語言節(jié)奏在話題追蹤中的研究與應用

何婕

摘要：語言節(jié)奏是語言中的重要特征，通過對語言節(jié)奏現(xiàn)象的分析，提出四種語言節(jié)奏：自然節(jié)奏，語法節(jié)奏，邏輯節(jié)奏和情感節(jié)奏。每種語言節(jié)奏都從相關方面反映了語言的特征，對語言特征進行提取達到話題追蹤的目的。本文闡述了各種語言節(jié)奏的提取方法和節(jié)奏特征的提取方法。實驗結果表面，在話題追蹤任務中應用效果良好。

關鍵詞：文本分析；語言節(jié)奏；蹤系統(tǒng)流程

中圖分類號：TP391.1 文獻標識碼：A 文章編號：1007-9416（2017）02-0127-01

現(xiàn)今，網(wǎng)絡中存在有豐富的信息和知識，信息的來源和量已經(jīng)不是人們關心的主要問題了，如何在海量的信息和知識中，快速定位和挖掘到感興趣的內(nèi)容，已然成為當前研究的一個熱點。本文在進行話題追蹤任務時，與以往的分析文本內(nèi)容和結構的方法不同，是從語言中的另外一種特征入手——語言節(jié)奏[1-2]。具體分析了文本語言表達中，存在的各種語言節(jié)奏。闡述了語言節(jié)奏的獲取方法和特征提取方法，提出了基于語言節(jié)奏進行話題追蹤的方法。

1 話題追蹤系統(tǒng)流程

話題追蹤任務的系統(tǒng)流程是，首先將待追蹤話題和待測報道文本進行模型化，然后對二者的模型進行相似度的比較，當兩者的相似度滿足判定閾值要求時，則可以判定待測文本屬于對應的話題[3]。但是話題追蹤任務不同于簡單的相似文檔比較。話題的主題內(nèi)容會隨著時間的發(fā)展而有所變化，因而，如何摒除內(nèi)容相似性比較在話題發(fā)展中的局限性。發(fā)現(xiàn)一定時間范圍內(nèi)同一話題的相關內(nèi)容，是當前研究的難點重點。

2 語言節(jié)奏性

語言節(jié)奏是語言中固有的一種特征，是人們進行語言文字表達相關內(nèi)容時，其中蘊含的有規(guī)律或者無規(guī)律的階段性的變化因素，既要能夠服務于抒發(fā)感情，表現(xiàn)主題，又要鏗鏘流暢，給人以共鳴。不僅語言文學藝術中存在紛繁復雜的語言節(jié)奏，在普通人的日常語言中也存在著語言節(jié)奏，狹義的語言節(jié)奏是指，語言中句子或者音節(jié)停頓的長短，音調(diào)的輕重緩急，起伏跌宕，循環(huán)往復，而產(chǎn)生的似音樂的節(jié)奏美感，多考慮的是語言的韻律[4]。

3 語言節(jié)奏的提取

語言節(jié)奏是文本的重要特征，能夠反映文本的多方面特征。快速科學的從文本中，獲取各種語言節(jié)奏，是亟待解決的重要問題。在此，就如何進行各種語言節(jié)奏的提取進行了系統(tǒng)的討論。

3.1 文字序列

文字序列是語言的文本體現(xiàn)，是由文字符號和非文字符號組成的。設任意長度的文字序列是由兩部分內(nèi)容組成的，但含有文字符號（Word）和非文字符號（即標點和段落標記符號統(tǒng)稱為Punctuate），也就是說組成文字序列的符號wa取自兩種符號集合：Word，文字符號集合和Punctuate，非文字符號集合[5]。文字序列是由文字符號和非文字符號交替出現(xiàn)的，在文字序列中挖掘出一定的節(jié)奏特征，從而完成語言節(jié)奏的提取工作。

3.2 語言節(jié)奏獲取

語言節(jié)奏的獲取是對文字序列進行操作的，現(xiàn)以語言自然節(jié)奏的獲取為例闡述語言節(jié)奏的獲取方法。在獲取的過程中，先對文字序列進行掃描，若遇到非文字標記符號時，則構建其自然節(jié)奏單元NRU，并修改當前自然節(jié)奏碼NRC。到文章或者文字序列結束時，完成其自然節(jié)奏碼NRC構建，算法描述如下圖1所示。

因此，語言自然節(jié)奏碼實際上就是由一串數(shù)字以及停頓級別編碼構成的。語言中的其他節(jié)奏：語法節(jié)奏，邏輯節(jié)奏和情感節(jié)奏都是語言表達過程中的重要內(nèi)容。文本序列中的非文字符號，可以將語言中的自然節(jié)奏表達出來。文本中文字符號可以進一步的將語言中其他方面的節(jié)奏信息表達出來。語言中的文字符號中包含有兩種類型的詞類：實詞和虛詞。實詞可以說表達了語言中大部分的語義信息，即語言中實際內(nèi)涵信息是由廣大實詞來表達的。語言中的虛詞是做什么用的呢？通過研究和分析。語言中的虛詞，完成了語言中一大部分的其他方面特征表達[6]。

3.3 語言節(jié)奏特征提取

文本表達的內(nèi)容和情感上存在眾多差異，每一篇文檔的語言節(jié)奏具有一定的唯一性。通過對文本中存在的語言節(jié)奏進行分析，得知語言節(jié)奏是在時間序列上展開的，一篇文章中某一時刻語言節(jié)奏標記或者語言節(jié)奏單元的出現(xiàn)，是與之前所有出現(xiàn)過的語言節(jié)奏標記和語言節(jié)奏單元概率相關的。因而，可以將語言節(jié)奏視為一個Markov過程，并進一步提取語言節(jié)奏的特征。由于每一類語言節(jié)奏中的節(jié)奏標記是有限的，所以在語言節(jié)奏Markov的過程中存在的狀態(tài)也是有限的，因此，狀態(tài)轉(zhuǎn)移矩陣的規(guī)模就不會很大，對于文本分析的工作是非常有利的，至此完成了語言節(jié)奏特征的提取過程。

4 結語

通過實驗驗證，語言節(jié)奏的特征分析在文章話題同一性發(fā)現(xiàn)中同樣具有良好的效果。通過將一個時間段的多個話題的多篇文檔，組織在一起，提取語言節(jié)奏并進一步分析語言節(jié)奏特征。對于語言節(jié)奏而言，通過語法節(jié)奏、情感節(jié)奏等綜合特征可以大大提高文章話題同一性的發(fā)現(xiàn)，實現(xiàn)不同文章的話題分類。

參考文獻

[1]郭慶琳，李艷梅，唐琦.基于VSM的文本相似度計算的研究[J].計算機應用研究，2008（11）：3256-3258.

[2]金博，史彥軍，滕弘飛.基于語義理解的文本相似度算法[J].大連理工大學學報，2005（2）：291-297.

[3]楊華，姬東鴻，陳波.基于話題相關的文檔集的無向基本要素網(wǎng)絡的連通性探討[J].中文信息學報，2015（4）：103-110.

[4]鄧莎莎.支持決策研討的文本分析方法研究[D].上海交通大學，2013.

[5]陳釩.語言節(jié)奏提取及其在文本分析中的應用[D].天津大學，2011.

[6]陳釩，馮志勇.語言自然節(jié)奏在文本分類中的研究與應用[J].計算機工程與應用，2012（30）：28-32.