[发明专利]一种中文语义角色标注方法、装置、计算机装置及计算机可读存储介质

说明书

本发明适用于互联网技术领域，提供了一种中文语义角色标注方法、装置、计算机装置及计算机可读存储介质，该方法包括：对预先获取的训练集的中文语料进行处理，得到训练集的词的最终表示；对预先获取的验证集的中文语料进行处理，得到验证集的词的最终表示；采用双向GRU及CRF构建序列标注模型，并对序列标注模型设置初始参数，对序列标注模型的参数进行优化；通过验证集的词的最终表示对优化参数后的序列标注模型进行性能评估，将性能满足预设条件的序列标注模型作为目标序列标注模型，并通过该模型对预先获取的测试集中的中文语料进行中文语义角色标注。本发明提供的中文语义角色标注方法，可简化中文语义角色标注的操作，提高语义角色标注效率。

技术领域

本发明属于互联网技术领域，尤其涉及一种中文语义角色标注方法、装置、计算机装置及计算机可读存储介质。

背景技术

随着人工智能大数据技术的发展，在自然语言处理的研究方面也取得了很多突破性的进展。词法、句法和语义分析技术的进步使得自然语言处理技术在机器翻译、信息检索等领域得到了广泛的应用。语义分析技术中的语义角色标注技术，作为分析句子语义主干的主流方法之一，着重从语义角度刻画句子的结构信息，其在摘要自动生成、知识挖掘、情感分析、统计机器翻译、搜索相关性计算等多个领域具有重要的应用价值。现有的中文语义角色工作多依赖于复杂的特征工程，在特征工程的基础上结合了神经网络模型，用深度学习代替机器学习，但是，目前并没有完全依赖神经网络模型的自学习能力，仍旧需要对输入数据进行人工特征提取，从而导致特征工程需要耗费大量的人力物力资源，另外，由于目前技术过分依赖人工标注信息，导致模型的泛化能力弱，当改变应用领域时，往往需要重新标注信息。综上所述，现有的中文语义角色标注过程中存在操作复杂、效率低的问题。

发明内容

本发明实施例提供一种中文语义角色标注方法，旨在解决现有的中文语义角色标注过程中存在操作复杂、效率低的问题。

本发明是这样实现的，一种中文语义角色标注方法，包括：

对预先获取的训练集的中文语料进行处理，得到所述训练集的词的最终表示；

对预先获取的验证集的中文语料进行处理，得到所述验证集的词的最终表示；

基于TensorFlow架构，采用双向GRU及CRF构建序列标注模型，并对所述序列标注模型的超参数设置初始值，将所述训练集的词的最终表示输入所述序列标注模型进行训练，对所述序列标注模型的参数进行优化；

通过所述验证集的词的最终表示对优化参数后的序列标注模型进行性能评估，将性能满足预设条件的序列标注模型作为目标序列标注模型，通过所述目标序列标注模型对预先获取的测试集中的中文语料进行中文语义角色标注。

可选的，所述对预先获取的训练集中的中文语料进行处理，得到所述训练集的词的最终表示，包括以下过程：

对所述训练集中的语句进行分词处理，分别得到语句中词语的第一词向量表示，及语句中字的第一字向量表示；

将所述第一词向量表示作为所述训练集的词的外部信息表示，将所述第一字向量表示输入卷积神经网络模型得到所述训练集的词的内部信息表示，并对所述训练集的词的外部信息表示及所述训练集的词的内部信息表示进行连接，构成所述训练集的词的最终表示。

可选的，所述对预先获取的验证集的中文语料进行处理，得到所述验证集的词的最终表示，包括以下过程：

对所述验证集中的语句进行分词处理，得到第二词向量表示，并获取所述验证集中的语句的第二字向量表示；

将所述第二词向量表示作为所述验证集的词的外部信息表示，将所述第二字向量表示输入卷积神经网络模型得到所述验证集的词的内部信息表示，并对所述验证集的词的外部信息表示及所述验证集的词的内部信息表示进行连接，构成所述验证集的词的最终表示。