基于偏正短语的中文自然语言文本水印方法.docVIP

第４１ 卷 第５ 期 ２０１２ 年９ 月 内蒙古师范大学学报 （自然科学汉文版） ＪｏｕｒｎａｌｏｆＩｎｎｅｒＭｏｎｇｏｌｉａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ （ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｖｏｌ．４１ Ｎｏ Ｓｅｐｔ．２０１ 基于偏正短语的中文自然语言文本水印方法 徐迎晖１，徐晓晖２ （１．广东工业大学 自动化学院，广东 广州 ５１０００６； ２．长沙景嘉微电子有限公司研发中心，湖南 长沙 ４１０２０５） 摘 要：提出一种在汉语偏正短语中增删助词“的”，以及调整联合结构修饰语中各项次序的中文自然语言 文本水印方法．该方法利用结构助词“的”的语用功能和联合结构中各项次序的自由性，通过控制助词“的”的出现 方式或调整联合结构中内部各项的次序，对文本进行修改．为了增强鲁棒性，对秘密信息附加了分帧和纠 错 编 码 等处理．实验结???表明，该方法的隐蔽性好，隐藏容量较大，便于在现有的自然语言处理系统中实现． 关键词：偏正短语；自然语言；文本水印；助词“的”；联合结构 中图分类号：ＴＰ３９１ 文献标志码：Ａ 文章编号：１００１－８７３５（２０１２）０５－０４９４－０４ 基于文本内容的自然语言文本水印，主要研究在尽可能维持文本原始意义的情况下，从句法结构上或 义上对原始文本进行修改，以达到嵌入和提取水印信息的目的．自然语言文本水印在自然度、隐蔽性和鲁 性方面可以达到很好的性能，目前主要有两个研究方向： （１）基于句法．在不显著改变句子意思和语气的前提下，修改句法分析树，调整措辞和句子结构． （２）基于语义．考虑的 是词语 的 意 义 及 其相互结合所形成 的 句 子 意 义，典 型 的 方 法 有 同 义 词 替 换． 献 ［１］还提出通过修改 ＴＭＲ（ＴｅｘｔＭｅａｎｉｎｇＲｅｐｒｅｓｅｎｔａｔｉｏｎ）树的方式实现对原始文本的修改． 自然语言处理技术尚处于发展期，有关自然语言文本水印方面的研究还不够深入．本文结合汉语语法 若干特点，以偏正短语为对象，利用广泛出现的结构助词“的”的语用功能，以及联合结构做修饰语时内部 项次序的自由性，提出一种基于偏正短语的中文自然语言文本水印方法． 语法原理 偏正短语是短语的结构分类之一，由两个成分以“修饰－ 受修饰”的关系组成，其中受修饰成分称为中 语．中心语前面的修饰成分对中心语作出描写或限定．偏正短语又分为定中短语和状中短语两类． 偏正短语可以是主语、宾语或谓语，对应地，其中心语称为主语中心、宾语中心和谓语中心．若中心语 主语中心或宾语中心，则前面的修饰成分称为定语，整个偏正短语称为定中短语．若中心语是谓语中心，则 面的修饰成分称为状语，整个偏正短语称为状中短语．一般来说，体词性的偏正短语属于定中短语，谓词性 偏正短语属于状中短语［２］． １ 偏正短语中的修饰语除了可以是一个简单词之外，也可以是联合结构、主谓结构、递加结构等复杂结构 因此，可以把这些情况的偏正短语形式归纳为 （定／状语 ｎ …（定／状语２ ＋（定／状语１ ＋ 中心词））…） 一些定／状语的后面常附加有结构助词“的”（状语时有时为“地”），助词“的”的功能有３ 种，即句法功能 语义功能和语用功能［３］，其中前两种功能对语法结构和意义有不同程度的影响．助词“的”的功能主要用于 造错落形式的文字，以及调节音节和强调修饰语等，这种助词“的”的出现是可有可无的，例如： 定中短语：（中国／ｎ 的／ｕ （劳动／ｎ 人民／ｎ）） ０ （中国／ｎ （劳动／ｎ 人民／ｎ）） １ 收稿日期：２０１２－０３－１０ 基金项目：广东省自然科学基金资助项目（９４５１００９００１００２６０７）；广东工业大学博士基金（０７３００３） 作者简介：徐迎晖（１９７７－），男，湖南省长沙市人，广东工业大学副教授，博士，主要从事配电自动化、信息安全、嵌入式系统研究． 通用性和处理容量． 除此之外，联合结构做修饰语时，内部各项的次序一般来说是自由的，如联合结构作定语： （方／ａ的／ｕ、圆／ａ的／ｕ、立体／ｎ的／ｕ、圆锥／ｎ的／ｕ）小凳／ｎ和沙发／ｎ “方的、圆的、立体的、圆锥的”也可以改换成“圆锥的、立体的、方的、圆的”或是其他任何排列，次序的挪 动只有修辞上的意义，并不影响整个格式的基本意义和语法结构．于是可以将各种排列次序赋予不同的编码 （如基于各项的音序或笔画），从而增加水印容量． 水印位置 为了技术实现上的方便，这里只研究以单独词条形式出现的定／状语，并且只处理定中短语中心语为名 词，状中短语中心语为动词或形容词的情况（实际上也是偏正短语的主要出现状态）． ２ 简单偏正结构 简单偏正结构的修饰语只有一个单词，该修饰语后的“的”如属语用功能，则此处可嵌入 １ 比特水印信 息．为此，首先需要建立可接可选助词“的”的定／状语词汇数据库，主要工作包括细