[发明专利]一种融合多句法结构的语义关系分类方法

权利要求书

1.一种融合多句法结构的语义关系分类方法，其特征在于，包括以下步骤：

S1、对文本序列进行数据预处理，获取该文本序列S＝{S₁,S₂,...,S_n}的词性标签P＝{P₁,P₂,...,P_n}和依赖关系标签D＝{D₁,D₂,...,D_n}；

S2、对文本序列S＝{S₁,S₂,...,S_n}以及词性标签P＝{P₁,P₂,...,P_n}进行双向编码h＝{h₁,h₂}与加权学习获得加权后的双向编码h'＝{h'₁,h'₂}，并对加权后的双向编码h'＝{h'₁,h'₂}进行解码获得该文本序列S＝{S₁,S₂,...,S_n}的实体标签L＝{L₁,L₂,...,L_n}；

S3、利用依赖关系标签D＝{D₁,D₂,...,D_n}、双向编码h＝{h₁,h₂}以及实体标签L＝{L₁,L₂,...,L_n}构建联合向量V＝{D,h,L},并利用联合向量V＝{D,h,L}对双向树结构网络进行端到端的训练，获取文本序列S＝{S₁,S₂,...,S_n}的三元组结构化信息并进行非线性变换后输出语义关系类别；

步骤S2具体为：

S21、对文本序列S＝{S₁,S₂,...,S_n}以及词性标签P＝{P₁,P₂,...,P_n}进行拼接，得到文本词性拼接向量V＝{S_n,P_n}；

S22、将文本词性拼接向量V＝{S_n,P_n}输入到双向循环神经网络Bi-LSTM中，获取两个方向的隐状态向量h1和h2；

S23、对隐状态向量h1和h2进行拼接获得双向编码h＝{h₁,h₂}；

S24、利用注意力机制对双向编码h＝{h₁,h₂}进行加权学习并获得加权后的双向编码h'＝{h'₁,h'₂}；

S25、对加权后的双向编码h'＝{h'₁,h'₂}进行解码获得该文本序列S＝{S₁,S₂,...,S_n}的实体标签L＝{L₁,L₂,...,L_n}；所述步骤S24具体为：将双向编码h＝{h₁,h₂}输入到基于word-level的Attention机制模型中进行加权学习，获得加权后的双向编码h'＝{h'₁,h'₂}。