[发明专利]文本分析方法及装置

权利要求书

1.一种文本分析方法，其特征在于，包括：

获取与待分析文本的多个分词相对应的特征信息；

将所述特征信息输入分析模型中进行处理，获取所述待分析文本的文本分析结果，

其中，所述分析模型包括卷积模块、关系模块、池化模块以及拼接输出模块，关系模块包括关系网络，关系网络用于捕捉待分析文本的分词之间远距离的依赖关系；

将所述特征信息输入所述卷积模块中进行处理，获取卷积结果；

将所述卷积结果分别输入所述关系模块和所述池化模块中进行处理，分别获取关系结果和池化结果；

将所述关系结果和所述池化结果输入拼接输出模块中进行处理，获取所述待分析文本的文本分析结果。

2.根据权利要求1所述的方法，其特征在于，获取与待分析文本的多个分词相对应的特征信息，包括：

对所述待分析文本的多个分词分别进行向量化处理，获取与所述多个分词相对应的多个向量信息；

根据所述多个向量信息，确定所述多个分词的特征信息。

3.根据权利要求1所述的方法，其特征在于，所述拼接输出模块包括多个全连接层和softmax处理层，

其中，将所述关系结果和所述池化结果输入拼接输出模块中进行处理，获取所述待分析文本的文本分析结果，包括：

对所述关系结果和所述池化结果进行向量拼接处理，获取拼接后的向量信息；

将所述拼接后的向量信息依次输入所述多个全连接层及所述softmax处理层中进行处理，获取所述待分析文本的文本分析结果。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取样本文本的多个分词相对应的训练特征信息；

将所述训练特征信息输入初始分析模型中进行处理，获取所述样本文本的训练分析结果，其中，所述初始分析模型包括初始卷积模块、初始关系模块、初始池化模块以及初始拼接输出模块；

根据所述训练分析结果及所述样本文本的标注结果，确定所述初始分析模型的模型损失；

根据所述模型损失，调整所述初始分析模型中的参数权值，确定调整后的分析模型；

在所述模型损失满足训练条件的情况下，将调整后的分析模型确定为最终的分析模型。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述卷积模块包括卷积神经网络，所述关系模块包括关系网络，所述池化模块包括最大值池化层。

6.一种文本分析装置，其特征在于，包括：

特征获取单元，用于获取与待分析文本的多个分词相对应的特征信息；

结果获取单元，用于将所述特征信息输入分析模型中进行处理，获取所述待分析文本的文本分析结果，

其中，所述分析模型包括卷积模块、关系模块、池化模块以及拼接输出模块，关系模块包括关系网络，关系网络用于捕捉待分析文本的分词之间远距离的依赖关系；

第一结果获取子单元，用于将所述特征信息输入所述卷积模块中进行处理，获取卷积结果；

第二结果获取子单元，用于将所述卷积结果分别输入所述关系模块和所述池化模块中进行处理，分别获取关系结果和池化结果；

第三结果获取子单元，用于将所述关系结果和所述池化结果输入拼接输出模块中进行处理，获取所述待分析文本的文本分析结果。

7.根据权利要求6所述的装置，其特征在于，所述特征获取单元包括：

向量化子单元，用于对所述待分析文本的多个分词分别进行向量化处理，获取与所述多个分词相对应的多个向量信息；

特征确定子单元，用于根据所述多个向量信息，确定所述多个分词的特征信息。

8.根据权利要求6所述的装置，其特征在于，所述拼接输出模块包括多个全连接层和softmax处理层，

其中，所述第三结果获取子单元包括：

拼接子单元，用于对所述关系结果和所述池化结果进行向量拼接处理，获取拼接后的向量信息；

信息处理子单元，用于将所述拼接后的向量信息依次输入所述多个全连接层及所述softmax处理层中进行处理，获取所述待分析文本的文本分析结果。