张家锐　张　涵

1(合肥学院计算机科学与技术系　安徽 合肥 230601)2(赫特福德大学生命与医药科学系　英国 赫特福德郡 AL10 9AB)



基于结构特征和元模型的中文表格语义分析方法

张家锐1张涵2

1(合肥学院计算机科学与技术系安徽 合肥 230601)2(赫特福德大学生命与医药科学系英国 赫特福德郡AL10 9AB)

针对现有技术对中文表格语义分析不够全面的现实，提出基于结构特征和元模型的语义分析方法。使用具有公知性的一阶谓词函数Value(值函数)、Num(数量函数)，结合伪编码，对几类最常见的中文表格进行语义分析，获取了中文表格的表面语义、上下文语义、主-子表之间的限制语义、表附属性对表格数据的附加语义、属性值背后隐藏的关系语义。实例验证的结果表明，结构特征和元模型是中文表格语义分析的有效方法，获取的语义信息量和种类远超目前的方法。

结构特征元模型一阶谓词函数表面语义上下文语义限制语义附加语义关系语义

0　引　言

中文表格是中文书面文本中最常见的元素之一，具有比普通文字语言更高的精确性和简捷性，在很多领域相关的文本中，经常会使用表格来增强可阅读性、可理解性。因此，对中文表格进行语义分析是中文自然语言理解中不可或缺的部分。中文表格人工理解很方便，机器辨识很困难。目前，对中文表格的语义分析，多数是将研究对象限定为Web页面中基于HTML标签的电子表格，方法大致有如下几种[1]：内容树[2,3]、基于本体使用隐马尔可夫模型[4]、领域本体[5]、启发式规则[6]、正则表达式匹配[7]、基于集成的半自动化方法[8]、人工解释表格结构的半自动化方法[9]，目的是通过语义抽取表格数据。……