[发明专利]基于深度学习模型的语义分析方法、装置及存储介质

权利要求书

1.一种基于深度学习模型的语义分析方法，其特征在于，包括：

从深度学习模型的训练文本数据中提取字向量；

获取经训练的固定词向量；

根据自定义规则修改所述固定词向量，包括为至少一个所述固定词向量增加至少一个特征标记形成特征词向量，每个所述特征标记用于标记所述固定词向量的一种分类；

设置所述字向量的维度等于所述特征词向量的维度；

采用所述字向量和所述特征词向量训练所述深度学习模型获得预测模型，其中，设置所述特征词向量在训练过程中不可被修改；以及

根据所述自定义规则修改预输入至所述预测模型的新词向量，形成新特征词向量，并将所述新特征词向量输入所述预测模型。

2.如权利要求1所述的语义分析方法，其特征在于，根据自定义规则修改所述固定词向量的步骤包括：

为每个所述固定词向量增加预定数量的新增维度，每个所述新增维度对应一个所述特征标记；

设置每个所述新增维度的初始值为0；以及

为每个所述固定词向量设置每个所述新增维度的特征值，所述特征值对应于所述固定词向量根据所述特征标记的分类结果。

3.如权利要求1所述的语义分析方法，其特征在于，所述特征词向量的维度是2的N次方，N为正整数。

4.如权利要求1所述的语义分析方法，其特征在于，设置所述特征词向量在训练过程中不可被修改的步骤包括：使所述特征词向量在所述训练过程中不参与反向传播。

5.如权利要求1所述的语义分析方法，其特征在于，所述训练文本数据包括人机对话中的对话语料。

6.如权利要求5所述的语义分析方法，其特征在于，所述对话语料包括句子，从深度学习模型的训练文本数据中提取字向量的步骤包括：对所述句子进行分字处理，通过随机初始化获得所述字向量。

7.如权利要求1所述的语义分析方法，其特征在于，在设置所述字向量的维度等于所述特征词向量的维度的步骤之后还包括：堆叠所述字向量和所述特征词向量，使所述字向量和所述特征词向量合并为一个训练数据集。

8.如权利要求1所述的语义分析方法，其特征在于，所述深度学习模型是意图识别模型。

9.一种基于深度学习模型的语义分析装置，包括：

存储器，用于存储可由处理器执行的指令；

处理器，用于执行所述指令以实现如权利要求1-8任一项所述的方法。

10.一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如权利要求1-8任一项所述的方法。