[发明专利]基于特征编码的文本特征提取方法、系统、装置

权利要求书

1.一种基于特征编码的文本特征提取方法，其特征在于，包括：

步骤S10，获取输入文本的词候选特征序列；

步骤S20，基于所述词候选特征序列，生成M个二进制编码，M为正整数；

步骤S30，以所述M个二进制编码作为M组基因种群，并计算所述M组基因种群中每个个体的适应度，并基于所述M组基因种群中每个个体的适应度，采用基因遗传算法，获得最优二进制编码；

步骤S40，将所述最优二进制编码解码，获得对应的最优词特征序列作为提取的文本特征并输出；

其中，计算所述M组基因种群中每个个体的适应度之后，还可以计算基因变异率：

其中，β_m为群体中适应度不同分布提供动态变化的基因变异率，β为个体适应度，β_max是群体中最大的适应度，β_avg是群体的平均适应度，k₁、k₂为常数。

2.根据权利要求1所述的基于特征编码的文本特征提取方法，其特征在于，步骤S10中“获取输入文本的词候选特征序列”，其步骤为：

步骤S11，采用文本分词算法将输入的文本划分为词，构成文本词集；

步骤S12，对所述文本词集中每一个词进行权重计算，获得文本词集对应的权重；

步骤S13，按照权重从大到小的顺序选取预设数量的词作为词候选特征序列。

3.根据权利要求1所述的基于特征编码的文本特征提取方法，其特征在于，步骤S20中“基于所述词候选特征序列，生成M个二进制编码”，其步骤为：

步骤S21，对所述词候选特征序列中的词进行随机排列，获得M个随机特征序列；

步骤S22，将所述M个随机特征序列生成M个长度与所述词候选特征序列相同的二进制编码。

4.根据权利要求1所述的基于特征编码的文本特征提取方法，其特征在于，步骤S30中“基于所述M组基因种群中每个个体的适应度，采用基因遗传算法，获得最优二进制编码”，其步骤为：

步骤S31，计算所述M组基因种群中每个个体被遗传到下一代群体中的概率：

其中，f(x_i)为第i个基因种群个体的适应度函数，f(x_j)为第j个基因种群个体的适应度函数；

步骤S32，依据所述每个个体被遗传到下一代群体中的概率，计算每个个体的累计概率：

步骤S33，在[0，1]区间内产生一个均匀分布的伪随机数r，若r＜q_i，则选择个体1，否则，选择个体k，使得：q_k-1＜r≤q_k成立；

步骤S34，重复执行步骤S33共2M次，选出M组个体，对所述M组中每组两个个体以交叉率α触发单点交叉交换得到一个子代二进制编码；

步骤S35，以变异率β_m触发所述子代二进制编码中的某一位，发生二进制0-1置换，获得最优二进制编码。