[发明专利]一种语义分析系统以及语义分析方法

权利要求书

1.一种语义分析方法，其特征在于，所述方法包括以下步骤：

S100，把用户在客户端输入的字符串Token传输到云服务器；

S200，将文件通过文字识别得到的字符串数据作为集合Wordset传输到云服务器；

S300，在云服务器中，将集合Wordset通过分词算法得到集合Paraset；

S400，在云服务器中，计算字符串Token在Paraset中元素的距离度；

S500，根据距离度计算选取出连接序列Sline；

S600，云服务器将Sline发送到客户端；

其中，在S100中，把用户在客户端输入的字符串Token传输到云服务器的方法为：采集用户在客户端所输入的字符串记作Token，将字符串Token传输到云服务器；

在S300中，在云服务器中，将集合Wordset通过分词算法得到集合Paraset的方法为：在云服务器的数据库中获取集合Wordset，将集合Wordset中的每一个字符串数据分别通过分词算法转化为字符串数组，将由集合Wordset中各个字符串数据通过分词得到的多个字符串数组作为集合Paraset；

在S400中，在云服务器中，计算字符串Token在Paraset中元素的距离度的方法为：计算字符串Token在Paraset中各元素的多个连接序列的具体方法为，记集合Paraset各元素的数量为n，变量i为集合Paraset中元素的序号，i∈[1,n]，字符串数组Paraset(i)表示集合Paraset中序号为i的元素，记变量j表示字符串数组Paraset(i)中字符串的序号，m为字符串数组Paraset(i)中包含的字符串的数量，word(i,j)表示集合Paraset中序号为i的元素Paraset(i)中的序号为j的字符串，记函数Vec()为通过词向量方法将输入的字符串进行向量化得到词向量的函数，通过函数Vec()所得的词向量的维度均相同，记通过函数Vec()所得的词向量的维度为k，变量t表示通过函数Vec()所得的词向量的第t维的序号，t∈[1,k]，则Vec(Token)表示通过词向量方法将Token进行向量化得到的词向量，记vt即表示Vec(Token),Vec(word(i,j))表示通过词向量方法将word(i,j)进行向量化得到的词向量，记vw即表示Vec(word(i,j))，vt[t]表示Vec(Token)的第t维数值，vw[t]表示Vec(word(i,j))的第t维数值，记词向量Vec(Token)与Vec(word(i,j))之间的距离度为d(i,j)，计算词向量Vec(Token)与Vec(word(i,j))之间的距离度d(i,j)的公式为：

则记函数D()为输入两个向量计算两个向量之间的距离度的函数，词向量Vec(Token)与Vec(word(i,j))之间的距离度为d(i,j)，通过函数D()表示为:

d(i,j)=D(Vec(Token),Vec(word(i,j))),

或者d(i,j)=D(vt,vw),

或者D(vt,vw)=D(Vec(Token),Vec(word(i,j)))；

在S500中，根据距离度计算选取出连接序列Sline的方法为：计算Vec(Token)分别与集合Paraset中序号为i的元素Paraset(i)中的各个字符串通过函数Vec()进行向量化得到的各个词向量的距离记作整体距离度Dis(vt, Paraset(i))，整体距离度函数Dis()表示计算一个词向量与集合Paraset中序号为i的元素Paraset(i)中的各个字符串通过函数Vec()进行向量化得到的各个词向量的整体距离度，Dis(vt, Paraset(i)) 整体距离度的计算公式为：

进而根据Dis(vt, Paraset(i))的公式分别计算vt 与Paraset中各个元素之间的整体距离度，将vt 与Paraset中各个元素之间的整体距离度作为集合Diset，根据集合Diset中各元素的数值大小按从小到大的顺序对各元素在Paraset中的序号进行排序得到连接序列Sline。