[发明专利]用于神经语言行为识别系统的词法分析器

权利要求书

1.一种用于构建词典的计算机实现的方法，所述词典表示与对象的行为相关联的模式，所述方法包括：

经由至少一个处理器，接收表示标准化数据的机器可读符号的流，每个符号与从所述标准化数据生成的不同向量簇相关联，所述标准化数据是通过对多个视频帧中的每个视频帧中的数据进行标准化而得到的，所述多个视频帧包括对象的表示；

经由所述至少一个处理器，对所述标准化数据执行基于神经网络的语言分析；

经由所述至少一个处理器，基于所述基于神经网络的语言分析，生成分级学习模型；

经由所述至少一个处理器，基于所述分级学习模型，确定要识别为机器可读单词的符号的组合，所述分级学习模型具有一个或多个级别，每个级别指示要在该级别处识别的机器可读单词的长度，在每个级别处要识别为机器可读单词的符号的组合是基于在所述流中观察到的符号的组合的重现而确定的；

经由所述至少一个处理器，为在每个级别处识别出的单词评估统计信息；

经由所述至少一个处理器，基于所评估的统计信息，识别所述单词中具有统计显著性的一个或多个单词；

存储所述单词中的识别出的具有统计显著性的所述一个或多个单词以及与所述单词中的识别出的所述一个或多个单词中的每个单词相关联的统计信息，所述统计显著性是基于所述机器可读单词在符号的所述流中被观察到的频率的度量而确定的；

经由所述至少一个处理器，为所述流中的所述机器可读单词中的至少第一机器可读单词的观察结果确定罕见性分数；以及

发布关于所述第一机器可读单词的观察结果的警报，所述警报指示与所述对象的所述行为相关联的模式的改变。

2.如权利要求1所述的计算机实现的方法，还包括：

接收机器可读符号的第二流；

基于所述分级学习模型，从第二流中的符号的组合确定机器可读单词；以及

经由所述分级学习模型，更新先前识别出的单词的统计信息。

3.如权利要求1所述的计算机实现的方法，还包括：从所述单词中的识别出的具有统计显著性的所述一个或多个单词生成特征模型，其中所述特征模型包括所述单词中的识别出的具有统计显著性的所述一个或多个单词的概括结果。

4.如权利要求3所述的计算机实现的方法，其中生成所述特征模型包括：

识别与关联于每个符号的向量簇相关联的特征；以及

基于所述特征对符号进行概括。

5.如权利要求3所述的计算机实现的方法，还包括：评估所述概括结果的统计信息。

6.一种存储指令的非暂态计算机可读存储介质，所述指令当在处理器上执行时，执行用于从机器可读符号的组合构建机器可读单词的词典的操作，所述词典表示与对象的行为相关联的模式，所述指令包括用于以下操作的指令：

经由处理器，接收表示标准化数据的机器可读符号的流，每个符号与从所述标准化数据生成的不同向量簇相关联，所述标准化数据是通过对多个视频帧中的每个视频帧中的数据进行标准化而得到的，所述多个视频帧包括对象的表示；

对所述标准化数据执行基于神经网络的语言分析；

基于所述基于神经网络的语言分析，生成分级学习模型；

基于所述分级学习模型，确定要识别为机器可读单词的符号的组合，所述分级学习模型具有一个或多个级别，每个级别指示要在该级别处识别的机器可读单词的长度，在每个级别处要识别为机器可读单词的符号的组合是基于在所述流中观察到的符号的组合的重现而确定的；

为在每个级别处识别出的单词评估统计信息；

基于所评估的统计信息，识别所述单词中具有统计显著性的一个或多个单词；

存储所述单词中的识别出的具有统计显著性的所述一个或多个单词以及与所述单词中的识别出的所述一个或多个单词中的每个单词相关联的统计信息，所述统计显著性是基于所述机器可读单词在符号的所述流中被观察到的频率的度量而确定的；

为所述流中的所述机器可读单词中的至少第一机器可读单词的观察结果确定罕见性分数；以及

发布关于所述第一机器可读单词的观察结果的警报，所述警报指示与所述对象的所述行为相关联的模式的改变。