[发明专利]基于语义增强的信息识别方法、装置、设备及存储介质

权利要求书

1.一种基于语义增强的信息识别方法，其特征在于，所述方法包括：

获取待识别的文本信息，获取所述待识别的文本信息中的关键词；

在预训练的词向量库中获取所述关键词的相似词；

采用预设的上下文编码模型对所述相似词进行编码，得到所述相似词的隐藏向量，根据所述隐藏向量计算所述相似词的词向量权重，并根据所述相似词和所述词向量权重计算得到所述关键词的语义增强信息；

通过预设的门控模型分别计算所述语义增强信息相对所述关键词语义理解的第一信息权重和所述隐藏向量相对所述关键词语义理解的第二信息权重，根据所述第一信息权重和所述第二信息权重计算所述关键词的语义特征参数，并通过所述预设的门控模型计算得到所述关键词的语义特征参数对应的语义预测序列标签；

根据所述关键词的语义预测序列标签对所述待识别的文本信息进行信息识别。

2.根据权利要求1所述的基于语义增强的信息识别方法，其特征在于，所述在预训练的词向量库中获取所述关键词的相似词的步骤，包括：

根据余弦相似度计算所述预训练的词向量库中的词语与所述关键词的语义相似性，按照所述语义相似性从高到低选取m个词语作为所述关键词的相似词，其中，m为正整数。

3.根据权利要求2所述的基于语义增强的信息识别方法，其特征在于，所述采用预设的上下文编码模型对所述相似词进行编码，得到所述相似词的隐藏向量的步骤，包括：

通过预设的词向量矩阵将一所述相似词映射为一词向量，将所述词向量输入至所述预设的上下文编码模型中，以使所述上下文编码模型对所述相似词进行编码，输出所述相似词的隐藏向量。

4.根据权利要求3所述的基于语义增强的信息识别方法，其特征在于，所述根据所述隐藏向量计算所述相似词的词向量权重的步骤，包括：

通过下式(1)计算所述相似词的词向量权重：

p_i,j＝softmax(h_ie_i,j) (1)

式中，p_i,j为所述相似词的词向量权重，h_i为所述相似词的隐藏向量，e_i,j为所述相似词c_i,j对应的词向量，所述相似词的集合C_i＝{c_i,1，c_i,2，...，c_i,j}，1≤j≤m，1≤i≤K，K为所述待识别的文本信息中的关键词的个数；其中，h_i的维度与e_i,j相同。

5.根据权利要求4所述的基于语义增强的信息识别方法，其特征在于，所述根据所述相似词和所述词向量权重计算得到所述关键词的语义增强信息的步骤，包括：

通过下式(2)计算所述关键词的语义增强信息：

式中，v_i为所述关键词的语义增强信息，1≤j≤m，1≤i≤K，K为所述待识别的文本信息中的关键词的个数。