[发明专利]基于语义信息增强的汉字语句分类方法

权利要求书

1.基于语义信息增强的汉字语句分类方法，其特征在于，包括：

S1：获取待分类的汉字语句；

S2：将待分类的汉字语句输入经过训练的分类模型中，输出对应的预测分类标签；

训练分类模型时，首先基于训练数据集构建与部首关联的区分度字典；其次对训练数据集中的汉字语句进行简繁汉字转换，得到简体和繁体的汉字语句；然后提取简体和繁体汉字语句的分类表示和上下文表示；同时结合区分度字典确定汉字语句中的关键字，并结合注意力机制为各个关键字赋予注意力权重，进而结合分类表示和上下文表示计算简体和繁体的文本最终表示；最后分别基于简体和繁体的文本最终表示生成预测分类标签，进而融合简体和繁体的预测分类标签得到总体预测分类标签，并基于总体预测分类标签优化分类模型的模型参数；

S3：基于分类模型输出的预测分类标签生成待分类汉字语句的分类结果。

2.如权利要求1所述的基于语义信息增强的汉字语句分类方法，其特征在于：步骤S2中，通过如下步骤构建区分度字典：

S201：对于训练数据集中的每个汉字语句：首先获取对应汉字语句中每个部首的出现次数；然后按出现次数从高到低的顺序依次选取部首，并计算各个部首对应的汉字与对应汉字语句的余弦相似度；最后生成各个部首的汉字相似度集；

S202：融合各个汉字语句中对应部首的汉字相似度集构成对应部首的相似度矩阵；然后计算对应部首的相似度矩阵中对应汉字所有余弦相似度的方差作为该汉字的区分度；

S203：对于每个汉字语句：对各个部首对应的各个汉字的区分度进行降序排列，得到各个部首的区分度降序列表，进而整合各个部首的区分度降序列表得到该汉字语句的区分度降序列表；

S204：将各个汉字语句的区分度降序列表进行累加，并对各个部首对应的各个汉字的区分度进行降序排列，得到各个部首的区分度字典。

3.如权利要求2所述的基于语义信息增强的汉字语句分类方法，其特征在于：步骤S201中，通过如下公式计算相似度矩阵：

C_Rn＝cos_sim(set_R(S_n)×set(R))；

式中：C_Rn表示部首R的相似度矩阵；cos_sim表示计算余弦相似度；set_R(S_n)表示汉字语句S_n中部首R构成的汉字集合；set(R)表示训练数据集S中部首R构成的汉字集合。

4.如权利要求3所述的基于语义信息增强的汉字语句分类方法，其特征在于：步骤S204中，通过如下公式表示区分度字典：

L_Rni,1＝C_Rni,1；

式中：L_R表示部首R的区分度字典；n表示训练数据集中汉字语句的数量；L_Ri表示第i个汉字语句中部首R的区分度降序列表，区分度降序列表是一个两列的数组，第一列是汉字，第二列是对应汉字的区分度；L_Rni,1表示区分度降序列表的第i行第一列，L_Rni,2表示区分度降序列表的第i行第二列；C_Rni表示第n个汉字语句中第i个汉字与该汉字语句的余弦相似度；C_Rni,j表示第n个汉字语句中第i个汉字与汉字集合set(R)中第j个汉字的余弦相似度；m表示汉字集合set(R)中的汉字数量。