[发明专利]基于关键动词特征全密度传递的服务机器人指令解析方法

权利要求书

1.一种基于关键动词特征的服务机器人指令解析方法，其特征在于该方法步骤如下：

第一步，服务机器人在已知应用环境下工作，构建服务机器人的各种候选服务下的各种服务指令文本的数据库，每个服务指令文本中均已标注有指令语义，并对服务指令文本中的每个字进行独热编码表示获得每个字的独热编码字向量，利用停用词表采用去停用词方法对服务指令文本进行预处理；

第二步，将数据库划分为训练集和验证集；

第三步，采用斯坦福文本分析工具对每条服务指令文本进行分词，以每个词作为节点并额外建立虚拟根节点，解析每条服务指令文本中各词的词性与各节点间的依存关系，提取到虚拟根节点距离最远的动词作为关键动词，关键动词结合自身在服务指令文本的上下文信息构造特征作为关键动词的上下文特征x^kverb；

第四步，搭建双向长短期记忆网络模型，用训练集训练模型参数，验证集进行超参数调试；

第五步，采用训练好的双向长短期记忆网络模型针对待测的一段文本指令处理提取获得候选服务的类型及其候选服务下的服务对象、目标对象、移动动作终点，完成解析；

所述第四步中，所述的双向长短期记忆网络模型包含依次连接的四层双向长短期记忆网络，相邻层双向长短期记忆网络之间除了依次连接以外还采用高速通道方式进行依存连接，使得四层双向长短期记忆网络形成堆叠结构，具体表示如下：

h¹＝BiLSTM(x)

其中，hⁱ表示第i层双向长短期记忆网络层的输出，i＝1、2、3、4；σ为Sigmoid函数，和分别表示双向长短期记忆网络模型第i层的高速通道的第j个训练矩阵参数和训练向量参数，i＝2、3、4，j＝1、2、…、i；x表示双向长短期记忆网络模型的输入；

第四层双向长短期记忆网络的输出h⁴经过线性维度转换和softmax操作处理后得到每个字对应的指令语义的概率分布：

y^S＝soft max(W^Sh⁴+b^S)

其中，W^S表示为第四层双向长短期记忆网络针对候选服务的训练矩阵参数，b^S表示为第四层双向长短期记忆网络针对候选服务的训练向量参数；

第四层双向长短期记忆网络最后一个单元的单独输出经过线性维度转换和softmax操作处理后得到服务指令文本对应的候选服务的概率分布：

其中，W^I表示为第四层双向长短期记忆网络最后一个单元针对候选服务的训练矩阵参数，b^I表示为第四层双向长短期记忆网络最后一个单元针对候选服务的训练向量参数；表示第四层双向长短期记忆网络最后一个单元的输出。

2.根据权利要求1所述的一种基于关键动词特征的服务机器人指令解析方法，其特征在于：所述第三步中，所发明的关键动词上下文特征x^kverb包括关键动词的独热编码词向量x^key、关键动词上下文相邻词x^context、区域标记x^mark的三部分；关键动词的独热编码词向量是由词中所包含的每个字的独热编码字向量连接构成，关键动词上下文相邻词x^context为与关键动词相邻且在一个字邻域内的各词的独热编码词向量的矢量和，区域标记x^mark表示每个字与关键动词的远近依赖关系。

3.根据权利要求1所述的一种基于关键动词特征的服务机器人指令解析方法，其特征在于：所述第四步中，训练时，以服务指令文本及其独热编码词向量x^word与关键动词上下文特征x^kverb拼接后结果作为输入特征，以服务指令文本其对应的候选服务类型和各个指令语义，作为双向长短期记忆网络模型的预测标签，输入双向长短期记忆网络模型进行训练。

4.根据权利要求1所述的一种基于关键动词特征的服务机器人指令解析方法，其特征在于：所述的候选服务包含有机器人对象、服务对象、目标对象、目标对象位置、移动路径终点、移动路径经过点、服务时间、使用工具、执行速度、执行频率。