[发明专利]一种融合多句法结构的语义关系分类方法

摘要

本发明涉及自然语言处理技术领域，涉及一种融合多句法结构的语义关系分类方法，包括以下步骤，先对文本序列进行数据预处理；然后对文本序列的向量进行双向编码，利用注意力机制对编码信息进行加权学习，通过CRF对加权后的编码信息进行双向解码，获取文本序列上的实体标签信息；然后构造联合向量，构造融合多句法的复杂网络，利用共享参数进行端到端的训练，获取三元组上的隐状态并进行拼接，经线性变换后输出语义关系类别。本发明基于叠层的循环神经网络模型，将多种句法结构进行融合，解决了单一句法结构模型无法有效适应其他句法结构的问题，从而能有效处理不同的句法结构，提高了模型的鲁邦性，并提升了分类效率。

主权项

1.一种融合多句法结构的语义关系分类方法，其特征在于，包括以下步骤：S1、对文本序列进行数据预处理，获取该文本序列S＝{S1,S2,...,Sn}的词性标签P＝{P1,P2,...,Pn}和依赖关系标签D＝{D1,D2,...,Dn}；S2、对文本序列S＝{S1,S2,...,Sn}以及词性标签P＝{P1,P2,...,Pn}进行双向编码h＝{h1,h2}与加权学习获得加权后的双向编码h'＝{h'1,h'2}，并对加权后的双向编码h'＝{h'1,h'2}进行解码获得该文本序列S＝{S1,S2,...,Sn}的实体标签L＝{L1,L2,...,Ln}；S3、利用依赖关系标签D＝{D1,D2,...,Dn}、双向编码h＝{h1,h2}以及实体标签L＝{L1,L2,...,Ln}构建联合向量V＝{D,h,L},并利用联合向量V＝{D,h,L}对双向树结构网络进行端到端的训练，获取文本序列S＝{S1,S2,...,Sn}的三元组结构化信息并进行非线性变换后输出语义关系类别。