且賓語具有"PART-OF"意義。在任何一種情況中，eSAO成分(主語或賓語)的具有"PART-OF"意義的特定部分被識別為輸出關(guān)系的整體成分，所指示的一對成分中的另一成分被識別為部分成分。在這種模式中，"PART-OF"主語/賓語的意思是一非終結(jié)符之后為單詞"of"，再之后為任意單詞或短語，所述非終結(jié)符表示任何其中沒有單詞"of"的單詞或短語，并且以與如下列表中的至少一個單詞匹配的單詞或短語結(jié)束"partIcomponent|constituent|element|unit|construct|ingredient|interior|inside，，。所述主i吾/賓i吾的足艮在單i司"of，，后面的部分被識別為輸出關(guān)系的"整體"部分。在優(yōu)選實施例中，"系動詞"的意義至少與單詞或短語"belpresentlr印resent"相匹配。表4示出了第一情況下模式1的一般形式。主語PART-0F整體動作系動詞賓語非空部分介詞間接賓語形容詞副詞表4例如，考慮輸入語句為"Theprincipalpartofthecaristhedriver'swheel."表5示出了從該語句提取的eSA0:主語principalpartofthecar動作be賓語driver'swheel介詞間接賓語形容詞副詞表5因為該eSA0滿足模式1的條件，所以獲得以下整體_部分關(guān)系整體=car部分=driver'swheel表6示出了第二種情況下模式1的一般形式。<table>tableseeoriginaldocumentpage15</column></row><table>表6例如，輸入語句"Thedriver'swheelrepresentstheprincipalpartofthecar"將產(chǎn)生表7中示出的eSA0:<table>tableseeoriginaldocumentpage15</column></row><table>表7根據(jù)優(yōu)選實施例，從該輸入語句得到的整體_部分關(guān)系為整體=car部分=driver'swheel樽式2:"動作"類型如果動作字段具有"COMPRISE(包括)"意義或用動詞"have"或"include"來表示，則模式2形成。在這種模式中，"COMPRISE"動作意思是至少表示下列單詞或短語的非終結(jié)符-"comprise|contain|incorporate|consistof，，。表8不出了模式2的一般形式。<table>tableseeoriginaldocumentpage16</column></row><table>表8在用動詞"have"表示動作的情況中，該動作在原句中必須是用"having"形式來表示。用動詞"include"來表示以及在原句中用"including"形式來表示的動作所涉及的eSAO必須具有單數(shù)主語。例如，輸入語句"Theinternalcombustionengine15bcontainsthecamshaftl7a"，"Theinternalcombustionengine15bhavingthecamshaft17a，，，"Theinternalcombustionengine15bincludesthecamshaft17a，，，"Theinternalcombustionengine15bincludingthecamshaft17a，，的每一個都將產(chǎn)生表9中示出的相應eSAO。<table>tableseeoriginaldocumentpage16</column></row><table>主語internalcombustionengine15b副詞表9因為所有這些eSA0都滿足模式2的條件，所以獲得下列整體_部分關(guān)系整體=internalcombustionengine15b部分=camshaft17a樽式3:"動作+介詞"類型這種模式存在兩種類型。在第一種情況中，如果動作字段具有"EQUIP(裝備)"意義且介詞字段具有"WITH(具有)"意義，則該模式形成。在這種情況中，"EQUIP"動作意思是至少表示單詞或短語"equipIprovideIsupplyIinstrument"的非終結(jié)符。"WITH"介詞意思是至少表示單詞"with"的非終結(jié)符。表10示出了這種情況下模式3的一般形式。主語動作EQUIP賓語非空整體介詞WITH間接賓語非空部分形容詞副詞表10例如，輸入語句"Thecarisequippedwiththeengine，，將產(chǎn)生表11中示出的eSA0:主語動作equip賓語CM*介詞with<table>tableseeoriginaldocumentpage18</column></row><table>表ll根據(jù)優(yōu)選實施例，從該輸入語句產(chǎn)生的整體-部分關(guān)系為整體=car部分=engine在第二種情況中，如果動作字段具有"POSITION(位于)"意義并在原句中用動詞的被動形式來表示，并且介詞字段具有"INSIDE(內(nèi))"意義，則模式3形成。在這種模式中，"POSITION"動作意思是至少匹配單詞或短語"equipIprovideIsupplyIinstrument"的非終結(jié)符。"INSIDE"介詞意思是至少匹配單詞或短語"insideIwithin"的非終結(jié)符。表12示出了這種情況下模式3的一般形式。<table>tableseeoriginaldocumentpage18</column></row><table>表12例如，輸入語句"Theengineislocatedinsidethecar"將產(chǎn)生表13中示出的eSA0:<table>tableseeoriginaldocumentpage18</column></row><table>主語介詞inside間接賓語CM*形容詞副詞表13根據(jù)優(yōu)選實施例，從該輸入語句產(chǎn)生的整體-部分關(guān)系為整體=car部分=engineM^i:"名詞短語"類型如果表示eSAO的主語成分或賓語成分的名詞短語包含下列結(jié)構(gòu)，則模式4形成NG1-C0NTAINING|RICHNG2在這種模式中，NG1和NG2是表示名詞組的非終結(jié)符；"CONTAINING"是至少匹配單詞或短語"containing|comprising|incorporating"的非終結(jié)符；"RICH，，是至少表示單詞"richIbased|laden|enriched|reduced|fortified"的非終結(jié)符。在這種情況中，NG2被識別為整體_部分關(guān)系的整體成分，而NG1被識別為部分成分。例如，輸入語句(該實例僅包含模式說明所需的語句部分)"Gold-containingcardis..."和"Oxygen-richwateris..."滿足模式4的條件，并相應的得到下列整體-部分關(guān)系整體=cord整體=water部分=gold部分=oxygen部分II.用于從eSAO集識別整體_部分關(guān)系的模式M^l:"動名詞短語"類型模式5旨在提取多個eSAO之間的整體-部分關(guān)系，其中，一個eSAO表示所述關(guān)系的整體成分，而其它eSAO表示部分成分。如果具有在原句中用動名詞(VBG)短語表示的動作字段的eSAO后面跟有動作字段具有"COMPRISE(包括)"意義的eSA0，并且再后面跟有一個或更多用動名詞短語表示并用"；"或"，"或其它標點或連詞分離的eSA0，則模式5形成。第一個eSAO被標記為整體eSA0，而從第三個eSAO開始的其它eSAO被標記為部分eSA0。在以上提到的至少三個eSAO之間，如果需要的話，可以存在其它所謂的定語eSAO的eSA0，它們可以被標記為eSAO-定語。在這種模式中，"COMPRISE"動作意思是至少匹配單詞或短語"compriseIincludeIcontainIincorporateIconsistof，，的非終結(jié)符。表14不出了模式5的一般形式，其中不包括定語eSAO。<table>tableseeoriginaldocumentpage20</column></row><table>表14例如，從輸入語句"Creatingadataflowincludesthefollowingsteps:addingoneormoresourcestoextractdatafromfilesanddatabases;addingthetransformationsthatmeetthebusinessrequirements"中提取的eSA0集在表15中示出。<table>tableseeoriginaldocumentpage20</column></row><table>表15由于所有這些eSAO都滿足模式5的條件，所以獲得下列整體_部分關(guān)系整體=eSA0-l部分={eSA0-3/定語eSA0_4，eSA0-5/定語eSAO-6}[OH8]樽式6:"IF從句"類型如果具有在原句中用通過連詞(至少為"iflwhen")引出的條件從句(IF從句)表達的動作字段的eSAO后面跟有具有"PERFORM(執(zhí)行)"意義的動作字段的eSAO，并且再后面跟有一個或更多用"；"或"，"或其它標點或連詞分離的eSA0，則模式6形成。第一個eSAO被標記為整體eSAO，而從第三個eSAO開始的其它eSAO被標記為部分eSAO。在這種模式中，"PERFORM"動作意思是至少匹配單詞或短語"followlcomplete|do|perform|take"的非終結(jié)符。表16示出了模式6的一般形式。eSAO-1eSA0-2{eSA0-i}，i>3主語動作IF從句PERFORM非空賓語介詞間接賓語形容詞副詞表16例如，從輸入語句"Wheninitiallycreatinganextension,takethefollowingst印s-coordinatetheuseofextensionwiththevendor;writeanextensionspecification，，提取的eSAO集在表17中示出。eSAO-1eSA0-2eSA0-3eSAO-4主語動作createtekecoordinatewrite賓語extensionfollowingstepsuseofextensionextensionspecification21eSA0-leSA0-2eSA0-3eSAO-4介詞with間接賓語vendor形容詞副詞initially表17由于所有這些eSAO都滿足模式6的條件，所以獲得下列整體_部分關(guān)系整體=eSAO-1部分={eSA0-3，eSAO-4}樽式7:"不定式短語"類型如果具有在原句中用通過小品詞"to"或至少短語"inorderto"引出的不定式短語表達的動作字段的eSAO后面跟有其中動作字段具有"PERFORM"意義的eSA0，并且再后面跟有一個或更多用"；"或"，"或其它標點或連詞分離的eSA0，則模式7形成。第一個eSAO被標記為整體eSAO，而從第三個eSAO開始的其它eSAO被標記為部分eSAO。在這種模式中，"PERFORM"動作意思是至少匹配單詞或短語"followIcomplete|do|perform|take"的非終結(jié)符。表18示出了模式7的一般形式。eSAO-1eSA0-2{eSA0-i}，i>3主語動作不定式短語(T0VB)PERFORM非空賓語介詞間接賓語形容詞副詞表18例如，從輸入語句"TochangeyourmarginsinMicrosoftInternetExplorerfollowthesesteps:ClickontheFilemenu;SelectPageSetup，，提取的eSAO<table>tableseeoriginaldocumentpage23</column></row><table>表19由于所有這些eSA0都滿足模式7的條件，所以獲得下列整體_部分關(guān)系整體=eSAO-1部分={eSA0-3，eSAO-4}圖4示出了可以用來生成能夠用在本文公開的實施例中的關(guān)系模型的模塊。如圖4中所示，足夠大的文本文件的語料庫170被優(yōu)選地用來建立和形成模型或模式。語料庫語言分析器180對語料庫170執(zhí)行語言分析以識別eSA0。語料庫eSA0生成器190生成包含至少一個eSA0(完整或不完整)的語句的語料庫。關(guān)系識別器200對包含至少一個eSA0的語句中的整體_部分關(guān)系的一些特定情況進行識別處理。模式生成器210將特定情況歸納成更一般的模式。模式測試器220檢查整體-部分關(guān)系的存在并將批準的模式放置到用于整體_部分關(guān)系識別的數(shù)據(jù)庫230中。優(yōu)選地，關(guān)系識別器200的功能由專家手動實行。例如，專家對來自eSA0文本語料庫的語句"Theengineislocatedinsidethecar"進行分析，其中，語言分析器執(zhí)行詞性標簽應用、解析和語義分析并識別eSA0(參見表13)，并且專家設置指示該eSA0的賓語和間接賓語形成整體_部分關(guān)系的特殊標簽，其中，間接賓語是所述關(guān)系的整體成分，賓語是部分成分。這種角色分配可以是基于介詞"inside"的意義。隨后該語句進入到模式生成器210。模式生成器210對整體-部分關(guān)系進行分析并將其歸納到模式的級別。模式生成器的功能同樣優(yōu)選地由專家手動實行。以這種方式，專家既考慮了他或她自己的經(jīng)驗和知識，又考慮了包含在語言知識庫中的知識。回到前面的實例，專家應該得出結(jié)論介詞"within"具有與介詞"inside"相似的意思，并且至少云力詞"situate|contain|position|dispose|fix|installlmountlhouse"具有與動詞"locate"相似的意思。因此，專家以表12中表示的方式登記模式的原型。模式測試器220使用原型模式來在eSA0文本語料庫中尋找整體_部分關(guān)系的實例。專家對所獲得的實例進行分析并批準模式(可以有一些糾正)。模式測試器220隨后將該批準的模式放入用于整體_部分識別的模式數(shù)據(jù)庫230中。如上所述，語義分析器180和模式生成器210都可以訪問語言知識庫，以執(zhí)行它們的功能。此外，在一些實施例中，模式數(shù)據(jù)庫230可以被合并到語言知識庫60中以支持上面參照圖1-3所描述的整體_部分語義處理。根據(jù)本發(fā)明的方案的實施例可以由駐留在一個或更多計算機、微處理器、微控制器或其它處理設備上的計算機可執(zhí)行指令來提供。用于執(zhí)行系統(tǒng)和方法的計算機可執(zhí)行指令可以駐留在處理設備中的存儲器內(nèi)，或者可以通過軟盤、硬盤、致密盤(CD)、數(shù)字通用盤(DVD)、只讀存儲器(ROM)或任何其它存儲介質(zhì)來提供給處理設備。前面對示例性的優(yōu)選實施例的詳細描述只是為了說明的目的而闡述。并不意圖窮舉或?qū)⒈景l(fā)明限制為所描述的精確形式，而僅僅是想要使本領域技術(shù)人員能夠理解本發(fā)明可以如何用于特定使用或?qū)崿F(xiàn)。理解了本文的公開內(nèi)容后，可以進行的修改和變化對于本領域技術(shù)人員將是顯而易見的。對示例性實施例的描述并不意圖是限制性的，其可以包括容限、特征大小、特定工作條件、工程規(guī)范等，并且其可以在實現(xiàn)之間變化，或者隨著現(xiàn)有技術(shù)的狀態(tài)變化而變化，并且這些示例性實施例的描述不應該暗含限制。已經(jīng)參照現(xiàn)有技術(shù)的當前狀態(tài)給出了本公開，而且本公開設想了改進，并且設想了在將來的修改可以考慮這些改進，即根據(jù)現(xiàn)有技術(shù)的到那時的當前狀態(tài)。本發(fā)明的范圍意在由所寫出的權(quán)利要求和可適用的等價物所限定。而且，本公開中的任何要素、組件、方法或過程步驟都不是意在可為公眾所用，不管在權(quán)利要求中是否明確記載了該要素、組件或步驟。除非要素使用"用于……的模塊"的短語來明確記載，否則，本文中的權(quán)利要求要素都不得按照美國法典第35條第112款第六段來進行解釋，并且，除非步驟或多個步驟使用"用于……的步驟"的短語來明確記載，否則，本文中的方法或過程步驟都不得按照美國法典第35條第112款第六段來進行解釋。權(quán)利要求一種用于自動識別自然語言文件中的整體-部分關(guān)系的方法，所述方法包括提供來自至少一個自然語言文件的文本；識別所述文本中的一個或更多擴展主語-動作-賓語(eSAO)集，其中，每個eSAO集具有一個或更多eSAO成分；將所述一個或更多eSAO集與整體-部分關(guān)系模式進行匹配；以及基于所述匹配來生成一個或更多eSAO整體-部分關(guān)系，其中，所述eSAO整體-部分關(guān)系包括整體eSAO和部分eSAO。2.根據(jù)權(quán)利要求1所述的方法，其中，所述一個或更多eSAO成分是來自于包括下列元素的組的一個或更多元素主語、賓語、動作、形容詞、介詞、間接賓語和副詞。3.根據(jù)權(quán)利要求1所述的方法，其中所述整體eSAO包括所述eSAO成分中的一個或更多，或所述一個或更多eSAO集的單個eSAO成分的一部分；并且所述部分eSAO包括所述eSAO成分中的一個或更多，或所述一個或更多eSAO集的單個eSAO成分的一部分。4.根據(jù)權(quán)利要求2所述的方法，其中，所述eSAO整體-部分關(guān)系包括順序運算符，所述順序運算符將所述整體eSAO的eSAO成分關(guān)聯(lián)到所述部分eSAO的eSAO成分，所述運算符包括詞法、語法和語義語言指示符中的一個或更多。5.根據(jù)權(quán)利要求1所述的方法，還包括對所述文本的至少部分應用詞性標簽，以生成所述文本的應用標簽的部分；以及對所述文本的所應用標簽的部分進行解析，以生成所述文本的解析且應用標簽的部分，其中，識別所述文本中的eSAO集是對所述文本的所解析且應用標簽的部分執(zhí)行的。6.根據(jù)權(quán)利要求5所述的方法，其中，應用詞性標簽是對所述文本的預格式化部分執(zhí)行的，由此，所述文本的預格式化部分包括移除了非自然語言符號的文本。7.根據(jù)權(quán)利要求1所述的方法，其中將所述一個或更多eSAO集與整體_部分關(guān)系模式進行匹配包括對單個eSAO集進行匹配；并且基于所述匹配來生成一個或更多eSAO整體-部分關(guān)系包括生成單個eSAO整體-部分關(guān)系。8.根據(jù)權(quán)利要求1所述的方法，其中將所述一個或更多eSAO集與整體_部分關(guān)系模式進行匹配包括對一對eSAO集進行匹配；并且基于所述匹配來生成一個或更多eSAO整體-部分關(guān)系包括基于對所述一對eSAO集進行匹配來生成單個eSAO整體-部分關(guān)系。9.根據(jù)權(quán)利要求1所述的方法，其中，將所述一個或更多eSAO集與整體-部分關(guān)系模式進行匹配包括訪問整體_部分模式數(shù)據(jù)庫，所述整體_部分模式數(shù)據(jù)庫是通過包括以下步驟的方法生成的識別文本文件的語料庫中的eSAO集；生成語句的語料庫，其中，每個語句包含所識別的eSAO集中的至少一個；識別所述語句中的整體_部分關(guān)系的特定情況；將整體_部分關(guān)系的所述特定情況歸納成eSA0整體-部分模式；以及將所述eSAO整體-部分模式存儲在所述整體_部分模式數(shù)據(jù)庫中。10.根據(jù)權(quán)利要求i所述的方法，其中，識別所述文本中的一個或更多擴展主語-動作_賓語(eSAO)集包括訪問語言知識庫，所述語言知識庫具有對eSAO成分進行定義的數(shù)據(jù)庫。11.根據(jù)權(quán)利要求l所述的方法，其中，識別所述文本中的一個或更多擴展主語-動作-賓語(eSAO)集包括識別所述文本的一個或更多語句中的主語、賓語、動作、形容詞、介詞、間接賓語和副詞中的一個或更多。12.—種用于通過自動識別自然語言文件中的整體_部分關(guān)系來生成整體_部分知識庫的方法，所述方法包括提供來自至少一個自然語言文件的文本；識別所述文本中的一個或更多擴展主語_動作_賓語(eSAO)集，其中，每個eSAO集具有一個或更多eSAO成分；將所述一個或更多eSAO集與整體_部分關(guān)系模式進行匹配；基于所述匹配來生成一個或更多eSAO整體-部分關(guān)系，其中，所述eSAO整體-部分關(guān)系包括整體eSAO和部分eSAO;以及將所述一個或更多eSAO整體-部分關(guān)系存儲在所述整體_部分知識庫中。13.—種包括具有計算機可執(zhí)行指令的計算機可讀介質(zhì)的計算機程序產(chǎn)品，用于執(zhí)行識別自然語言文件中的整體_部分關(guān)系的方法，所述方法包括提供來自至少一個自然語言文件的文本；識別所述文本中的一個或更多擴展主語_動作_賓語(eSAO)集，其中，每個eSAO集具有一個或更多eSAO成分；將所述一個或更多eSAO集與整體_部分關(guān)系模式進行匹配；以及基于所述匹配來生成一個或更多eSAO整體-部分關(guān)系，其中，所述eSAO整體-部分關(guān)系包括整體eSAO和部分eSAO。14.根據(jù)權(quán)利要求13所述的計算機程序產(chǎn)品，其中，所述方法還包括將所述一個或更多eSAO整體-部分關(guān)系存儲在整體_部分知識庫中。15.—種用于自動識別電子或數(shù)字形式的文本中的整體-部分關(guān)系的語義處理器，所述語義處理器包括語言知識庫；以及語義分析器，包括擴展主語-動作-賓語(eSAO)識別器，用于產(chǎn)生基于所述文本的一個或更多eSAO集，其中，所述eSAO集是基于存儲在所述語言知識庫中的eSAO定義；以及整體_部分識別器，被配置為將所述一個或更多eSAO集與存儲在所述語言知識庫中的已知整體_部分關(guān)系模式進行匹配，并基于所述匹配來產(chǎn)生一個或更多eSAO整體-部分關(guān)系。16.根據(jù)權(quán)利要求15所述的語義處理器，其中，所述語義處理器包括包含所述語義分析器的語言分析器，所述語言分析器還包括詞性標簽器，被配置為對所述文本的至少部分應用詞性標簽；以及解析器，被配置為對由所述詞性標簽器應用標簽的文本進行解析，并將所解析且應用標簽的文本提供給所述擴展主語-動作-賓語(eSAO)識別器。17.根據(jù)權(quán)利要求16所述的語義處理器，還包括預格式化器，被配置為接收所述電子或數(shù)字形式的文本，并基于存儲在所述語言知識庫中的數(shù)據(jù)來產(chǎn)生預格式化文本，以輸入到所述詞性標簽器；以及知識庫生成器，被配置為根據(jù)所述語言分析器生成的一個或更多eSA0整體-部分關(guān)系產(chǎn)生整體-部分知識庫。18.根據(jù)權(quán)利要求17所述的語義處理器，其中，所述預格式化器被配置為執(zhí)行以下功能中的至少一個移除所述文本的數(shù)字或電子表示中不形成自然語言文本的一部分的符號；檢測并糾正所述文本中的誤匹配或錯誤；以及將所述文本分割成語句和單詞結(jié)構(gòu)。19.根據(jù)權(quán)利要求15所述的語義處理器，還包括整體-部分關(guān)系生成器，被配置為生成并存儲所述已知整體_部分關(guān)系模式，所述整體_部分關(guān)系生成器包括語料庫語言分析器，被配置為識別文本文件的語料庫中的eSA0集；語料庫eSA0生成器，被配置為生成語句的語料庫，其中，每個語句包含所識別的eSAO集中的至少一個；關(guān)系識別器，被配置為識別所述語句中的整體_部分關(guān)系的特定情況；模式生成器，被配置為將整體_部分關(guān)系的所述特定情況歸納成eSA0整體-部分模式；以及模式測試器，被配置為將所述eSA0整體-部分模式存儲在整體_部分模式數(shù)據(jù)庫中。20.根據(jù)權(quán)利要求15所述的語義處理器，其中，所述一個或更多eSA0整體-部分關(guān)系中的每一個都包括整體eSA0、部分eSA0以及至少一個將所述整體eSA0關(guān)聯(lián)到所述部分eSA0的順序運算符。21.根據(jù)權(quán)利要求20所述的語義處理器，其中，基于所述文本的每個eSA0集包括eSA0成分，所述整體eSA0包括所述eSA0成分的一個或更多，并且所述部分eSA0包括一個或更多不同于所述整體eSA0的一個或更多eSA0成分的eSA0成分。22.根據(jù)權(quán)利要求21所述的語義處理器，其中，所述eSA0成分是來自于包括以下元素的組的一個或更多元素主語、賓語、動作、形容詞、介詞、間接賓語和副詞。23.根據(jù)權(quán)利要求15所述的語義處理器，其中，所述整體-部分識別器還被配置為將單個eSA0集與已知整體_部分關(guān)系模式進行匹配，以生成單個eSA0整體-部分關(guān)系。24.根據(jù)權(quán)利要求15所述的語義處理器，其中，所述整體-部分識別器還被配置為將一對eSA0集與已知整體_部分關(guān)系模式進行匹配，以生成單個eSA0整體-部分關(guān)系。全文摘要一種用于自動識別至少一個自然語言的電子或數(shù)字文件中的整體-部分關(guān)系的語義處理器和方法執(zhí)行以下操作識別文本中的一個或更多擴展主語-動作-賓語(eSAO)集，其中，每個eSAO集具有一個或更多eSAO成分；將所述一個或更多eSAO集與整體-部分關(guān)系模式進行匹配；以及基于所述匹配來生成一個或更多eSAO整體-部分關(guān)系，其中，所述eSAO整體-部分關(guān)系包括整體eSAO和部分eSAO。文檔編號G06F17/30GK101702944SQ200880014918公開日2010年5月5日申請日期2008年3月17日優(yōu)先權(quán)日2007年3月15日發(fā)明者A·沃龍佐夫,A·韋特爾,D·帕斯塔諾豪,I·索夫佩爾,J·托德亨德申請人:發(fā)明機器公司