[发明专利]一种基于GCN的汉语复句隐式关系分析方法及装置

说明书

本发明提供了一种基于GCN的汉语复句隐式关系分析方法及装置，其构建的复句隐式关系识别模型依次将复句中的各分句进行分布式表示，得到一个高维序列化且具有上下文语义感知的字符级嵌入表示；将复句的字符级嵌入表示和词性嵌入表示进行拼接后输入到Bi‑LSTM递归神经网络，通过学习获得复句单词间的语义序列记忆特征，并将该记忆特征与拼接向量表示进行融合获得全局的语义特征表示；将复句中以单词为基本单元获取单元间存在的依存句法关系，并将其以矩阵的形式与全局语义特征共同输入至图卷积神经网络深度学习特征以实现隐式关系的分析识别；本发明解决了由于隐式句间关系语句没有较好的特征导致模型训练不充分、识别效果不好的问题。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种基于GCN(图卷积网络)的汉语复句隐式关系分析方法及装置。

背景技术

汉语复句的关系识别是汉语言语义分析的核心任务之一，旨在自动判别同一复句内部，两个乃至多个相邻或特定跨度范围内的文本片段间所蕴含的语义连接关系，例如：因果关系、并列关系等。这里的文本片段具体指具有完整语义的文字序列即子句、分句或连续的语段等。该任务在自然语言处理(Natural Language Processing,NLP)研究中是一项基础研究任务，正确的进行复句的机器理解和分析，不仅需要理解复句整体的结构和语义，还需理解复句内各语言组件间的关联和信息交互，挖掘复句的结构化和语义化信息。

本申请发明人在实施本发明的过程中，发现现有技术中存在如下技术问题：

隐式复句的关系识别的难点在于该任务的文本语料中缺少显示的关系连接词，缺乏较好的语义逻辑提示信息。与此同时，汉语复句语料稀少和样本的分布不平衡，造成隐式复句关系识别无法得到很好的解决。由此可知，现有技术的方法，由于隐式句间关系语句没有较好的特征导致模型训练不充分、识别效果不好。

发明内容

本发明提出一种基于GCN的汉语复句隐式关系分析方法及装置，用于解决或者至少部分解决现有技术中对汉语复句隐式关系识别准确率较低的技术问题。

为了解决上述技术问题，本发明提供了一种基于GCN的汉语复句隐式关系分析方法，包括：

S1：获取语料文本，通过数据集划分得到训练数据；

S2：构建复句隐式关系识别模型，其中，复句隐式关系识别模型包括嵌入模块、文本语义获取模块、依存句法关系图模块以及隐式关系判别模块，其中，嵌入模块用于获取语料文本的字符级嵌入表示和词性嵌入表示，文本语义获取模块用于采用Bi-LSTM循环神经网络对字符级嵌入表示和词性嵌入表示的拼接向量表示进行建模，获得复句单词间的语义序列记忆特征，依存句法关系图模块用于将复句以单词为基本单元，获取单元间存在的依存句法关系，隐式关系判别模块用于根据拼接向量、复句单词间的语义序列记忆特征以及单元间存在的依存句法关系得到语义以及句法结构的交互信息，并得到关系分类；

S3：利用训练数据对复句隐式关系识别模型进行训练，使用交叉熵作为损失函数，得到训练好的复句隐式关系识别模型；

S4：利用训练好的复句隐式关系识别模型对汉语复句隐式关系进行判别。

在一种实施方式中，步骤S2中嵌入模块的处理过程包括：

依次将复句中的各分句进行分布式表示，得到字符级嵌入表示；

将词性生成为独热编码的形式，依次生成句子单词对应位置的词性嵌入表示。

在一种实施方式中，步骤S2中依存句法关系图模块的处理过程包括：

依次对复句进行句法解析将单词间存在的依存关系进行提取，以矩阵的形式进行存储，该矩阵为构建的依存句法关系图结构，其中，依存关系包括：主谓关系、动宾关系。

在一种实施方式中，步骤S2中隐式关系判别模块处理过程包括：