[发明专利]一种自动建立个人专属语料库的方法

权利要求书

1.一种自动建立个人专属语料库的方法，其特征在于，包括：

采集通讯方的会话内容；

获取所述会话内容中的会话对；

根据预设的场景标签，采集获得所述会话对与所述场景标签对应的场景标签值；

将所述会话对、所述场景标签以及与所述场景标签对应的场景标签值进行匹配组合，从而生成个人专属语料库。

2.根据权利要求1所述的自动建立个人专属语料库的方法，其特征在于，获取所述会话内容中的会话对包括：

逐一判断发起句后是否还包含发起句，若否，则将所述发起句以及所述发起句后与其关联的回复句作为会话对提取；

若是，则根据所述发起句，以及所述发起句与下一条发起句之间的回复句提取会话对，其中所述发起句为通讯对方发送的会话句，所述回复句为所述通讯方发送的会话句，或所述发起句为所述通讯方发送的会话句，所述回复句为通讯对方发送的会话句。

3.根据权利要求2所述的自动建立个人专属语料库的方法，其特征在于，根据所述发起句，以及所述发起句与下一条发起句之间的回复句提取会话对包括：

判断所述发起句与下一条发起句之间是否包含回复句，若是，则将所述发起句，以及所述发起句与所述下一条发起句之间的与所述发起句关联的回复句作为会话对提取；

若否，则采集连续的所述发起句，直至出现回复句，获得发起句组，并判断所述发起句组后是否还包括发起句，若否，则将所述发起句组以及所述发起句组后与其关联的回复句作为会话对提取，若是，则将所述发起句组，以及所述发起句组与下一条发起句之间的与所述发起句组关联的回复句作为会话对提取。

4.根据权利要求3所述的自动建立个人专属语料库的方法，其特征在于，逐一判断发起句后是否还包含发起句包括：

逐一判断发起句是否为最后一条会话句，若是，则停止会话对提取操作，若否，则判断所述发起句后是否还包含发起句。

5.根据权利要求4所述的自动建立个人专属语料库的方法，其特征在于，将所述发起句组以及所述发起句组后与其关联的回复句作为会话对提取包括：

获取所述发起句组后的所有回复句；

分别计算每一条所述回复句与所述发起句组中的每一条发起句之间的关联度；

根据所述关联度和预设的关联度阈值，获得所述发起句组后与其关联的回复句；

将所述发起句组，以及所述发起句组后与其关联的回复句作为会话对进行提取。

6.根据权利要求5所述的自动建立个人专属语料库的方法，其特征在于，采集通讯方的会话内容包括：

采集通讯方的即时通讯账号、邮箱账号、微博号、手机号与其他通讯对方进行会话的会话语料；

将所述会话语料拆分为由会话句组成的会话内容，其中所述会话句包括会话句内容和发送所述会话句内容的发送方。

7.根据权利要求1-6任一所述的自动建立个人专属语料库的方法，其特征在于，根据预设的场景标签，采集获得所述会话对与所述场景标签对应的场景标签值包括：

预设场景标签库，所述场景标签库至少包括一个场景标签；

在所述场景标签库中选择与所述会话对关联的场景标签；

采集获得所述会话对与所述场景标签对应的场景标签值。

8.根据权利要求7所述的自动建立个人专属语料库的方法，其特征在于，在所述场景标签库中选择与所述会话对关联的场景标签包括：

获取所述会话对的会话内容主题；

计算所述会话内容主题的词向量与所述场景标签库中的场景标签的词向量之间的相似度；

根据所述相似度选取预设阈值数目的与所述会话对关联的场景标签。

9.根据权利要求8所述的自动建立个人专属语料库的方法，其特征在于：

所述会话内容包括文本、图片、语音或视频格式的会话内容。

10.根据权利要求9所述的自动建立个人专属语料库的方法，其特征在于，所述场景标签包括：

会话内容主题，会话通讯双方的时间、地点、日期、会话意图、天气、季节、性别、职业、职务、心情、兴趣爱好、体感数据、星座、血型，会话通讯双方之间的关系、年龄差距、辈分差距，双方会话通讯的间隔时间、频率、时间跨度，会话内容的句型、句类、句式结构类型，以及总量标签中的一种或多种组合。