[发明专利]语句分类方法、系统、电子设备、冰箱及存储介质

说明书

本发明提供了一种语句分类方法、系统、电子设备、冰箱及存储介质，所述语句分类方法包括：获取目标语句中各词语对应的词语向量，其中，所述词语向量中包括词义向量和词性向量；将所述目标语句中各词语对应的词语向量输入长短时记忆LSTM模型中，得到目标语句的状态矩阵，其中，所述状态矩阵中包括与所述目标语句对应的初始语义信息及语序信息；将所述状态矩阵输入卷积神经网络CNN模型中，获取所述目标语句对应的特征量；以及，根据所述目标语句的特征量对该目标语句进行分类。本发明能够提高对语句分类及语句类型识别的准确性，提升用户体验。

技术领域

本发明实施例涉及智能家居技术领域，具体涉及一种语句分类方法、系统、电子设备、冰箱及存储介质。

背景技术

随着智能家电和智能手机的推广使用，人们越来越习惯利用智能家电和智能手机上的语音识别系统或搜索引擎发出问题询问或对智能家电进行控制。以语音识别系统为例，在将语音识别为语句文本后，需要对语句文本进行类型划分，在根据语句文本的类型确认获取对应的答案或操作指令，因此，语句分类的过程是实现智能问答、搜索引擎等语言处理任务的重要步骤。

目前的语句文本分类方法为基于深度学习方法对语句进行分类，其中利用卷积神经网络CNN(Convolutional Neural Network)模型，或者，循环神经网络RNN(RecurrentNeural Network)模型是较为常见的语句分类方法。

但在利用卷积神经网络CNN模型进行语句分类时，由于只能获取语句中各词语的抽象特征，缺少语句中各词语的语序特征进而造成的语句分类不准确的问题；而在利用循环神经网络RNN模型进行语句分类时，由于其抽象各词语特征的能力不如CNN，因也会造成的后续语句分类准确性低的问题。

发明内容

针对现有技术中的问题，本发明提供一种语句分类方法、系统、电子设备、冰箱及存储介质，本发明能够提高对语句分类及语句类型识别的准确性，提升用户体验。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供了一种语句分类方法，所述方法包括：

获取目标语句中各词语对应的词语向量，其中，所述词语向量中包括词义向量和词性向量；

将所述目标语句中各词语对应的词语向量输入LSTM模型中，得到目标语句的状态矩阵，其中，所述状态矩阵中包括与所述目标语句对应的初始语义信息及语序信息；

将所述状态矩阵输入卷积神经网络CNN模型中，获取所述目标语句对应的特征量；

以及，根据所述目标语句的特征量对该目标语句进行分类。

进一步地，在所述获取目标语句中各词语对应的词语向量之前，所述方法还包括：

对获取的语句文本进行预处理，并获取预处理后的各语句中的各词语对应的词义向量；

通过一定方法生成预处理后的各语句中的各词语对应的词性向量；

以及，组合各词语对应的所述词义向量和词性向量，得到各词语对应的词语向量。

进一步地，在所述组合各词语对应的所述词义向量和词性向量，得到各词语对应的词语向量之后，所述方法还包括：

根据各词语对应的所述词语向量，生成关键词向量库，其中，所述关键词向量库中存储有各词语与其对应的词语向量间的一一映射关系；

相应的，所述获取目标语句中各词语对应的词语向量，包括：

根据所述目标语句在所述关键词向量库中查找得到该目标语句的全部词语对应的词语向量。

进一步地，所述将所述目标语句中各词语对应的词语向量输入LSTM模型中，得到目标语句的状态矩阵，包括：