[发明专利]一种文本属性特征的识别、分类及结构分析方法及装置

权利要求书

1.一种文本属性特征的识别方法，其特征在于，包括：

根据目标文本中的语句生成语法结构；

根据所述语法结构中的节点关系生成数据结构；

根据所述数据结构生成第一输入向量；

根据所述第一输入向量及预设的文本属性特征分类模型确定各所述语句包含属性特征文本的概率；

根据所述概率识别所述目标文本中的文本属性特征；

其中，根据所述第一输入向量及预设的文本属性特征分类模型确定各所述语句包含属性特征文本的概率，至少包括以下步骤中的至少之一：

根据所述第一输入向量及预设的文本属性特征分类模型确定各所述语句包含属性特征的第一概率；

根据所述第一输入向量及预设的文本属性特征分类模型确定各所述语句中的短语包含属性特征的第二概率；

根据所述第一输入向量及预设的文本属性特征分类模型确定各所述语句中的段落包含属性特征的第三概率。

2.根据权利要求1所述的文本属性特征的识别方法，其特征在于，所述根据目标文本中的语句生成语法结构，包括：

分别识别所述目标文本中各语句的词语，并构建词语有向图；

计算所述词语有向图中第一个节点到最后一个节点的最短路径，作为各所述语句的分词结果；

根据各语句的分词结果构建词语序列；

根据所述词语序列中相邻的词语生成输入向量；

根据预设的神经网络模型及所述输入向量得到输出向量；

计算所述输入向量及输出向量的夹角余弦值；

将夹角余弦值最大的两个相邻词语构建组合节点，直至生成所述词语序列的根节点；

根据所述组合节点及根节点确定所述词语序列的语法结构。

3.根据权利要求1所述的文本属性特征的识别方法，其特征在于，所述预设的文本属性特征分类模型为功效语句分类模型，通过以下过程构建所述功效语句分类模型：

获取功效语句样本，所述功效语句样本包括预设的功效标记及样本语句；

根据所述功效语句样本生成第一语法结构；

根据所述第一语法结构中的节点关系生成第一特征列表；

根据所述特征列表生成第一分类输入向量，根据所述预设的功效标记及样本语句生成第一分类输出向量；

根据所述第一分类输入向量及第一分类输出向量对预设的分类模型进行训练，生成所述功效语句分类模型。

4.根据权利要求1所述的文本属性特征的识别方法，其特征在于，所述预设的文本属性特征分类模型为功效短语分类模型，通过以下过程构建所述功效短语分类模型：

获取功效短语样本，所述功效短语样本包括预设的功效标记及样本短语；

根据所述功效短语样本生成第二语法结构；

根据所述第二语法结构中的节点关系生成第二特征列表；

根据预设的功效短语生成第二数据结构；

根据所述第二特征列表及第二数据结构生成第二分类输入向量，根据所述预设的功效标记及样本短语生成第二分类输出向量；

根据所述第二分类输入向量及第二分类输出向量对预设的分类模型进行训练，生成所述预设的功效短语分类模型。

5.一种文本属性特征的分类方法，其特征在于，包括：

通过如权利要求1-4中任一项所述的文本属性特征的识别方法根据目标文本中的语句识别所述目标文本中的文本属性特征；

根据所述目标文本的识别结果构建文本属性特征集合；

根据所述文本属性特征集合构建结构树；

分别确定所述结构树中各叶节点的类中心点，将多个类中心点构成类中心集合；

根据所述多个类中心点生成类中心向量，根据所述结构树的叶节点生成叶节点向量；

根据所述类中心向量及叶节点向量分类节点确定各所述叶节点的分类节点。

6.根据权利要求5所述的文本属性特征的分类方法，其特征在于，所述分别确定所述结构树中各叶节点的类中心点，包括：

分别将所述结构树中其中一个叶节点作为中心节点，计算所述结构树中的叶节点到所述中心节点的平均距离；

将所述平均距离最远的叶节点确定为所述类中心点。