[发明专利]基于神经网络的文本特征判断方法、装置和存储介质

权利要求书

1.基于神经网络的文本特征判断方法，其特征在于，包括：

为标识字符分配标识信息，生成字符标识关联数据，所述标识字符包括汉字字符、标点字符、数字字符和英文字符中的至少一种；

获取文本训练集，所述文本训练集包括多个训练文本以及每个训练文本对应的训练文本特征，每个所述训练文本由一个或多个所述标识字符组成；

根据所述字符标识关联数据生成每个所述训练文本对应的曲线坐标图，其中，包括确定所述训练文本中包含的每个训练标识字符，根据所述字符标识关联数据确定每个训练标识字符对应的标识信息，对所述每个训练标识字符的标识信息进行统计，生成所述训练文本对应的曲线坐标图，所述曲线坐标图的横坐标为标识信息，纵坐标为每个训练标识字符出现的次数；

将所述曲线坐标图作为输入，对应的训练文本特征作为输出，利用神经网络进行训练得到文本特征判断模板；

获取待识别文本，根据所述文本特征判断模板对所述待识别文本进行判断确定文本特征，其中，包括确定所述待识别文本中的标识字符，并依据所述字符标识关联数据生成对应的曲线坐标图，将所述待识别文本对应的曲线坐标图和所述文本特征判断模板中的特征曲线坐标图进行比对，依据比对结果确定所述待识别文本的文本特征。

2.根据权利要求1所述的方法，其特征在于，所述为标识字符分配标识信息，生成字符标识关联数据，包括：

确定预设数量的不同标识字符，为每个所述标识字符分配唯一的标识序号；

将每个所述标识字符和对应的标识序号关联存储生成字符标识关联表或字符标识关联矩阵。

3.根据权利要求1-2中任一项所述的方法，其特征在于，所述文本特征判断模板包括：

不同的特征曲线坐标图以及各自对应的文本特征，所述文本特征包括情绪特征。

4.根据权利要求1所述的方法，其特征在于，所述将所述待识别文本对应的曲线坐标图和所述文本特征判断模板中的特征曲线坐标图进行比对，包括：

确定所述待识别文本对应的曲线坐标图和所述文本特征判断模板中的特征曲线坐标图的相似度；

将相似度最高的特征曲线坐标图确定为比对结果。

5.根据权利要求1所述的方法，其特征在于，在获取文本训练集之后，还包括：

将所述文本训练集中的训练文本按照标识字符的数量进行分组；

相应的，所述利用神经网络进行训练得到文本特征判断模板，包括：

利用神经网络对每个分组中的训练文本进行训练，得到不同标识字符数量对应的文本特征判断模板。

6.基于神经网络的文本特征判断装置，其特征在于，包括：

数据生成模块，用于为标识字符分配标识信息，生成字符标识关联数据，所述标识字符包括汉字字符、标点字符、数字字符和英文字符中的至少一种；

训练集获取模块，用于获取文本训练集，所述文本训练集包括多个训练文本以及每个训练文本对应的训练文本特征，每个所述训练文本由一个或多个所述标识字符组成；

坐标图生成模块，用于根据所述字符标识关联数据生成每个所述训练文本对应的曲线坐标图，其中，包括确定所述训练文本中包含的每个训练标识字符，根据所述字符标识关联数据确定每个训练标识字符对应的标识信息，对所述每个训练标识字符的标识信息进行统计，生成所述训练文本对应的曲线坐标图，所述曲线坐标图的横坐标为标识信息，纵坐标为每个训练标识字符出现的次数；

模板生成模块，用于将所述曲线坐标图作为输入，对应的训练文本特征作为输出，利用神经网络进行训练得到文本特征判断模板；

文本特征确定模块，用于获取待识别文本，根据所述文本特征判断模板对所述待识别文本进行判断确定文本特征，其中，包括确定所述待识别文本中的标识字符，并依据所述字符标识关联数据生成对应的曲线坐标图，将所述待识别文本对应的曲线坐标图和所述文本特征判断模板中的特征曲线坐标图进行比对，依据比对结果确定所述待识别文本的文本特征。