0.引入

空間關係是指存在於實體之間的具有空間特徵的關係，如方位關係、距離關係、拓撲關係、層次關係等。空間關係在自然語言描述中一般具有三個部分或者兩個層次。三個部分是從認知學的角度出發的將其分為射體、界標和方位詞，其中:

1. 射體是空間關係中的主體成分。
2. 方位詞是用來描述實體之間的空間方向和位置關係的，通常與其前面的名詞構成句子中的處所格。
3. 界標則為射體的方位提供了參照物依據。

例如S1：杯子在桌子上。S1 中包含空間表示式（在，上，桌子）。
則杯子為射體，桌子為界標，上為方位詞。

獲取空間關係就需要找出句子中的空間表示式。首先要對原始語料進行預處理。然後抽取其中的空間關係。

1.語料預處理

1.1. 獲得句子分詞後的依存關係

基於哈工大的自然語言處理技術，使用它的API對句子進行分詞，並得到它的依存關係。
使用者通過指定API引數來獲取對應的結果，語言云服務的API引數集連結如下：
http://www.ltp-cloud.com/document/
在語言云中，所有的API訪問都是通過HTTP請求的方式。並且需要從api.ltp-cloud.com域進行訪問。語言云只支援GET和POST方式的HTTP請求。使用者通過在HTTP請求中指定引數來獲取對應的結果。
舉個例子，對“房頂上落著一隻小鳥”這句話做依存句法分析。
這句話的依存關係的句子檢視如下：

圖1-1例句的依存關係

返回xml格式的結果。GET請求及返回結果示例：
GET http ://api.ltp-cloud.com/analysis/?api_key=U1H0S1Z1CkcUtrLouJvyHVNSOWkY9ycmAVahcduW&text=房頂上落著一隻小鳥&pattern=all&format=xml

圖1-2 例句的xml標準結果

這句話的XML標準結果如下：結點標籤分別為 xml4nlp, note, doc, para, sent, word,arg 共七種結點標籤：
1、xml4nlp 為根結點，無任何屬性值；
2、note 為標記結點，具有的屬性分別為：sent, word, pos, ne, parser, srl；分別代表分句，分詞，詞性標註，命名實體識別，依存句法分析，詞義消歧，語義角色標註；值為”n”，表明未做，值為”y”則表示完成，如pos=”y”，表示已經完成了詞性標註；
3、doc 為篇章結點，以段落為單位包含文字內容；無任何屬性值；
4、para 為段落結點，需含id 屬性，其值從0 開始；
5、sent 為句子結點，需含屬性為id，cont；id 為段落中句子序號，其值從0 開始；cont 為句子內容；
6、word 為分詞結點，需含屬性為id, cont；id 為句子中的詞的序號，其值從0 開始，cont為分詞內容；可選屬性為 pos, ne, parent, relate , semparent,semrelate；pos 的內容為詞性標註內容；ne 為命名實體內容；parent 與 relate 成對出現，parent 為依存句法分析的父親結點id 號，relate 為相對應的關係；semparent 與 semrelate 成對出現，semparent 為語義依存分析的父親結點id 號，semrelate 為相對應的關係；
7、arg 為語義角色資訊結點，任何一個謂詞都會帶有若干個該結點；其屬性為id, type, beg，end；id 為序號，從0 開始；type 代表角色名稱；beg 為開始的詞序號，end 為結束的序號；
各結點及屬性的邏輯關係說明如下：

1、各結點層次關係可以從圖中清楚獲得，凡帶有id 屬性的結點是可以包含多個；
2、如果sent=”n”即未完成分句，則不應包含sent 及其下結點；
3、如果sent=”y” word=”n”即完成分句，未完成分詞，則不應包含word 及其下結點；
4、其它情況均是在sent=”y” word=”y”的情況下：

（1）如果 pos=”y” 則分詞結點中必須包含pos 屬性；
（2）如果 ne=”y” 則分詞結點中必須包含ne 屬性；
（3）如果 parser=”y” 則分詞結點中必須包含parent 及relate 屬性；
（4）如果 semparser=”y” 則分詞結點中必須包含semparent 及semrelate 屬性；
（5）如果 srl=”y” 則凡是謂詞(predicate)的分詞會包含若干個arg 結點；
在XML格式的分析中，使用者可以通過指定引數pattern=ws | pos | ner | dp | sdp | srl | all 來指名分析任務並獲取對應的XML結果。

1.2. 把依存關係儲存為XML檔案

將依存關係以XML格式的字串的形式把儲存到XML檔案。
例“房頂上落著一隻小鳥”這句話的依存關係的XML格式如圖所示：

圖 1-3 例句依存關係的XML

1.3解析XML檔案獲得每個詞的屬性

使用dom4j解析XML檔案，獲得節點下各屬性值（如上圖紅框內所示）。建立一個實體類Word，成員變數對應著XML檔案中節點的各屬性。把解析得到的每個詞的屬性值作為Word例項儲存到一個List裡面。

圖 1-4 節點屬性

2.空間關係三元組抽取

通過語料預處理得到的一個短句中所有詞的詞性、依存關係和句子的句法結構等資訊，根據這些資訊再加上我們的認知常識來識別出空間關係三元組。
先根據一個短句中的方位詞個數來確定短句中至少有多少個三元組，之後對於每一個方位詞，去確定其界標和射體，如果存在多個射體，那麼複製方位詞和界標，增添三元組的數量。
例:“小明和奧巴馬在屋子後面的橋上釣魚。”

圖2- 1例句的句法分析和詞性標註

圖2-2 例句的句法分析樹

如上圖，例句中識別出的方位詞為“後面”和“上”，方位詞的個數為2，則可確定至少有兩個三元組，根據依存關係為ATT（定中關係）的方位詞的子節點，確定界標分別為“屋子”和“橋”，之後再根據方位詞來找到三元組中的射體（具體的方法下面做介紹），因為有一個三元組的射體為“小明”和“奧巴馬”，所以要將“小明”的界標和方位詞複製給“奧巴馬”，然後將新的三元組增添到結果三元組列表中。

2.1方位詞的識別

通過遍歷一個短句中所有的詞，找出其中詞性為“nd”(direction noun)的詞來作為方位詞。
哈工大的語言技術平臺的分詞系統中有一百餘種固定的方位詞，比如“東北面”、“前後”等，所以短句中方位詞的識別比較精確，不會存在方位詞分開識別的情況。

圖2-3方位詞識別

2.2界標的識別

將2.1中識別出的方位詞新增到相應的三元組中，對於當前的每一個三元組，根據其中的方位詞去識別界標，經過大量考察例句，在句法分析樹中，界標是方位詞的子節點，界標的依存關係是ATT(定中關係)，根據這樣的規則，識別出相應三元組中的界標。
例“房頂上落著一隻小鳥”這句話的依存關係如圖 3-2 所示：

圖 2-4 依存關係和詞性標註

例“他站在房子前”這句話的依存關係如圖 3-3 所示：

圖 2-5 依存關係和詞性標註

當依存關係ATT中方位詞的直接依存物件不是界標的時候，比如“大象的背上有一隻螞蟻”

圖2-6依存關係和詞性標註

在上圖可以看到依存關係ATT（上—>背）、（背—>大象），此時方位詞“上”的直接依存物件並不是界標，但是“背”的直接依存物件是界標。，從它的義原得知“背”是部件，因此不能作為界標，確定大象是界標。
界標識別演算法如下：

① 確定方位詞子節點的依存關係 ATT。
② 在方位詞依存關係 ATT 中得到方位詞的直接依存物件 X1。
③ 查詢 X1 是否為部件，如果不是轉(4)，否則轉(5)
④ 確定X1為界標。結束。
⑤ 得到X1的依存關係ATT，從依存關係ATT的到X1的直接依存物件X2，更新 X1的值為X2。轉③。

2.3射體識別

2.3.1簡單射體識別

根據短句中方位詞的重要性來對方位詞進行分類，與句法分析樹的根節點直接相關的方位詞可以視為主要方位詞；相對的，遠離根節點且方位詞的依存關係為ATT的方位詞可以視為次要方位詞。
如下圖，例子“小明和奧巴馬在屋子後面的橋上釣魚。”中，三元組為（小明，橋，上）、（奧巴馬，橋，上）、（橋，屋子，後面），其中“上”是主要方位詞，“後面”是次要方位詞。下面就根據方位詞的分類來對相應的射體進行識別。

(1)方位詞是主要方位詞。
當方位詞是主要方位詞的時候，父節點的依存關係是HED(核心關係)或者父節點的父節點（或者更多）的依存關係為HED，如圖3-9中的例子，“上”的父節點的父節點的依存關係是HED。
從方位詞開始一層一層地向上獲取節點，直到獲取到依存關係為HED的節點，然後遍歷找出該節點子節點中詞性為名詞“n”（或包含“n”）和代詞“r”的節點。在上面的例子中就可以找到上的射體“小明”。

圖2-8句法分析樹

例“屋子前的桌子上有一個水杯”其中主要方位詞“上”的射體是“水杯”。這句話的依存關係和句法分析樹如圖 2-8、2-9 所示：

2-9依存關係

圖2-10句法分析樹

(2) 方位詞是次要方位詞。
當方位詞是次要方位詞的時候，方位詞的依存關係是ATT(定中關係)，且直接依存的物件是名詞“n”(或者包含“n”的詞性，比如“小明”“nh”)或者代詞“r”時，可以判定這個詞就是次要方位詞的射體。
例子“小明和奧巴馬在屋子後面的橋上釣魚。”中，次要方位詞“後面”的依存關係為ATT,直接依存的物件是“橋”詞性“n”,符合上面的要求，所以“橋”就是“後面”的射體。

簡單射體識別演算法如下：

① 判斷方位詞是否為次要方位詞(依存關係是否為ATT)，如果是，轉②，否則轉③。
② 驗證父節點是否為名詞或代詞，如果是，那麼確定射體，否則返回空值。
③ 將方位詞作為當前詞，判斷當前詞的父節點的依存關係是否為HED，如果不是，將當前詞的父節點覆蓋當前詞，再作判斷，直到滿足當前詞的父節點的依存關係是HED的情況。
④ 遍歷句法樹，抽取父節點與當前詞的父節點相同的詞，並驗證其詞性是否為名詞或者代詞，如果是，那麼確定射體，否則，返回空值。

2.3.2複雜射體識別

當一個短句中存在多個並列的射體時，如例子“小明和奧巴馬在屋子後面的橋上釣魚。”通過2.3.1的方法我們只能識別出兩個三元組（小明，橋，上），（橋，屋子，後面），對於跟“小明”並列的射體“奧巴馬”並沒有識別出來，所以就要在簡單射體識別之後對並列的射體做處理，複製相應的界標和方位詞，增添到結果三元組的列表中去。

在上圖中我們可以通過遍歷句法樹來抽取父節點為已確定射體，依存關係為COO的節點來作為新增三元組的射體，在複製父節點射體的三元組中的界標和方位詞，增添到結果三元組列表中去。
複雜射體識別演算法如下：

① 簡單射體識別。
② 遍歷句法樹，抽取父節點是當前處理三元組中的射體的節點，驗證其依存關係是否為“COO”。
③ 複製當前處理三元組的界標和方位詞到新的三元組，將該節點作為新的三元組中射體，並將新的三元組新增到結果三元組列表中。
④ 返回結果三元組