ISO19650标准文本的多语句关联分析方法及系统技术方案

本发明专利技术提供了一种ISO 19650标准文本的多语句关联分析方法及系统，涉及信息处理技术领域，该方法包括：步骤S1：对ISO 19650标准系列中的语句进行分词和换词处理，获得经过预处理的语句；步骤S2：对经过预处理的语句进行依存句法分析，获取语句中词语之间的依存关系；步骤S3：根据依存关系到语义关系的转换规则，针对语句中词语间的依存关系进行推理，得到单个语句中词语之间的语义关系；步骤S4：将单个语句中的语义关系导入图数据库，将ISO标准的本体模型导入图数据库，建立各个句子中词语与本体模型中词语的链接，推理多个语句之间的关联关系。本发明专利技术能够克服语料库不足导致的ISO 19650标准中文文本的语义信息提取困难，同时也有助于解决ISO 19650语句间关联和参引的自动分析面临的困难。动分析面临的困难。动分析面临的困难。

【技术实现步骤摘要】
ISO 19650标准文本的多语句关联分析方法及系统


[0001]本专利技术涉及信息处理
，具体地，涉及一种基于NLP和本体模型的ISO19650标准系列文本中多语句间的关联分析方法。

技术介绍

[0002]工程项目开发要求所有参与者及时传达明确的信息。除了IFC文件格式，他们还需要一个信息管理框架来支持他们的协作。ISO 19650标准系列提供了这样一个框架来建立可靠的信息源。由于由5部分组成的ISO 19650标准系列构成了一个复杂的系统，建筑行业希望能够捕获这些标准中的语义信息。
[0003]但是，人工提取ISO 19650标准系列中语义信息不仅耗时，成本也很高。因此，需要专门开发了一种基于NLP的语义信息提取方法，进而借助ISO 19650标准的本体模型自动分析各个标准条文之间的关联和参引关系。
[0004]公开号为CN110096692B的专利技术专利，公开了一种语义信息处理方法和装置，该语义信息处理方法包括根据得到的题干，将题干划分为已知条件和结论两部分；根据得到的已知条件和结论，提取已知条件和结论中的显性语义信息；当已知条件和/或结论中存在隐性语义信息时，提取已知条件和/结论中的隐性语义信息；合并提取到的显性语义信息和隐性语义信息，得到题干的语义信息。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术提供一种ISO 19650标准文本的多语句关联分析方法及系统。
[0006]根据本专利技术提供的一种ISO 19650标准文本的多语句关联分析方法及系统，所述方案如下：
[0007]第一方面，提供了一种ISO 19650标准文本的多语句关联分析方法，所述方法包括：
[0008]步骤S1：对ISO 19650标准系列中的语句进行分词和换词处理，获得经过预处理的语句；
[0009]步骤S2：对经过预处理的语句进行依存句法分析，获取语句中词语之间的依存关系；
[0010]步骤S3：根据依存关系到语义关系的转换规则，针对语句中词语间的依存关系进行推理，得到单个语句中词语之间的语义关系；
[0011]步骤S4：将单个语句中的语义关系导入图数据库，将ISO标准的本体模型导入图数据库，建立各个句子中词语与本体模型中词语的链接，推理多个语句之间的关联关系。
[0012]优选地，所述步骤S1包括：
[0013]步骤S1.1：获取中文版ISO 19650标准系列的文本文件；
[0014]步骤S1.2：按每个标准条目抽取语句，并进行语句分词；
[0015]步骤S1.3：对分词得到的词语进行换词，用上位词替换专业术语。
[0016]优选地，所述文本文件为docx文件，使用开源ZLib库将docx文件解压到一组XML文件中，然后从这些解压文件中按照ISO 19650标准系列的条目编码规律分析XML文件，从中提取标准的条目内容，删除所有字体和段落排版，最后生成一个包含语句列表的纯文本文件。
[0017]优选地，所述步骤S2包括：通过依存关系解析器对语句进行句法树分析，为语句中的每个词语都标记一个词性，找出语句中的中心词，确定与中心词关联的非中心词，将非中心词再作为中心词开始下一轮的相关非中心词的查找，最后获得一个多层次的依存句法树。
[0018]优选地，所述步骤S3包括：语义关系推理，设计依存关系到语义关系的映射规则，根据该映射规则将所述依存句法树转化为二元的语义关系。
[0019]第二方面，提供了一种ISO 19650标准文本的多语句关联分析系统，所述系统包括：
[0020]模块M1：对ISO 19650标准系列中的语句进行分词和换词处理，获得经过预处理的语句；
[0021]模块M2：对经过预处理的语句进行依存句法分析，获取语句中词语之间的依存关系；
[0022]模块M3：根据依存关系到语义关系的转换规则，针对语句中词语间的依存关系进行推理，得到单个语句中词语之间的语义关系；
[0023]模块M4：将单个语句中的语义关系导入图数据库，将ISO标准的本体模型导入图数据库，建立各个句子中词语与本体模型中词语的链接，推理多个语句之间的关联关系。
[0024]优选地，所述模块M1包括：
[0025]模块M1.1：获取中文版ISO 19650标准系列的文本文件；
[0026]模块M1.2：按每个标准条目抽取语句，并进行语句分词；
[0027]模块M1.3：对分词得到的词语进行换词，用上位词替换专业术语。
[0028]优选地，所述文本文件为docx文件，使用开源ZLib库将docx文件解压到一组XML文件中，然后从这些解压文件中按照ISO 19650标准系列的条目编码规律分析XML文件，从中提取标准的条目内容，删除所有字体和段落排版，最后生成一个包含语句列表的纯文本文件。
[0029]优选地，所述模块M2包括：通过依存关系解析器对语句进行句法树分析，为语句中的每个词语都标记一个词性，找出语句中的中心词，确定与中心词关联的非中心词，将非中心词再作为中心词开始下一轮的相关非中心词的查找，最后获得一个多层次的依存句法树。
[0030]优选地，所述模块M3包括：语义关系推理，设计依存关系到语义关系的映射规则，根据该映射规则将所述依存句法树转化为二元的语义关系。
[0031]与现有技术相比，本专利技术具有如下的有益效果：
[0032]本专利技术通过映射规则从句法关系中推断领域语义关系，极大地克服语料库不足带来的困难，且通过实验验证了所提出的信息提取方法的可行性和实用性。
附图说明
[0033]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0034]图1为本专利技术整体流程示意图；
[0035]图2为依存句法树的框架示意图；
[0036]图3为一个句子的依存树示例；
[0037]图4为典型的语义关系示意图；
[0038]图5为从句法关系到语义关系的转换示意图；
[0039]图6为Neo4J图数据库中存储的知识图谱；
[0040]图7为推断标准语句之间关联关系的案例。
具体实施方式
[0041]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。
[0042]本专利技术实施例提供了一种基于NLP标准文本的多语句间的关联分析方法，参照图1所示，该方法具体包括：
[0043]步骤S1：对ISO 19650中的语句进行分词和换词处理，获得经过预处理的语句。
[0044]该步骤S1具体包括：
[0045]步骤S1.1：获取ISO 19650标准系列中文翻译文本的文件。
[0046]步骤S1.2：按标准条目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种ISO 19650标准文本的多语句关联分析方法，其特征在于，包括：步骤S1：对ISO 19650标准系列中的语句进行分词和换词处理，获得经过预处理的语句；步骤S2：对经过预处理的语句进行依存句法分析，获取语句中词语之间的依存关系；步骤S3：根据依存关系到语义关系的转换规则，针对语句中词语间的依存关系进行推理，得到单个语句中词语之间的语义关系；步骤S4：将单个语句中的语义关系导入图数据库，将ISO标准的本体模型导入图数据库，建立各个句子中词语与本体模型中词语的链接，推理多个语句之间的关联关系。2.根据权利要求1所述的ISO 19650标准文本的多语句关联分析方法，其特征在于，所述步骤S1包括：步骤S1.1：获取中文版ISO 19650标准系列的文本文件；步骤S1.2：按每个标准条目抽取语句，并进行语句分词；步骤S1.3：对分词得到的词语进行换词，用上位词替换专业术语。3.根据权利要求2所述的ISO 19650标准文本的多语句关联分析方法，其特征在于，所述文本文件为docx文件，使用开源ZLib库将docx文件解压到一组XML文件中，然后从这些解压文件中按照ISO 19650标准系列的条目编码规律分析XML文件，从中提取标准的条目内容，删除所有字体和段落排版，最后生成一个包含语句列表的纯文本文件。4.根据权利要求1所述的ISO 19650标准文本的多语句关联分析方法，其特征在于，所述步骤S2包括：通过依存关系解析器对语句进行句法树分析，为语句中的每个词语都标记一个词性，找出语句中的中心词，确定与中心词关联的非中心词，将非中心词再作为中心词开始下一轮的相关非中心词的查找，最后获得一个多层次的依存句法树。5.根据权利要求1所述的ISO 19650标准文本的多语句关联分析方法，其特征在于，所述步骤S3包括：语义关系推理，设计依存关系到语义关系的映射规则，根据该映射规则将所述依存句法树转化为二元的语义关系。6.一种ISO...

【专利技术属性】
技术研发人员：吴冰，刘伟军，宋元斌，胡锡燎，诸言涵，曹金浩，张波，陈科技，王淑红，王婷婷，张琳琳，杨嘉睿，陈赛慧，杨铁涵，黄江倩，林贺，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：