[发明专利]一种基于分词和命名实体识别的多层误差反馈神经网络的句子主干分析方法及系统

摘要

本发明提供一种基于分词和命名实体识别的多层误差反馈神经网络的句子主干分析方法及系统，本发明首先对中文句子进行分词，将其切分成词的序列，然后对词序列进行命名实体识别，将属于同一个命名实体的词合并，最后对命名实体识别后的句子进行主干分析，可视化输出识别出的句子主要成分。本发明采用基于深度学习的人工神经网络和从词到命名实体再到句子的多层语义元素结构信息相结合的方法，针对不同层次的结构信息分别训练和优化深度神经网络，通过多层误差反馈提高句子主干分析的效果。该方法能够提高系统准确性、反应速度和容错性。

主权项

1.一种能够利用词、命名实体到句子的层次化信息的基于多层误差反馈神经网络的自动句子主干分析方法，其特征在于，包括以下步骤：S1)、使用双向LSTM神经网络对输入的中文句子进行分词，并将分词误差传递给下一层神经网络；S2)、使用双向LSTM神经网络对分词后的句子进行命名实体识别，并将识别误差传递给下一层神经网络传递；S3)、使用双向LSTM神经网络对命名实体识别后的句子进行句子主干分析，并将分析误差反向传递回整个网络的输入层；S4)、经过多个周期的迭代训练后，当句子主干分析的训练误差收敛或训练周期达到一定数量时，输出带有句子主干标注信息的结果序列。