[发明专利]一种语言文本的分词、词性和韵律预测方法及装置

权利要求书

1.一种语言文本的分词、词性和韵律预测方法，其特征在于，包括如下步骤：

S1根据划分的词性和韵律信息种类数量，设定综合编码组，所述综合编码组覆盖所有词性和韵律信息的组合，所述综合编码组的每一综合编码都体现了唯一的词性和韵律信息组合；

S2收集不同的文本样本，对文本样本t进行分词，分词后对每一词标记其词性和韵律信息，并以所述综合编码对词进行标记，得到该文本样本t的综合编码向量K（t）；

S3对文本样本t的每一单独汉字利用向量定义规则A进行向量定义，向量定义后的文本转化为该文本样本t的M*N阶向量矩阵X（t），其中M为文本字数，N为向量定义规则A定义的向量维度；

S4选择文本训练模型，输入向量矩阵X（t）对所述模型进行训练，训练结果以输出相同或尽可能接近步骤S2中得到的综合编码向量K（t）为目标,t表示文本；

S5利用步骤S4得到的训练后的模型输入待预测文本的向量矩阵进行预测，所述向量矩阵为按照步骤S3得到的向量矩阵。

2.如权利要求1所述的预测方法，其特征在于，所述词性的分类包括名词、动词、形容词、数词、量词、代词,副词、介词、连词、助词、叹词、拟声词12种。

3.如权利要求1所述的预测方法，其特征在于，所述韵律信息包括最小词结构、韵律词、韵律短语、语调短语、句末5种。

4.如权利要求1所述的预测方法，其特征在于，所述向量定义规则A为根据word2vec或embedding规则对汉字进行的向量定义。

5.如权利要求1所述的预测方法，其特征在于，所述文本训练模型为LSTM、RNN、CRF中的任意一种。

6.一种语言文本的分词、词性和韵律预测装置，其特征在于，用于实现如权利要求1-5任意一项所述语言文本的分词、词性和韵律预测方法。