[发明专利]基于大数据的英文语义识别分析方法

权利要求书

1.基于大数据的英文语义识别分析方法，其特征在于，包括如下步骤：

步骤一：建立语料知识库；运用网络爬虫技术，通过配置采集规则和采集模板，从互联网中获取语料相关数据信息；

将采集到的语料相关数据信息标记为语料元数据，针对语料元数据进行预处理操作，通过配置预处理规则，将语料元数据按照处理规则整合成语料数据，形成语料知识库；

步骤二：获取用户语料，结合用户语料中每个元音的采集时间和强度对用户语料进行清晰度偏离值QL评估；

若清晰度偏离值QL大于预设偏离阈值，则判定对应语料无效，提示用户重新采集语料；否则判定对应语料有效；

步骤三：调用语义识别终端对判定有效的用户语料进行语义识别；具体为：

结合语料知识库对用户语料进行英文分词；针对两段英文语义进行英文分词，将完整的英文语义分解为一个个单一的词语；

根据配置的语义匹配规则对英文分词进行替换操作，计算词语出现的频率；

针对两段英文语义分别构建两个词频向量，根据余弦相似度算法得出英文语义匹配率的数值；

步骤四：对语义识别终端进行语义识别监测，对语义识别过程中语义识别终端的状态偏离值进行评估；若状态偏离值ZP大于预设偏离阈值，则生成偏离预警信号，以提醒管理人员对语义识别终端进行检修或更换。

2.根据权利要求1所述的基于大数据的英文语义识别分析方法，其特征在于，其中，清晰度偏离值QL的具体评估步骤为：

获取用户语料中每个元音的采集时间，将相邻两个元音的时间差标记为采集间隔Ci，i＝1，…，n；将采集间隔Ci与间隔阈值相比较；若Ci小于间隔阈值，则生成偏离信号；

当监测到偏离信号，自动倒计数，倒计数为D1，D1为预设值；每采集一个间隔阈值或元音强度，则倒计数减一；

在倒计数阶段继续对偏离信号进行监测，若监测到新的偏离信号，则倒计数自动归为原值，重新按照D1进行倒计数；否则，倒计数归零，停止计数；

统计倒计数阶段偏离信号的出现次数为K1，统计倒计数阶段的长度为Zc；利用公式计算得到用户语料的清晰度偏离值QL，其中g1、g2为系数因子。

3.根据权利要求2所述的基于大数据的英文语义识别分析方法，其特征在于，步骤二还包括：

获取用户语料中每个元音的强度并标记为Qi；当Qi处于预设标准强度范围外，则生成偏离信号。

4.根据权利要求1所述的基于大数据的英文语义识别分析方法，其特征在于，所述预处理依次包括：提取英文单词、消除杂音、索引处理；其中，语料知识库根据每天的定时爬虫获取到大量数据，不断填充丰富语料知识库，以数据为基础，服务于英文语义匹配。

5.根据权利要求1所述的基于大数据的英文语义识别分析方法，其特征在于，其中，根据余弦相似度算法得出英文语义匹配率的数值；具体为：

将构建好的词频向量想象成空间中的两条线段，都是从原点出发，指向不同的方向，根据向量夹角得出匹配率；通过夹角的大小，来判断向量的相似程度，夹角越小，就代表越匹配。

6.根据权利要求1所述的基于大数据的英文语义识别分析方法，其特征在于，其中，状态偏离值ZP的具体评估步骤为：

当监测到语义识别终端进行语义识别时，每间隔R2时间采集语义识别终端的状态参数，状态参数包括访问节点连接数、CPU负载率、带宽负载率和实时网络速率；其中R2为预设值；

将访问节点连接数、CPU负载率、带宽负载率和实时网络速率依次标记为Q1、Q2、Q3、Q4；利用公式ZX＝(Q1×b1+Q4×b4)/(Q2×b2+Q3×b3)计算得到语义识别终端的状态系数ZX，其中b1、b2、b3、b4为系数因子；

将状态系数ZX与设定阈值相比较，若状态系数ZX小于设定阈值，则生成偏离信号；根据偏离信号的时空变化趋势，计算得到状态偏离值ZP。

7.根据权利要求6所述的基于大数据的英文语义识别分析方法，其特征在于，根据偏离信号的时空变化趋势，计算得到状态偏离值ZP，具体为：

当监测到偏离信号时，自动倒计时，倒计时时长为Td时间，Td为预设值；在倒计时阶段继续对偏离信号进行监测，若再次监测到偏离信号，则倒计时自动归为原值，重新按照Td进行倒计时；

统计倒计时阶段偏离信号的出现次数为C1；当监测到偏离信号时，将对应的状态系数ZX与设定阈值进行差值计算，并将所有的差值进行求和得到偏离总值CT，统计倒计时阶段的持续时长为Tc；

利用公式ZP＝(C1×a1+CT×a2)/(Tc×a3)计算得到状态偏离值ZP，其中a1、a2、a3为系数因子。