一种面向教学语法的汉语二语句子成分识别方法和系统

本发明属于自然语言处理与计算机辅助语言教学，特别是指一种面向教学语法的汉语二语句子成分识别方法和系统。

背景技术：

1、在国际中文教育场景中，语法点识别、教材分级、学习者能力诊断和智能教学反馈均需要稳定的句子成分识别结果。现有方案通常将依存句法分析结果映射为教学语法成分，或依靠触发词、词性和规则模板识别部分语法点。上述方案在固定触发词型语法点中具有一定效果，但面对以句子成分为判定依据的语法点时，容易出现结构性不足。

2、首先，依存句法分析以词项之间的依附关系为基本单位，而教学语法中的句子成分强调具有明确功能边界的整体单位。例如“新买的手机”在教学语法中可整体作为宾语参与“把”字句判定，同时内部还包含定语结构；依存分析往往将其拆分为多个词级关系，后续规则难以稳定恢复完整成分。

3、其次，教学语法允许同一句子中的多个功能单位在不同层级同时存在，如主语内部包含定语、谓语内部包含状语和补语，部分结构还可能同时服务于多个语法点。单一依存树或单层标签序列难以完整表达这类多层成分共存关系。

4、再次，现有基于提示的大语言模型问答方法多停留在自然语言解释或单次生成层面，缺少面向教学语法的知识检索、输出格式约束、层级合法性校验和失败重生成机制，导致生成结果可能存在标签缺失、交叉嵌套、边界错位和教学规则不一致等问题。

5、因此，需要一种面向教学语法任务目标重新设计的句子成分识别技术，使模型输出空间直接对应教学语法所需的功能单位结构，并能够通过结构约束保证结果的可用性、可解释性和可批量处理的能力。

技术实现思路

1、本发明旨在提供一种面向教学语法的汉语二语句子成分识别方法和系统，解决现有依存句法映射方法在教学语法应用中存在的功能单位边界不稳、多层结构表达不足、结构结果不可直接用于语法点匹配等成分功能单位表达局限与多重语法功能表达局限问题。

2、本发明拟解决的核心技术问题包括：

3、如何将汉语句子成分从词级依附关系恢复问题转换为具有明确起止位置、功能类别和层级关系的区间集合预测问题。

4、如何利用教学语法知识库对大语言模型进行上下文增强，使模型输出符合国际中文教育语法体系中的成分划分原则。

5、如何将可嵌套的句子成分结构转换为生成式模型可稳定输出、机器可解析的线性化表示。

6、如何对生成结果进行标签闭合、边界一致、非交叉嵌套、功能组合和教学规则一致性校验，并在失败时触发重生成或局部修正。

7、如何输出可供语法点识别、文本难度评估和教学反馈系统直接调用的结构化句子成分结果。

8、一方面，提供了一种面向教学语法的汉语二语句子成分识别方法，该方法包括：

9、s1、输入预处理与索引构建：输入待识别汉语句子，对所述汉语句子进行预处理和位置索引构建；

10、s2、教学语法知识库构建：构建包括语法规则、结构模板及标注示例的教学语法知识库；

11、s3、相关知识检索与上下文增强：从所述教学语法知识库中检索与所述汉语句子相关的语法规则、结构模板及相似例句，并对检索结果进行组织，形成供后续prompt构建调用的教学语法知识上下文；

12、s4、层级结构线性化表示：将教学语法成分结构转换为可被生成式语言模型输出的层级结构线性输出形式；

13、s5、约束化prompt构造：构造包括所述教学语法知识上下文、层级结构线性输出格式约束、禁止规则和少量示例的约束化prompt；

14、s6、句子成分层级结构生成：根据所述约束化prompt，调用生成式语言模型生成层级化句子成分结构，并将所述层级化句子成分结构解析为候选成分区间集合；

15、s7、结构合法性校验：对所述候选成分区间集合进行合法性校验；

16、s8、错误定位与重生成：当校验失败时，根据错误类型生成反馈提示，触发整体重生成或局部修正；

17、s9、结果标准化与下游输出：在校验通过后输出结构化句子成分识别结果。

18、可选地，所述s3，具体包括：

19、根据所述汉语句子的词形线索、功能词、结构触发词和候选短语类型提取检索特征；

20、以所述检索特征作为索引条件，采用关键词匹配、规则索引匹配、结构模板匹配、例句相似度匹配中的一种或多种方式，从所述教学语法知识库中检索与当前句子相关的语法规则、结构模板及相似例句；

21、对检索结果进行组织，形成供后续prompt构建调用的教学语法上下文。

22、可选地，所述层级结构线性输出形式包括嵌套标签序列或区间列表形式，保留句子成分的文本边界、功能类别和父子包含关系。

23、可选地，所述禁止规则明确要求模型输出完整层级结构，不得遗漏标签闭合，不得产生交叉区间，不得输出与原句不一致的文本。

24、可选地，所述成分区间集合表示为c={ci}，每个成分ci=，其中li与ri表示成分在输入句子中的起始和结束索引，ti表示成分类别，取值包括主语、谓语、宾语、定语、状语、补语中的一种或多种扩展标签，pi 表示父级成分或层级路径，ai表示与语法点匹配相关的附加属性。

25、可选地，所述候选成分区间集合须满足以下约束：

26、连续性约束：每个成分对应原句中的连续文本区间；

27、功能约束：每个区间具有明确教学语法功能标签；

28、层级约束：成分之间允许包含但不允许交叉；

29、协同约束：多个功能成分能够在同一输出中并行存在并保持整体结构一致。

30、可选地，所述合法性校验由程序规则实现，或者由规则与判别模型联合实现，包括以下校验项：

31、标签合法性校验：检查是否仅使用预设句子成分标签，是否存在未闭合标签、错误标签或嵌套层级缺失；

32、文本一致性校验：将标签剥离后的文本与输入句子进行比对，确保模型未增删、改写或错置原句文本；

33、边界连续性校验：确保每个成分映射到输入句子的连续区间，不允许由不连续片段拼接形成单一成分；

34、非交叉嵌套校验：对于任意两个成分区间，仅允许相离或包含关系，不允许出现li< lj < ri < rj 的交叉关系；

35、功能组合校验：依据教学语法规则检查主谓、动宾、定中、状中、动补、兼语、双宾语这些组合是否符合功能组织规律；

36、完整性校验：检查句子中与待识别语法点相关的必要成分是否缺失，并对高风险缺失输出修正提示。

37、另一方面，提供了一种面向教学语法的汉语二语句子成分识别系统，所述系统包括：

38、输入预处理与索引构建模块：用于输入待识别汉语句子，对所述汉语句子进行预处理和位置索引构建；

39、教学语法知识库构建模块：用于构建包括语法规则、结构模板及标注示例的教学语法知识库；

40、相关知识检索与上下文增强模块：用于从所述教学语法知识库中检索与所述汉语句子相关的语法规则、结构模板及相似例句，并对检索结果进行组织，形成供后续prompt构建调用的教学语法知识上下文；

41、层级结构线性化表示模块：用于将教学语法成分结构转换为可被生成式语言模型输出的层级结构线性输出形式；

42、约束化prompt构造模块：用于构造包括所述教学语法知识上下文、层级结构线性输出格式约束、禁止规则和少量示例的约束化prompt；

43、句子成分层级结构生成模块：用于根据所述约束化prompt，调用生成式语言模型生成层级化句子成分结构，并将所述层级化句子成分结构解析为候选成分区间集合；

44、结构合法性校验模块：用于对所述候选成分区间集合进行合法性校验；

45、错误定位与重生成模块：用于当校验失败时，根据错误类型生成反馈提示，触发整体重生成或局部修正；

46、结果标准化与下游输出模块：用于在校验通过后输出结构化句子成分识别结果。

47、另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述面向教学语法的汉语二语句子成分识别方法。

48、另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述面向教学语法的汉语二语句子成分识别方法。

49、本发明提供的技术方案带来的有益效果至少包括：

50、本发明能够稳定表达主语、谓语、宾语、定语、状语、补语等教学语法功能单位及其多层嵌套关系，减少依存句法映射误差，提高复杂句式下句子成分识别的完整性和可解释性。

51、本发明输出的句子成分结构可直接用于语法点识别。例如，对于“把”字句，可在结构化结果中匹配“主语+把+宾语1+动词+宾语2”模式；对于双宾语句，可匹配“主语+动词+给+宾语1+宾语2”模式；对于偏正短语，可利用父子层级路径识别定中或状中关系。

52、相较于依存分析后处理，本发明输出层即为教学语法成分层，减少了词级依存关系到教学功能单位的转换误差。对于需要多层分析的句子，同一输出中可以同时保留整体成分与内部成分，使多个语法点能够并行匹配。具体的：

53、1、提高功能单位边界稳定性：直接输出主语、谓语、宾语、定语、状语、补语等教学语法成分，避免词级依存拆分导致的整体成分丢失。

54、2、支持多层结构并行表达：允许成分之间形成合法嵌套，同一句子可同时保留整体成分与内部修饰成分，适配多个语法点共同判定。

55、3、降低规则后处理复杂度：将依存树到教学成分的复杂映射转换为结构生成与确定性校验流程，便于工程实现和维护。

56、4、增强输出可解释性：每个成分均包含文本、边界、类别、层级路径和校验状态，可直接用于教学说明和语法点匹配。

57、5、提升批量处理可用性：通过结构合法性校验、错误反馈和重生成机制，减少大语言模型随机生成造成的非法输出。

58、6、具有良好扩展性：标签体系、知识库、校验规则和输出格式均可根据不同教学标准或语法点库进行扩展。