[发明专利]一种基于卷积神经网络的句子分类方法及系统

权利要求书

1.一种基于卷积神经网络的句子分类方法，其特征在于，包括：

对句子中的字母和字符进行编码后，根据字母和字符的上下文关系，分别得到字母向量和字符向量；

根据句子结构，按顺序对字母向量和字符向量进行叉乘得到混合向量；

基于卷积神经网络对混合向量进行特征提取，基于提取的特征根据预设标签类型得到句子分类结果。

2.如权利要求1所述的一种基于卷积神经网络的句子分类方法，其特征在于，通过one-hot对句子中的字母和字符进行编码。

3.如权利要求1所述的一种基于卷积神经网络的句子分类方法，其特征在于，字母和字符的上下文关系的构建过程具体包括：使用ship-gram构建语言模型，通过字母和字符及其对应的语料库，推导上下文关系。

4.如权利要求1所述的一种基于卷积神经网络的句子分类方法，其特征在于，基于卷积神经网络对混合向量进行特征提取的过程包括：通过具有不同窗口大小的多个滤波器提取混合向量的特征。

5.如权利要求1所述的一种基于卷积神经网络的句子分类方法，其特征在于，基于卷积神经网络对混合向量进行特征提取的过程还包括：在卷积神经网络的倒数第二层形成混合向量的特征，并将其传递给完全连接的softmax层。

6.如权利要求1所述的一种基于卷积神经网络的句子分类方法，其特征在于，所述卷积神经网络的结构包括：在卷积神经网络的倒数第二层上加入Dropout层。

7.如权利要求1所述的一种基于卷积神经网络的句子分类方法，其特征在于，所述卷积神经网络的结构还包括：在卷积神经网络的倒数第二层上使用随机放弃神经元节点的方式防止卷积神经网络过拟合。

8.一种基于卷积神经网络的句子分类系统，其特征在于，包括：

向量提取模块，被配置为对句子中的字母和字符进行编码后，根据字母和字符的上下文关系，分别得到字母向量和字符向量；

混合向量计算模块，被配置为根据句子结构，按顺序对字母向量和字符向量进行叉乘得到混合向量；

分类模块，被配置为基于卷积神经网络对混合向量进行特征提取，基于提取的特征根据预设标签类型得到句子分类结果。

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。