[发明专利]语义分析方法、装置及电子设备

权利要求书

1.一种语义分析方法，其特征在于，包括：

接收用户输入的第一语音信息；

将所述第一语音信息转化为文字信息；所述将所述第一语音信息转化为文字信息，具体包括：判断所述第一语音信息是否为标准语音信息；若否，则将所述第一语音信息转换为标准语音信息；将所述标准语音信息转化为文字信息；其中，所述若否，则将所述第一语音信息转换为标准语音信息，包括：

若判定所述第一语音信息不是为标准语音信息，利用非标准语言模型对所述第一语音信息进行提取、划分，得到至少一个非预设语言词组；并记录非预设语言词组位于第一语音信息中的位置信息；

根据所述非预设语言词组在所述语音信息中的位置以判断所述非预设语言词组的词性；

基于所述词性查找词组对应表以得到与所述非预设语言词组对应的词义；

当词义为多个时，若多个词义不是近义词，则根据上下文进行语义理解，生成语义理解结果；根据所述非预设语言词组的音量以判断情感信息；基于所述语义理解结果和情感信息确定所述非预设语言词组的词义，将该词义作为与所述非预设语言词组对应的标准语言词组；

根据记录的非预设语言词组位于第一语音信息中的位置信息将所述标准语言词组返回至所述第一语音信息中的位置，生成标准语音信息；

利用文字模型对所述文字信息进行处理；

利用构建的深度学习模型对经过处理的文字信息进行语义分析生成文字信息的语义理解结果；

将文字信息的语义理解结果进行输出。

2.根据权利要求1所述的方法，其特征在于，所述利用文字模型对所述文字信息进行处理，具体包括：

利用文字模型对文字信息进行文字切分、过滤、分类、词性分析、词性标注、提取标签，得到多个分词词组。

3.根据权利要求1所述的方法，其特征在于，所述利用构建的深度学习模型对经过处理的文字信息进行语义分析生成文字信息的语义理解结果，具体包括：

利用构建的深度学习模型结合应用场景对经过处理的文字信息进行上下文理解和语义消歧，生成文字信息的语义理解结果。

4.根据权利要求3所述的方法，其特征在于，所述利用构建的深度学习模型结合应用场景对经过处理的文字信息进行上下文理解和语义消歧，生成文字信息的语义理解结果，具体包括：

利用构建的深度学习模型对经过处理的文字信息的多个词组结合语境进行上下文理解、语义消歧；得到多个词组的语义结果；

将多个词组的语义结果分别与知识图谱的词组进行比对，得到每个词组的相似度值，将相似度值最高的词组作为每个词组的语义结果，得到多个词组的语义结果；

将多个词组的语义结果进行组合，生成文字信息的语义理解结果。

5.根据权利要求3所述的方法，其特征在于，所述利用构建的深度学习模型结合应用场景对经过处理的文字信息进行上下文理解和语义消歧，生成文字信息的语义理解结果，具体包括：

利用构建的深度学习模型对经过处理的文字信息的多个词组结合语境进行上下文理解、语义消歧；得到多个词组的语义结果；

将多个词组的语义结果结合知识图谱，分析多个词组的内在关系和/或逻辑关系，生成文字信息的语义理解结果。

6.根据权利要求1所述的方法，其特征在于，所述将文字信息的语义理解结果进行输出，具体包括：

将文字信息的语义理解结果以文字的形式进行输出；

和/或，将文字信息的语义理解结果以标准语音的形式进行输出；

和/或，将文字信息的语义理解结果以图片的形式进行输出；

和/或，将文字信息的语义理解结果以视频的形式进行输出；

和/或，将文字信息的语义理解结果以超链接的形式进行输出。

7.根据权利要求1所述的方法，其特征在于，还包括：

在所述深度学习模型的训练过程和/或应用过程中，通过人工干预进行辅助标记，以提高分词的理解准确度。