[发明专利]一种基于深度学习的中文自然语言处理方法在审
申请号: | 201911315276.8 | 申请日: | 2019-12-18 |
公开(公告)号: | CN111104499A | 公开(公告)日: | 2020-05-05 |
发明(设计)人: | 赵良军 | 申请(专利权)人: | 四川轻化工大学 |
主分类号: | G06F16/332 | 分类号: | G06F16/332;G06F40/284;G10L15/26 |
代理公司: | 北京彭丽芳知识产权代理有限公司 11407 | 代理人: | 胡若玲 |
地址: | 643000 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 深度 学习 中文 自然语言 处理 方法 | ||
1.一种基于深度学习的中文自然语言处理方法,其特征在于:包括:
语义处理系统接收语句数据,得到语句文字数据;
提取语句文字数据中的固定语信息和泛化对象信息;
判断所提取的骨干结构中是否存在特殊疑问词,当存在时,则获取所述特殊疑问词的类型;
提取第一语句的一个或多个关键词;查找到一个或多个关键词对应的信息或命令;
呈现信息或命令的执行结果。
2.根据权利要求1所述的一种基于深度学习的中文自然语言处理方法,其特征在于,提取所述第一语句的一个或多个关键词包括:
对所述第一语句进行分词得到多个词语;
使用所述多个词语与预先配置的多个模板进行匹配,其中,所述模板是指由多个语义元组成的连贯语义模式,每个所述语义元有预先设定的与所述模板对应的语义贡献度,所述语义元是指具有相同或近似语义的关键词集合;
从所述多个模板中获取第一模板,所述第一模板是指与所述多个词语部分或全部语义关联度最高的模板;
获取所述多个词语中与所述第一模板中的语义元匹配成功的词语,将所述匹配成功的词语作为关键词。
3.根据权利要求1所述的一种基于深度学习的中文自然语言处理方法,其特征在于,当所述骨干结构中既不存在特殊疑问词,又不存在一般疑问词时,则将所述骨干结构存储至所述知识库中。
4.根据权利要求1所述的一种基于深度学习的中文自然语言处理方法,其特征在于,所述语句数据包括语句语音数据和语句文字数据;所述语义处理系统接收语句数据,得到语句文字数据具体为:所述语义处理系统的语音转换器接收所述语句数据,对所述语句数据中的语句语音数据进行识别,得到所述语句语音数据的语句文字数据,并将所述语句语音数据的语句文字数据插入所述语义处理系统的输入队列的末尾;所述语义处理系统的轮询器监听所述输入队列的数据插入,从所述输入队列中获取所述输入队列末尾的语句文字数据,得到所述当前语句文字数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川轻化工大学,未经四川轻化工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911315276.8/1.html,转载请声明来源钻瓜专利网。