1.一种英语文本句子成分依赖与词汇排列相似检查方法,其特征是:包括一个由英语文本句子成分依赖相似检查模块、英语文本词汇排列相似检查模块组成,其检查方法包括如下处理流程:(1)英语文本句子成分依赖相似检查模块处理流程是:第一,输入待检查的英语文本,对英语文本分别进行分词分句处理、删除特殊字符、单词大写转换为单词小写操作;第二,根据英语文本句子成分依赖中的核心词与修饰词,以及两个单词之间依赖关系构建出核心词、修饰词和词依赖关系的三元组;第三,对构建的三元组中的单词进行向量化处理;第四,通过计算构建三元组中核心词相似度、修饰词相似度和词依赖关系相似度,生成核心词相似度矩阵、修饰词相似度矩阵和词依赖关系相似度矩阵;第五,根据生成的这三个相似度矩阵生成三元组相似度矩阵,三元组相似度矩阵中的每一个值的计算采用核心词、修饰词和词依赖关系构成的三元组相似度的计算公式,遍历生成的三元组矩阵的每一行,选取每一行最相似的三元组表示最终的三元组相似度值;第六,为词依赖关系赋予相应的权重因子,将英语文本中的句子进行两两组合,得到英语文本所有句子对的组合,计算所有句子对的组合得出所有句子对的成分依赖相似度,构建英语文本的句子成分依赖相似度矩阵,句子成分依赖相似度矩阵每一个值的计算采用英语句子对成分依赖相似度的计算公式;第七,通过遍历句子成分依赖相似度矩阵每一行,选取其中最相似的句子对所对应位置的值表示最终句子对的成分依赖相似度,并将该位置的坐标存入到索引文件中;
(2)英语文本词汇排列相似检查模块处理流程是:输入待检查的英语文本,对英语文本分别进行分词分句处理、删除特殊字符、单词大写转换为单词小写操作;第二,遍历读取句子索引文件,对英语文本中的句子对进行删除停用词处理,分别得到两个句子所对应的联合词集;第三,对两个句子之间的联合词集进行并集运算,以获得两个句子的联合词集;第四,根据联合词集计算句子对所对应的词汇排列向量,词汇排列向量中的每个值是单词在联合词集中所对应位置的索引号;第五,根据句子对的词汇排列向量,通过英语句子对词汇排列相似度的计算公式计算得到英语文本句子对的词汇排列相似度。
2.根据权利要求1所述的英语文本句子的成分依赖与词汇排列相似检查方法,其特征是:所述的英语文本句子成分依赖相似检查模块的计算公式定义如下:核心词、修饰词和词依赖关系构成的三元组相似度计算公式如下:在公式(1)中,核心词相似度是指英语文本句子对中核心词的相似程度,修饰词相似度是指英语文本句子对中修饰词的相似程度,词依赖关系相似度是指英语文本句子对中核心词和修饰词之间依赖关系的相似程度;
英语句子对成分依赖相似度计算公式如下:
在公式(2)中,英语句子对成分依赖相似度是指两个英语句子中所有三元组相似度的相似程度,英语句子成分是指核心词、修饰词,以及核心词和修饰词之间词依赖关系,m表示英语文本句子对中三元组的数量,i表示英语文本句子对中第i个三元组。
3.根据权利要求2所述的英语文本句子的成分依赖与词汇排列相似检查方法,其特征是:所述的英语文本句子成分依赖相似检查模块的处理步骤如下:P201开始;
P202分别读取英语文本;
P203对英语文本进行分句处理、删除特殊字符操作,输出预处理后的英语文本分句结果;
P204分别读取P203步骤对英语文本处理后的分句结果;
P205根据文本句子中核心词和修饰词,以及两个单词之间的依赖关系构建出三元组;
P206将三元组中的核心词、修饰词做向量化处理;
P207根据P206步骤的输出结果计算得到核心词相似度和修饰词相似度矩阵,接着通过计算得到词依赖关系相似度矩阵;
P208根据P207步骤的输出结果,采用核心词、修饰词和词依赖关系构成的三元组相似度计算公式(1),得到三元组相似度,从而得到三元组矩阵;
P209根据P208步骤输出结果,遍历选取三元组矩阵每一行,选取每行最相似的三元组表示最终的三元组相似度值;
P210为三元组中的词依赖关系分配相应的权重因子;
P211将两个文本中句子两两组合得到多个句子对;
P212根据英语句子对成分依赖相似度计算公式(2),得到句子对的成分依赖相似度;
P213根据P212步骤的输出结果,得到文本间所有句子对组合的成分依赖相似度矩阵;
P214根据P213步骤的输出结果,遍历成分依赖相似度矩阵每一行,选取其中最相似的句子对所对应位置的值表示最终句子对的成分依赖相似度,并将该位置的坐标存入到索引文件中;
P215根据P214步骤的输出结果,最相似的句子对所对应的位置坐标存入到句子索引文件中;
P216结束。
4.根据权利要求3所述的英语文本句子成分依赖与词汇排列相似检查方法,其特征是:所述的英语文本句子成分依赖与词汇排列相似检查模块的计算公式定义如下:英语句子词汇排列向量计算公式如下:
英语句子词汇排列向量=[x1,x2,…,xn] (3)在公式(3)中xn表示英语句子中词汇排列向量每一维的值,英语句子词汇排列向量每一维的值,表示单词在联合词集中所对应位置的索引号,联合词集是两个句子之间的联合词集进行并集运算得到;
英语文本句子对词汇排列相似度计算公式如下:
在公式(4)中,符号“||”表示句子对向量维度差的平方和再开平方根,第1个句子的词汇排列向量表示英语文本句子对中第1个句子的词汇排列向量,第2个句子的词汇排列向量表示英语文本句子对中第2个句子的词汇排列向量,词汇排列向量由公式(3)得到。
5.根据权利要求4所述的英语文本句子的成分依赖与词汇排列相似检查方法,其特征是:所述的英语文本句子成分依赖与词汇排列相似检查模块的处理步骤如下:P301开始;
P302分别读取英语文本;
P303对英语文本进行分句处理、删除特殊字符、单词大写转换为单词小写操作,输出预处理后的英语文本分句结果;
P304遍历读取句子索引文件得到句子对;
P305分别对英语文本中的句子对做删除停用词处理,得到两个句子联合词集;
P306对两个联合词集做并集,得到联合词集;
P307根据P306步骤的输出结果,采用词汇排列相似度计算公式(3)分别计算两个词汇排列向量;
P308根据P307步骤的输出结果,将词汇排列向量带入到英语句子对词汇排列相似度计算公式(4)中,最终得到英语文本句子对词汇排列相似度;
P309结束。