溫 浩，何茜茹

（西安建筑科技大學(xué)信息與控制工程學(xué)院，西安 710055）

1 基于文摘?jiǎng)?chuàng)新點(diǎn)的知識(shí)問(wèn)答服務(wù)

如何有效利用海量文本學(xué)術(shù)資源為人類(lèi)提供最直接的內(nèi)容知識(shí)問(wèn)答服務(wù)，而不僅僅是信息檢索服務(wù)，一直是人工智能在自然語(yǔ)言處理領(lǐng)域研究的目標(biāo)。目前的科技學(xué)術(shù)文摘是以文本方式組織而成的，如果想要利用人工智能技術(shù)解決知識(shí)服務(wù)問(wèn)題，就需從科技學(xué)術(shù)文摘內(nèi)容中挖掘出具有獨(dú)立存在的創(chuàng)新點(diǎn)事實(shí)單元，將其分解為問(wèn)題、方法、結(jié)果的實(shí)體和語(yǔ)義關(guān)系，建立以創(chuàng)新點(diǎn)事實(shí)為知識(shí)單元的知識(shí)庫(kù)。文獻(xiàn)[1]對(duì)《計(jì)算機(jī)學(xué)報(bào)》文摘進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析，研究了文摘?jiǎng)?chuàng)新點(diǎn)中特征詞匯的句子分布規(guī)律，對(duì)文摘?jiǎng)?chuàng)新點(diǎn)中名詞-動(dòng)詞的語(yǔ)義關(guān)系進(jìn)行了聚類(lèi)分析，構(gòu)建了期刊文摘?jiǎng)?chuàng)新點(diǎn)的語(yǔ)義本體模型，建立了文摘?jiǎng)?chuàng)新點(diǎn)的對(duì)象名詞與語(yǔ)義動(dòng)詞部分詞庫(kù)。實(shí)驗(yàn)結(jié)果表明，研究具有很好的語(yǔ)義識(shí)別與分類(lèi)準(zhǔn)確率，但是這一基于統(tǒng)計(jì)學(xué)習(xí)的方法受到詞庫(kù)數(shù)量、領(lǐng)域變化、寫(xiě)作者風(fēng)格等因素的限制，嚴(yán)重地影響著從中文科技期刊文摘中挖掘表達(dá)創(chuàng)新點(diǎn)的“問(wèn)題、方法、結(jié)果”三元組知識(shí)單元的挖全率，影響著基于三元組建設(shè)智能化知識(shí)創(chuàng)新點(diǎn)問(wèn)答服務(wù)系統(tǒng)需求的急迫性。

在前期研究的基礎(chǔ)上，本文對(duì)科技文摘?jiǎng)?chuàng)新點(diǎn)的報(bào)道性、詞匯語(yǔ)義分布的一致性、謂語(yǔ)動(dòng)詞的語(yǔ)義理解性、語(yǔ)用功能的分類(lèi)性和句法模型的隱含性五種認(rèn)知分析方法進(jìn)行了深入的研究，期望找到科技文摘?jiǎng)?chuàng)新點(diǎn)挖掘的認(rèn)知分析方法，對(duì)基于創(chuàng)新點(diǎn)知識(shí)庫(kù)的建設(shè)和智能問(wèn)答系統(tǒng)的服務(wù)提供理論和方法的指導(dǎo)作用。

2 學(xué)術(shù)論文文摘報(bào)道創(chuàng)新點(diǎn)的認(rèn)知分析

為了規(guī)范文摘編寫(xiě)和便于國(guó)際化信息交流，國(guó)際標(biāo)準(zhǔn)化組織頒布了國(guó)際標(biāo)準(zhǔn)ISO 214-1976(E)（Documentation-Abstracts for Publications and Docu‐mentation）[2]；我國(guó)也公布了相應(yīng)的國(guó)家標(biāo)準(zhǔn)《文摘編寫(xiě)規(guī)則》（GB 6447-86）[3]和國(guó)家標(biāo)準(zhǔn)《科學(xué)技術(shù)報(bào)告、學(xué)位論文和學(xué)術(shù)論文的編寫(xiě)格式》（GB 7713-87）[4]。

國(guó)際標(biāo)準(zhǔn)ISO 214-1976(E)指出，文摘是對(duì)原文獻(xiàn)內(nèi)容準(zhǔn)確、扼要而不附加解釋或評(píng)論的簡(jiǎn)略表述，其規(guī)定：文摘應(yīng)包括目的、方法、結(jié)果與結(jié)論以及附帶信息。國(guó)家標(biāo)準(zhǔn)（GB 7713-87）規(guī)定，摘要是報(bào)告、論文的內(nèi)容不加注釋和評(píng)論的簡(jiǎn)短陳述。摘要應(yīng)具有獨(dú)立性和自含性，即不閱讀報(bào)告、論文的全文，就能獲得必要的信息，要便于檢索。摘要應(yīng)說(shuō)明研究工作的目的、方法、成果和結(jié)論，要突出本論文的新見(jiàn)解，語(yǔ)言精練。

國(guó)家標(biāo)準(zhǔn)（GB 6447-86）還規(guī)定了文摘編寫(xiě)詳細(xì)規(guī)則的5個(gè)要素：①目的（研究、研制、調(diào)查等的前提、目的和任務(wù)，所涉及的主題范圍）；②方法（所用的原理、理論、條件、對(duì)象、材料、工藝、結(jié)構(gòu)、手段、裝備、程序等）；③結(jié)果（實(shí)驗(yàn)的結(jié)果、研究的結(jié)果、數(shù)據(jù)，被確定的關(guān)系，觀察結(jié)果，得到的效果，性能等）；④結(jié)論（結(jié)果的分析、研究、比較、評(píng)價(jià)、應(yīng)用，提出的問(wèn)題，今后的課題，假設(shè)，啟發(fā)，建議，預(yù)測(cè)等）；⑤其他（不屬于研究、研制、調(diào)查的主要目的，但就其見(jiàn)識(shí)和情報(bào)價(jià)值而言也是重要的信息）。

對(duì)于文摘研究的文章有很多，文獻(xiàn)[5]把科技文摘的形式分為4類(lèi)：報(bào)道性（informative）、指示性（indicative）、混合性（indicative-informative）和評(píng)論性（review abstract）。并強(qiáng)調(diào)報(bào)道性文摘概述原文內(nèi)容的要點(diǎn)，特別是創(chuàng)新點(diǎn)，向讀者提供定量和定性信息，反映原文的技術(shù)內(nèi)容，包括研究對(duì)象、工作目的、結(jié)果、性質(zhì)、方法和條件等有關(guān)的各種資料，適用于學(xué)術(shù)論文和技術(shù)報(bào)告。

本文對(duì)學(xué)術(shù)文摘的認(rèn)知分析方法可以歸納為：①學(xué)術(shù)文摘是論文內(nèi)容要點(diǎn)的概括；②報(bào)道創(chuàng)新點(diǎn)是學(xué)術(shù)文摘的核心；③文摘具有與原文的獨(dú)立性和自含性；④文摘的功能便于信息檢索；⑤文摘報(bào)道創(chuàng)新點(diǎn)的核心內(nèi)容便于今后用于知識(shí)發(fā)現(xiàn)。

目前，文摘的信息檢索功能已經(jīng)被普遍使用，但由于受到技術(shù)的制約，利用文摘的創(chuàng)新點(diǎn)進(jìn)行知識(shí)發(fā)現(xiàn)還未實(shí)現(xiàn)，本文的研究目的就是對(duì)自然語(yǔ)言表述的文摘的創(chuàng)新點(diǎn)語(yǔ)句進(jìn)行詞匯特征統(tǒng)計(jì)，語(yǔ)義關(guān)系識(shí)別，語(yǔ)用功能分類(lèi)、句法模式挖掘，建立以“問(wèn)題方法-結(jié)果”為三元組結(jié)構(gòu)的知識(shí)庫(kù)，基于三元組知識(shí)庫(kù)開(kāi)展知識(shí)問(wèn)答服務(wù)、加速新知識(shí)的發(fā)現(xiàn)。

3 文摘?jiǎng)?chuàng)新點(diǎn)詞匯語(yǔ)義分布的認(rèn)知分析

3.1 文摘?jiǎng)釉~和名詞的詞匯數(shù)量分布

雖然國(guó)際標(biāo)準(zhǔn)和國(guó)家標(biāo)準(zhǔn)均對(duì)文摘的寫(xiě)作規(guī)范給出了明確的規(guī)定，但作者寫(xiě)作的語(yǔ)言表達(dá)風(fēng)格卻是不一樣的，因此，智能挖掘文摘?jiǎng)?chuàng)新點(diǎn)首先需要進(jìn)行語(yǔ)義識(shí)別。語(yǔ)言學(xué)家認(rèn)為，作為語(yǔ)義分析的基本單位是從詞（比語(yǔ)素高一層的語(yǔ)言單位）開(kāi)始的，因?yàn)樵~是語(yǔ)言中能夠獨(dú)立運(yùn)用的最小單位，所以要找出語(yǔ)義的基本單位必須先從詞入手[6]。為揭示學(xué)術(shù)文摘中作者表達(dá)創(chuàng)新點(diǎn)的詞匯語(yǔ)義分布特征，需要了解文摘的語(yǔ)言特點(diǎn)，包括高頻詞匯的分布信息。本文從北京萬(wàn)方數(shù)據(jù)股份有限公司獲得的3410篇《計(jì)算機(jī)學(xué)報(bào)》文摘和8235篇《電子學(xué)報(bào)》文摘，對(duì)這些文摘進(jìn)行動(dòng)詞和名詞的統(tǒng)計(jì)分析工作。統(tǒng)計(jì)方法有：①利用ICTCLAS分詞工具對(duì)文摘進(jìn)行分詞；②統(tǒng)計(jì)文摘?jiǎng)釉~的詞頻和名詞的詞頻；③統(tǒng)計(jì)兩種學(xué)報(bào)文摘的高頻動(dòng)詞和高頻名詞分布的一致性；④統(tǒng)計(jì)文摘?jiǎng)釉~在句子中的分布特征。

統(tǒng)計(jì)結(jié)果表明，3410篇《計(jì)算機(jī)學(xué)報(bào)》文摘的總字?jǐn)?shù)為226111個(gè)，動(dòng)詞的數(shù)量為30944個(gè)，平均每篇文摘有9.07個(gè)動(dòng)詞，詞頻最高的動(dòng)詞是“提出”，詞頻高達(dá)到5284次，占總動(dòng)詞30944的17.1%，平均每篇文摘有1.55個(gè)“提出”這個(gè)動(dòng)詞。8235篇《電子學(xué)報(bào)》文摘的總字?jǐn)?shù)為1681116個(gè)，動(dòng)詞的總數(shù)為224048個(gè)，平均每篇文摘有27.02個(gè)動(dòng)詞，頻率最高的動(dòng)詞是“提出”，頻率高達(dá)到8423次，占動(dòng)詞總數(shù)224048個(gè)3.8%，平均每篇文摘有1.023個(gè)“提出”這個(gè)動(dòng)詞。

《計(jì)算機(jī)學(xué)報(bào)》文摘和《電子學(xué)報(bào)》文摘的部分高頻動(dòng)詞和高頻名詞統(tǒng)計(jì)結(jié)果如表1所示。

表1《計(jì)算機(jī)學(xué)報(bào)》文摘和《電子學(xué)報(bào)》文摘的高頻動(dòng)詞和名詞

3.2 兩種文摘高頻動(dòng)詞和高頻名詞一致性分布

取兩種學(xué)報(bào)文摘?jiǎng)釉~詞頻最高的前2286個(gè)動(dòng)詞進(jìn)行分析。其中，兩種學(xué)報(bào)共有的動(dòng)詞為1403個(gè)，平均一致性為0.61。兩種學(xué)報(bào)文摘共有的動(dòng)詞詞頻最高的是“提出”，兩者前10個(gè)動(dòng)詞共同有的為7個(gè)，前50個(gè)動(dòng)詞共同有的為31個(gè)，前100個(gè)動(dòng)詞共同有的為61個(gè)，前500個(gè)動(dòng)詞共同有的為326個(gè)，前1000個(gè)動(dòng)詞共同有的為650個(gè)，前2000個(gè)動(dòng)詞共同有的為1262個(gè)。兩種學(xué)報(bào)文摘的高頻動(dòng)詞一致性分布如圖1所示，橫坐標(biāo)為對(duì)數(shù)坐標(biāo)。

圖1 兩種學(xué)報(bào)文摘的高頻動(dòng)詞一致性分布

取兩種學(xué)報(bào)文摘名詞最高的前2949個(gè)名詞，兩種學(xué)報(bào)最高詞頻共同有的名詞為1076個(gè)，平均一致性為0.36。兩種學(xué)報(bào)文摘共有的最高詞頻名詞為“算法”，兩者前10個(gè)名詞共同有的為7個(gè)，前50個(gè)名詞共同有的為34個(gè)，前100個(gè)名詞共同有的為54個(gè)，前500個(gè)名詞共同有的為263個(gè)，前1000個(gè)名詞共同有的為477個(gè)，前2000個(gè)名詞共同有的為810個(gè)。兩種學(xué)報(bào)文摘的高頻名詞一致性分布如圖2所示，橫坐標(biāo)為對(duì)數(shù)坐標(biāo)。

圖2 兩種學(xué)報(bào)文摘的高頻名詞一致性分布

統(tǒng)計(jì)結(jié)果表明，兩種學(xué)報(bào)文摘的動(dòng)詞一致性為0.61，名詞的一致性為0.36。這說(shuō)明了高頻動(dòng)詞的變化規(guī)律比較平穩(wěn)，而高頻名詞隨著專(zhuān)業(yè)的不同和數(shù)量的增大變化比較大。這一結(jié)果說(shuō)明，建立動(dòng)詞庫(kù)比建立名詞庫(kù)更具有分析文摘?jiǎng)?chuàng)新點(diǎn)特征的價(jià)值。然而，實(shí)驗(yàn)結(jié)果表明，僅使用高頻動(dòng)詞的分類(lèi)，效果不夠理想，因?yàn)橐粋€(gè)句子中的動(dòng)詞有多個(gè)，有的分詞工具會(huì)將名詞分為動(dòng)詞，只采用動(dòng)詞對(duì)文摘進(jìn)行問(wèn)題、方法和結(jié)果分類(lèi)的準(zhǔn)確率只能達(dá)到0.36，因此，還需要考慮動(dòng)詞在句子中的位置分布特征。

3.3 高頻動(dòng)詞的句子位置分布特征

動(dòng)詞的詞頻變化規(guī)律對(duì)于文摘?jiǎng)?chuàng)新點(diǎn)的分析具有重要意義，同時(shí)，高頻動(dòng)詞的句子位置分布特征信息也具有重要價(jià)值。為了尋找高頻動(dòng)詞的句子位置分布規(guī)律，本文對(duì)《計(jì)算機(jī)學(xué)報(bào)》文摘中的高頻動(dòng)詞句子位置分布特征進(jìn)行統(tǒng)計(jì)分析?！队?jì)算機(jī)學(xué)報(bào)》文摘的句子最多為10句、最少為3句。部分高頻動(dòng)詞的句子位置分布如表2所示，表中列出了前23個(gè)高頻動(dòng)詞在文摘的每個(gè)句子中的分布數(shù)量。

從表2可以看出，動(dòng)詞不僅有頻率的分布信息，還有位置的分布信息。動(dòng)詞主要集中分布在文摘句的第1～4句上，每個(gè)動(dòng)詞在句子的分布上具有其一定的位置特征。例如，“提出，利用，分析，提高，證明，得到，研究，解決，處理，建立，介紹”在第1句上分布較多，“實(shí)現(xiàn)，具有，采用，使用，能夠，求解，設(shè)計(jì)，存在”在第2句上分布較多，“表明”在第4、3、5句上較多，“提供”在第4、5句上分布較多。因此，通過(guò)動(dòng)詞在文摘句的位置分布信息可以掌握動(dòng)詞表達(dá)句子的語(yǔ)義信息，但由于位置信息的分布還比較廣泛，通過(guò)動(dòng)詞的詞頻和位置信息還難以對(duì)文摘?jiǎng)?chuàng)新點(diǎn)進(jìn)行有效分類(lèi)。

為了進(jìn)一步對(duì)文摘的動(dòng)詞進(jìn)行深入分析，本文把文摘句進(jìn)一步細(xì)分為以句號(hào)結(jié)尾的句子和以分號(hào)與逗號(hào)結(jié)尾的子句，分析文摘中的動(dòng)詞在某個(gè)句子的某個(gè)子句中的位置信息。表3給出了前10個(gè)高頻動(dòng)詞在前4個(gè)句子中的子句位置上的分布特征。表3中用x表示句子，y表示子句，如x1y2表示每個(gè)文摘中第1個(gè)句子中的第2個(gè)子句中的動(dòng)詞位置數(shù)量。

表2 高頻動(dòng)詞的句子位置數(shù)量分布特征

從表3可以看出，高頻動(dòng)詞在每個(gè)句子和其子句的分布上表現(xiàn)出明顯的個(gè)性化分布特性。例如，“提出”在1個(gè)句子上出現(xiàn)的次數(shù)最高（1932次），在第1句的子句上出現(xiàn)次數(shù)分別是：1047、518、196、92、34、14、5、8、6、3。又如，“表明”在第4句上出現(xiàn)的次數(shù)最高（431次），在第4句的子句上出現(xiàn)的次數(shù)分別是：351、44、23、9、2、0、1、1、0、0。

表3 高頻動(dòng)詞在子句中的位置數(shù)量分布特征

本文利用表2和表3文摘中動(dòng)詞在句子和子句中的分布特性，可以為建立創(chuàng)新點(diǎn)的本體結(jié)構(gòu)圖的語(yǔ)義關(guān)系提供理論依據(jù)和技術(shù)方案。例如，通過(guò)問(wèn)題類(lèi)的動(dòng)詞{針對(duì)、存在}，方法類(lèi)的動(dòng)詞{提出，利用，采用}，結(jié)果類(lèi)的動(dòng)詞{表明，提高，得到，解決}。問(wèn)題類(lèi)的名詞{問(wèn)題，不足，熱點(diǎn)，瓶頸，難題}，方法類(lèi)的名詞{模型，定義，模式，性質(zhì)，誤差，算法，方法，理論}，結(jié)果類(lèi)的名詞{策略，效率，優(yōu)點(diǎn)，冗余度，指標(biāo)，穩(wěn)定性}，建立文摘?jiǎng)?chuàng)新點(diǎn)的語(yǔ)義本體結(jié)構(gòu)。

考慮了動(dòng)詞的位置分布特性后，本文對(duì)文摘的問(wèn)題、方法、結(jié)果分類(lèi)的準(zhǔn)確率可達(dá)到78%，比未考慮動(dòng)詞位置的準(zhǔn)確率提高了1倍。

研究結(jié)果表明，統(tǒng)計(jì)分析的挖掘方法操作起來(lái)比較簡(jiǎn)單，但從表1和表2可以看出，同一個(gè)詞匯被標(biāo)記成動(dòng)詞和名詞，如“研究、分析、設(shè)計(jì)、應(yīng)用、仿真、影響”，這不僅表現(xiàn)出目前的分詞工具質(zhì)量不高的問(wèn)題，還在于缺乏對(duì)句子的謂語(yǔ)動(dòng)詞的語(yǔ)義識(shí)別，也是影響文摘?jiǎng)?chuàng)新點(diǎn)準(zhǔn)確分類(lèi)的本質(zhì)問(wèn)題。

4 文摘?jiǎng)?chuàng)新點(diǎn)謂語(yǔ)動(dòng)詞語(yǔ)義理解的認(rèn)知分析

4.1 中文分詞工具會(huì)扭曲句子的語(yǔ)義理解

目前，中文分詞工具的準(zhǔn)確性不高會(huì)造成中文句子語(yǔ)義理解的困難。本文采用了三種分詞工具對(duì)《電子學(xué)報(bào)》文摘進(jìn)行分詞實(shí)驗(yàn)，下面給出一條文摘（8089號(hào)）的分詞結(jié)果。選擇這條文摘是因?yàn)檫@條文摘只有兩句話，第一句話為一條獨(dú)立的句號(hào)句的句子；第二句話是含有14個(gè)逗號(hào)句的句子。這類(lèi)文摘在以后的分類(lèi)中也會(huì)帶來(lái)很多分類(lèi)處理上的麻煩。表4～表6分別給出了三種分詞工具對(duì)這條文摘部分內(nèi)容的分詞處理結(jié)果：表4為采用ICTCLAS分詞工具的分詞結(jié)果，表5為采用Stanford Parser分詞工具的分詞結(jié)果，表6為采用哈工大-SecureCRT.rar分詞工具的分詞結(jié)果。展示的（8089號(hào)）文摘部分內(nèi)容帶有6個(gè)逗號(hào)、分號(hào)和句號(hào)。比較幾個(gè)分詞工具可以看出，ICTCLAS分出20個(gè)動(dòng)詞，Stan‐ford Parser分出8個(gè)動(dòng)詞，哈工大-SecureCRT.rar分出18個(gè)動(dòng)詞。其中，哈工大-SecureCRT.rar依存樹(shù)工具對(duì)這條兩個(gè)句號(hào)的文摘句只給出了一個(gè)句子的謂語(yǔ)動(dòng)詞，另一句話沒(méi)有識(shí)別出來(lái)。

表4 ICTCLAS分詞處理后的文摘句

表5 Stanford Parser分詞處理后的文摘句

表6 哈工大-SecureCRT.rar分詞處理后的文摘句

通過(guò)表4～表6的分詞結(jié)果可以看出，Stanford Parser分詞工具分詞的準(zhǔn)確性相對(duì)較高，對(duì)逗號(hào)句也能給出謂語(yǔ)動(dòng)詞，但仍然有分錯(cuò)的地方。例如，在這一例子中，Stanford Parser分詞處理結(jié)果中的“支持/VV，并行/VV，存在/VV，面臨/VV”，這4個(gè)動(dòng)詞都不是謂語(yǔ)動(dòng)詞。在ICTCLAS分詞處理結(jié)果中的“構(gòu)/v，計(jì)算/v，構(gòu)/v，編程/v，支持/v，應(yīng)用/v，構(gòu)/v，構(gòu)/v，構(gòu)/v，并行/v，優(yōu)化/v，構(gòu)/v，存在/v，面臨/v，挑戰(zhàn)/v”，這15個(gè)動(dòng)詞都不是句子的謂語(yǔ)動(dòng)詞。在哈工大-SecureCRT.rar分詞處理結(jié)果中的“異v，計(jì)算v，發(fā)展v，支持v，應(yīng)用v，發(fā)展v，并行v，編程v，優(yōu)化v存在v，面臨v，挑戰(zhàn)v”，這12個(gè)詞也不是句子的謂語(yǔ)動(dòng)詞。

目前，常用的分詞工具雖然取得了很大的進(jìn)展，但還存在一些問(wèn)題：①準(zhǔn)確率還需要進(jìn)一步提高；②對(duì)名詞等不起語(yǔ)法和語(yǔ)義作用的詞進(jìn)行了過(guò)細(xì)的劃分。例如，“提出了一種能夠解決現(xiàn)有問(wèn)題的方法?！苯?jīng)過(guò)分詞系統(tǒng)的劃分之后，能夠/解決/有/都被標(biāo)定為動(dòng)詞，那么這些詞就有可能被誤判為這句話的謂詞。然而，這句話的謂語(yǔ)應(yīng)該是“提出了”。所以對(duì)名詞再進(jìn)行細(xì)分有時(shí)候是得不償失的；③有些介詞雖然不是句子的核心成分（謂語(yǔ)），但是卻起到了引導(dǎo)特定類(lèi)別句子、短語(yǔ)的引導(dǎo)詞的作用。例如，“針對(duì)這個(gè)問(wèn)題，提出了一種算法?！痹谶@句話中，“針對(duì)”是個(gè)介詞，當(dāng)然也不是這句話的謂語(yǔ)，然而這個(gè)詞卻引出了問(wèn)題句的短語(yǔ)，相應(yīng)的該問(wèn)題句應(yīng)該被分離出來(lái)。所以綜合這三個(gè)問(wèn)題，現(xiàn)有的分詞工具還不能被用于進(jìn)行語(yǔ)義單元的提取。

因此，利用目前的分詞工具進(jìn)行分詞和詞性處理后的句子，仍然達(dá)不到機(jī)器語(yǔ)義理解的要求。

4.2 文摘句謂語(yǔ)動(dòng)詞語(yǔ)義識(shí)別與主謂賓結(jié)構(gòu)轉(zhuǎn)換

在對(duì)句法、語(yǔ)義關(guān)系這個(gè)語(yǔ)法學(xué)中心問(wèn)題的研究上，中外許多語(yǔ)法學(xué)家和語(yǔ)法流派都十分強(qiáng)調(diào)動(dòng)詞是敘事句的中心。文獻(xiàn)[7]認(rèn)為，“從語(yǔ)義結(jié)構(gòu)探討句子的形式與意義的關(guān)系，有益于正確認(rèn)識(shí)句子的表層結(jié)構(gòu)（形式結(jié)構(gòu)、結(jié)構(gòu)模式）和深層結(jié)構(gòu)（語(yǔ)義模式）之間的相互聯(lián)系，加深理解句子形式與意義的關(guān)系?！蔽墨I(xiàn)[8]認(rèn)為，“動(dòng)詞是句子的中心、核心、重心，別的成分都跟它掛鉤，被它吸引。”文獻(xiàn)[9]認(rèn)為，“以動(dòng)詞謂語(yǔ)句而言，謂語(yǔ)動(dòng)詞是語(yǔ)義結(jié)構(gòu)的核心（動(dòng)核），而句中的名詞性成分都是這一核心的種關(guān)系（動(dòng)元）。”文獻(xiàn)[10]認(rèn)為，“動(dòng)詞跟受其支配的語(yǔ)義成分可以構(gòu)成一個(gè)最小的語(yǔ)義結(jié)構(gòu)。這些最小的語(yǔ)義結(jié)構(gòu)，都具有一定的表述性，能表達(dá)一個(gè)相對(duì)完整的命題或意義，能投射成一個(gè)具有相對(duì)獨(dú)立表述功能的意義自足的最小主謂句?！?/p>

更為重要的是，因?yàn)橐粋€(gè)漢語(yǔ)句子可以有多個(gè)動(dòng)詞，每個(gè)逗號(hào)短語(yǔ)句都可包含有謂語(yǔ)成分的語(yǔ)義關(guān)系。文獻(xiàn)[11]認(rèn)為，“漢語(yǔ)多動(dòng)詞謂語(yǔ)句是漢語(yǔ)句子基本結(jié)構(gòu)的一個(gè)重要特點(diǎn)。理解這類(lèi)句子時(shí)，必須分析這些動(dòng)詞之間的語(yǔ)義聯(lián)系，譯成英語(yǔ)時(shí)，常常只將其中的一個(gè)動(dòng)詞譯成英語(yǔ)謂語(yǔ)動(dòng)詞，而將其他動(dòng)詞轉(zhuǎn)換成非謂語(yǔ)動(dòng)詞或其他形式。”文獻(xiàn)[12]認(rèn)為，“在確定一個(gè)句子和基本單元時(shí)，把句點(diǎn)顯性標(biāo)識(shí)的一個(gè)語(yǔ)言片段稱為句子，以逗號(hào)分隔的語(yǔ)言片段稱為小句，認(rèn)為小句對(duì)應(yīng)于句子關(guān)系的基本單元?！币虼?，本文認(rèn)為對(duì)于科技文摘?jiǎng)?chuàng)新點(diǎn)句子的謂語(yǔ)動(dòng)詞分析，不僅僅是句子結(jié)構(gòu)的分析，還要從最小的逗號(hào)句進(jìn)行分析，所以識(shí)別句子的謂語(yǔ)動(dòng)詞，挖掘句子的主謂賓結(jié)構(gòu)是文摘?jiǎng)?chuàng)新點(diǎn)句子理解的關(guān)鍵。由此漢語(yǔ)文本語(yǔ)言的語(yǔ)義識(shí)別的核心問(wèn)題可以看作是尋找句子和逗號(hào)子句（或小句）準(zhǔn)確的謂語(yǔ)動(dòng)詞的難題。

因此，本文提出了通過(guò)句子的謂語(yǔ)動(dòng)詞的識(shí)別來(lái)解決語(yǔ)義理解的認(rèn)知分析方法結(jié)構(gòu)，開(kāi)發(fā)了一套《中文科技文摘句謂語(yǔ)動(dòng)詞識(shí)別與句子的主謂賓結(jié)構(gòu)轉(zhuǎn)換軟件工具》，這個(gè)軟件工具能夠?qū)⒅形目萍嘉恼浜芎玫霓D(zhuǎn)換為機(jī)器理解所需要的語(yǔ)義關(guān)系結(jié)構(gòu)，并且這種語(yǔ)義結(jié)構(gòu)的句子在后續(xù)建立知識(shí)庫(kù)和謂詞的語(yǔ)義推理中將發(fā)揮重要作用。

為了建立高準(zhǔn)確率的文摘句的謂語(yǔ)動(dòng)詞的語(yǔ)義識(shí)別率，為今后的謂詞推理建立可靠的基礎(chǔ)，本文研究了句子謂語(yǔ)動(dòng)詞的智能識(shí)別問(wèn)題，先利用ICT‐CLAS分詞工具對(duì)《電子學(xué)報(bào)》文摘句進(jìn)行了分詞；然后對(duì)分詞后的文摘句進(jìn)行謂語(yǔ)動(dòng)詞識(shí)別，并將句子的其他標(biāo)記成分取掉，把句子改造成為主謂賓結(jié)構(gòu)。表7給出用中文科技文摘句子謂語(yǔ)動(dòng)詞識(shí)別與主謂賓轉(zhuǎn)換軟件對(duì)文摘（8089號(hào)）處理的結(jié)果。

表7 句子謂語(yǔ)動(dòng)詞識(shí)別與主謂賓轉(zhuǎn)換后的文摘句

由表7可以看出，文摘（8089號(hào)）為2個(gè)句號(hào)句子，14個(gè)逗號(hào)子句，共識(shí)別出16個(gè)謂語(yǔ)動(dòng)詞。每個(gè)由“逗號(hào)、分號(hào)、句號(hào)”組成的句子都包含有謂語(yǔ)動(dòng)詞，這些謂語(yǔ)動(dòng)詞準(zhǔn)確的表達(dá)了句子的語(yǔ)義和語(yǔ)用關(guān)系，去掉了其他多余的詞性標(biāo)記會(huì)更能清晰的表達(dá)句子的語(yǔ)用功能，這對(duì)機(jī)器理解中文文本的語(yǔ)義和語(yǔ)用功能帶來(lái)了更大的好處。

5 文摘?jiǎng)?chuàng)新點(diǎn)語(yǔ)用分類(lèi)的認(rèn)知分析

5.1 文摘語(yǔ)用功能的句子分類(lèi)數(shù)量分布

按照文摘中句子所表達(dá)語(yǔ)用功能的特征，本文把文摘句子分為6種語(yǔ)用類(lèi)型：第1類(lèi)（問(wèn)題句）、第2類(lèi)（方法句）、第3類(lèi)（結(jié)果句）、第4類(lèi)（問(wèn)題句、方法句）、第5類(lèi)（方法句、結(jié)果句）、第6類(lèi)（問(wèn)題句、方法句、結(jié)果句）。先進(jìn)行第一次6分類(lèi)，然后將6分類(lèi)中的第4、5、6類(lèi)混合類(lèi)進(jìn)行二次單一類(lèi)分類(lèi)，最后與第一次分出的第1、2、3類(lèi)句合并，完成三種語(yǔ)用功能的分類(lèi)任務(wù)。

本次研究對(duì)象來(lái)自萬(wàn)方數(shù)據(jù)庫(kù)提供的文摘，經(jīng)過(guò)預(yù)處理后為8235條（32686個(gè)句號(hào)句），平均每條文摘3.48句，最長(zhǎng)的一條文摘為13個(gè)句號(hào)句子。表8是本文對(duì)8235條文摘進(jìn)行第一次6分類(lèi)結(jié)果的統(tǒng)計(jì)數(shù)據(jù)。

表8 語(yǔ)用功能的文摘句子6分類(lèi)數(shù)量分布

我們把表8分為兩部分，第一部分為可直接分類(lèi)為第1、2、3類(lèi)的單一類(lèi)句子，這類(lèi)句子表達(dá)的語(yǔ)用功能單一。第1、2、3類(lèi)的句子數(shù)為26382，占總句子32686的81%。此外，從表8可以看出，第1類(lèi)主要分布在第一句、第二句、第三句上，第2類(lèi)主要分布在第二句、第一句、第三句上，第3類(lèi)主要分布在第三句、第四句、第二句上。第二部分為第4、5、6類(lèi)句子，這類(lèi)句子的語(yǔ)用功能結(jié)構(gòu)復(fù)雜、有多個(gè)語(yǔ)用關(guān)系，不能直接分為第1、2、3類(lèi)。第4、5、6類(lèi)句子數(shù)量為6304，占總句子32686的19%。第4、5、6類(lèi)句子屬于混合類(lèi)句，需要進(jìn)行二次分類(lèi)。此外，第4類(lèi)主要分布在第一句、第二句上，第5類(lèi)分布在第二句、第三句上，第6類(lèi)分布在第一句、第二句上。

5.2 二次分類(lèi)與合并的數(shù)量分布

第4～6類(lèi)句子的二次分類(lèi)結(jié)果如表9所示。

由表9可以看出，“句子大序號(hào)”是本文對(duì)《電子學(xué)報(bào)》8235條文摘按逗號(hào)分句后建立的數(shù)據(jù)庫(kù)順序號(hào)；“文摘號(hào)”是數(shù)據(jù)庫(kù)的文摘編號(hào)；“文摘內(nèi)句子號(hào)”是對(duì)每條文摘中句子的編號(hào)，其中，1、2分別表示這條文摘的第1個(gè)句號(hào)句和第2個(gè)句號(hào)句，這條文摘只有2個(gè)句號(hào)句子；“原分類(lèi)號(hào)”指的是經(jīng)過(guò)第一次6分類(lèi)后給出的分類(lèi)結(jié)果，其中，6表示這個(gè)文摘的第2句被分為第6類(lèi)；“新分類(lèi)號(hào)”是經(jīng)過(guò)二次分類(lèi)后給出的分類(lèi)號(hào)，文摘號(hào)為8098文摘的第2句話被第二次分類(lèi)分成了1、2、3類(lèi)，并分成了14個(gè)逗號(hào)句。

經(jīng)過(guò)二次分類(lèi)與一次分類(lèi)的1、2、3類(lèi)合并后，全部文摘分類(lèi)的1、2、3總分類(lèi)句的數(shù)量分布如表10所示。一次分類(lèi)的句子（句號(hào)句）數(shù)量為32685，二次分類(lèi)合并后的句子（逗號(hào)、分號(hào)、句號(hào)）為43999。

由表10可以看出《電子學(xué)報(bào)》文摘?jiǎng)?chuàng)新點(diǎn)的1、2、3類(lèi)的分布有兩個(gè)特點(diǎn)：①第1類(lèi)占總句（包括逗號(hào)、分號(hào)、句號(hào)）的31.1%，第2類(lèi)占總句的45%，第3類(lèi)占總句的24%，說(shuō)明了文摘表達(dá)第2類(lèi)的句子數(shù)量比較多。②第1類(lèi)主要分布在第1、2、3、4句，第2類(lèi)分布在2、1、3、4句，第3類(lèi)主要分布在第3、2、4、5、1句。

通過(guò)人工抽查驗(yàn)證，本文提出的按照文摘句的語(yǔ)用功能進(jìn)行6分類(lèi)，再二次分類(lèi)方法操作簡(jiǎn)單，且取得的分類(lèi)準(zhǔn)確率較高。經(jīng)過(guò)人工對(duì)300條文摘檢驗(yàn)，準(zhǔn)確率高到達(dá)96%以上。

6 文摘?jiǎng)?chuàng)新點(diǎn)隱含句法模型的認(rèn)知分析

6.1 文摘中第1類(lèi)數(shù)量缺少問(wèn)題

參與實(shí)際分類(lèi)的《電子學(xué)報(bào)》文摘數(shù)為8235條，經(jīng)過(guò)二次分類(lèi)合并后每條文摘同時(shí)含有第1、2、3類(lèi)的文摘數(shù)量為6505條，占84%；同時(shí)，含有第1、2、3類(lèi)的句子數(shù)為37399句（包括逗號(hào)，分號(hào)，句號(hào)），占85%。如表11所示。

表9 二次分類(lèi)（新分類(lèi)）與一次分類(lèi)的對(duì)比舉例

表10 全部文摘的1、2、3類(lèi)句數(shù)量分布

表11 同時(shí)含有第1、2、3類(lèi)的文摘數(shù)量

由表11可以看出，①第1類(lèi)占總文摘的84%，第2類(lèi)占總文摘的96.6%，第3類(lèi)占總文摘的91%。②每篇文摘中同時(shí)都含有第1、2、3類(lèi)的文摘只到達(dá)到84%。因此，尋找第1類(lèi)句子缺失的問(wèn)題就變成為文摘寫(xiě)作語(yǔ)言模式的深度認(rèn)知分析方法的任務(wù)。

6.2 文摘中隱含結(jié)構(gòu)的特征分析

經(jīng)過(guò)大量統(tǒng)計(jì)分析發(fā)現(xiàn)《電子學(xué)報(bào)》文摘不直接給出表達(dá)問(wèn)題句和結(jié)果句的概率很高。這一特點(diǎn)表現(xiàn)在《電子學(xué)報(bào)》文摘的第一句為第2類(lèi)的文摘達(dá)到25615條，占總文摘8235條的31.1%，而且此類(lèi)文摘沒(méi)有直接的顯性問(wèn)題句，這是《電子學(xué)報(bào)》文摘的特點(diǎn)，也是提取問(wèn)題句的難點(diǎn)。為了方便研究，本文把這類(lèi)文摘句稱為“問(wèn)題隱含特殊句”。經(jīng)過(guò)二次分類(lèi)合并后《電子學(xué)報(bào)》文摘的這種“問(wèn)題隱含特殊句”有1571條，占總文摘數(shù)8235的19.0%。

“問(wèn)題隱含特殊句”的舉例：本文/r提出了/V一種在相控陣?yán)走_(dá)回波數(shù)據(jù)序列中用高斯混合體模型（GMM）檢測(cè)與跟蹤運(yùn)動(dòng)目標(biāo)的在線算法/n。

為此，本文從語(yǔ)言學(xué)的角度對(duì)這類(lèi)文摘句進(jìn)行語(yǔ)法結(jié)構(gòu)分析。語(yǔ)言學(xué)文獻(xiàn)[13]指出，“謂詞特別是謂語(yǔ)動(dòng)詞是整個(gè)句子的中心，與謂語(yǔ)動(dòng)詞左側(cè)最近的名詞短語(yǔ)鄰居即為主語(yǔ)，與名詞左側(cè)最近的形容詞或形容詞性短語(yǔ)鄰居即為定語(yǔ)，與動(dòng)詞左側(cè)最近的副詞或副詞短語(yǔ)鄰居為狀語(yǔ)，與動(dòng)詞右側(cè)最近的副詞短語(yǔ)、介賓短語(yǔ)、動(dòng)詞短語(yǔ)、孤立形容詞鄰居(不修飾名詞)為補(bǔ)語(yǔ)，除此之外的名詞或名詞短語(yǔ)為賓語(yǔ)?！睂?duì)于賓語(yǔ)來(lái)說(shuō)，在很多情況下，賓語(yǔ)的核心詞并沒(méi)有包含太多的信息，而賓語(yǔ)前的定語(yǔ)卻包含了很多信息。因此就會(huì)出現(xiàn)，“問(wèn)題隱含特殊句”這種情況，即“問(wèn)題隱含特殊句”是由賓語(yǔ)前的定語(yǔ)包含了要解決的問(wèn)題的信息的句子。例如，將一個(gè)文摘的例句表達(dá)成下面的結(jié)構(gòu)：

{[主語(yǔ)]本文/r}||{[謂語(yǔ)]提出了/V}||{[定語(yǔ)]一種在相控陣?yán)走_(dá)回波數(shù)據(jù)序列中用高斯混合體模型（GMM）檢測(cè)/v與跟蹤/v運(yùn)動(dòng)目標(biāo)的}||{[賓語(yǔ)]在線算法/n}。

在上述的例子中，“一種在相控陣?yán)走_(dá)回波數(shù)據(jù)序列中用高斯混合體模型（GMM）檢測(cè)與跟蹤運(yùn)動(dòng)目標(biāo)的”是“在線算法”的定語(yǔ)。在這個(gè)定語(yǔ)中，指明了直接賓語(yǔ)“在線算法”的適用范圍、前提條件和適用目的。也就表明了“在線算法”所要解決的問(wèn)題。因此，把這類(lèi)“問(wèn)題隱含特殊句”的寫(xiě)作方式可歸納為如表12所示的模板。

表12“問(wèn)題隱含特殊句”的句法結(jié)構(gòu)

按照表12處理“問(wèn)題隱含特殊句”的模板結(jié)構(gòu)，本文對(duì)“問(wèn)題隱含特殊句”進(jìn)行模式識(shí)別，并把定語(yǔ)中的“在XXXXXX中”和“處理對(duì)象ZZZZZZ”等抽取出來(lái)，為該文摘補(bǔ)充兩條第1類(lèi)短語(yǔ)。這樣上述舉例文摘的第1類(lèi)可以補(bǔ)充為：在相控陣?yán)走_(dá)回波數(shù)據(jù)序列中，運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤。

通過(guò)對(duì)“問(wèn)題隱含特殊句”的處理，使得總文摘的第1類(lèi)的數(shù)量由84%提高到92%，第1、2、3類(lèi)全有的文摘數(shù)量由80%提高到89%，有效的解決了由于科技文摘寫(xiě)作語(yǔ)言表述的豐富性帶來(lái)的分類(lèi)和挖掘的困難，大大提高了科技文摘?jiǎng)?chuàng)新點(diǎn)的準(zhǔn)確分類(lèi)和有效挖掘的目標(biāo)。為建立“問(wèn)題（p）”“方法（M）”“結(jié)果（R）”三元組知識(shí)庫(kù)的問(wèn)答服務(wù)系統(tǒng)提供了知識(shí)挖掘的理論和方法。

通過(guò)對(duì)本文提出的學(xué)術(shù)文摘?jiǎng)?chuàng)新點(diǎn)挖掘的5個(gè)認(rèn)知分析方法的實(shí)驗(yàn)，驗(yàn)證了這5個(gè)認(rèn)知分析方法在文本挖掘過(guò)程中具有明顯的階段性和遞增性現(xiàn)實(shí)特點(diǎn)，其是實(shí)現(xiàn)科技文摘?jiǎng)?chuàng)新點(diǎn)挖掘需要考慮的5個(gè)認(rèn)知分析方法。經(jīng)過(guò)5個(gè)階段的實(shí)驗(yàn)，驗(yàn)證了科技文摘中的創(chuàng)新點(diǎn)具有一定的事實(shí)性和動(dòng)詞分布的一致性，謂語(yǔ)動(dòng)詞的語(yǔ)義對(duì)語(yǔ)用分類(lèi)的理解具有重要的決定性作用，科技文摘為了突出其創(chuàng)新點(diǎn)的表達(dá)，常常會(huì)采用復(fù)雜的句子和隱含的表達(dá)方式。下面將幾個(gè)認(rèn)知階段的研究結(jié)果匯總在一起，如圖3和圖4所示。

圖3 識(shí)別率改善的幾個(gè)階段

圖4 考慮隱含句法的第1、2、3類(lèi)全有的文摘數(shù)量

7 結(jié)束語(yǔ)

科技文摘最初設(shè)置的目的不僅是為了快速檢索，其有標(biāo)題和關(guān)鍵詞的檢索功能，更重要的是表達(dá)文章創(chuàng)新點(diǎn)的核心功能。經(jīng)過(guò)上百年來(lái)的發(fā)展，科技文摘的核心功能并沒(méi)有變，但承載科技文摘的介質(zhì)從紙質(zhì)形式上升到了數(shù)字化形式，數(shù)字化的形式使得人們對(duì)科技文摘的利用方式已不再只是人工閱讀的方式了，借助計(jì)算機(jī)技術(shù)和人工智能技術(shù)可能使科技文摘成為智能化的問(wèn)答方式為人們服務(wù)。但是科技文摘?jiǎng)?chuàng)新點(diǎn)內(nèi)容的表現(xiàn)方式不是結(jié)構(gòu)化數(shù)據(jù)，而是人類(lèi)使用的自然語(yǔ)言形式。目前的計(jì)算機(jī)技術(shù)和人工智能技術(shù)使用的是機(jī)器語(yǔ)言形式，自然語(yǔ)言形式和機(jī)器語(yǔ)言形式不能直接交流，需要將人類(lèi)自然語(yǔ)言形式通過(guò)智能的模式轉(zhuǎn)換為機(jī)器可以理解的模式。本文對(duì)科技文摘的創(chuàng)新點(diǎn)做了認(rèn)知分析方法的研究，從創(chuàng)新點(diǎn)的報(bào)道功能、詞匯語(yǔ)義分布的一致性、謂語(yǔ)動(dòng)詞的語(yǔ)義理解性、語(yǔ)用功能的分類(lèi)性和句法模型的隱含性五個(gè)方面進(jìn)行了深入研究，期望能夠?yàn)闄C(jī)器處理自然語(yǔ)言的研究提供智能認(rèn)幫助，對(duì)基于創(chuàng)新點(diǎn)知識(shí)庫(kù)建設(shè)和智能問(wèn)答系統(tǒng)建立提供理論和方法的認(rèn)知分析方法。后續(xù)的工作將建立創(chuàng)新點(diǎn)知識(shí)庫(kù)，進(jìn)一步研究智能問(wèn)答系統(tǒng)的推理技術(shù)，探索文摘?jiǎng)?chuàng)新點(diǎn)的智能化服務(wù)。