欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020113821365
申请人: 桂林电子科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种英语文本概念理解方法,其特征是:包括一个由顺序连接的英语文本理解预处理模块、英语文本关键词概念语义特征提取模块、英语文本关键词及其概念语义依存关系提取模块、候选答案选择模块组成的理解模型,其理解方法包括如下步骤:(1)英语文本理解预处理模块输入待阅读的英语文本和问题,对待阅读的英语文本和问题分别进行分词、去除停用词、单词小写化处理;对分词、去除停用词、单词小写化处理后的待阅读的英语文本和问题进行词性标注、短语切分处理;输出处理的待阅读的英语文本和问题的预处理结果;

(2)英语文本关键词概念语义特征提取模块,首先,输入英语文本预处理模块中待阅读英语文本的预处理结果及问题的预处理结果,对待阅读英语文本和问题中的名词或名词短语进行标注;第二,计算待阅读英语文本和问题中的标注名词或名词短语的词向量;第三,计算待阅读文本中名词或名词短语与问题中名词或名词短语之间的余弦相似度,并对计算的余弦相似度结果进行降序排序,选择排名前五的结果作为候选的关键名词或名词短语;

第四,通过计算候选的关键名词或名词短语与其所属候选概念的共现概率,如果共现概率结果为零,则继续执行第五步,否则选择概率最大的结果作为候选关键名词或名词短语所属的概念;第五,若候选的关键名词或名词短语与其所属概念的共现概率结果为零,则直接使用当前名词或名词短语作为其所属概念;第六,计算当前关键词同其上下文单词之间的权重系数,然后加权求和得到当前关键词最终重要程度得分;

(3)英语文本关键词及其概念语义依存关系提取模块输入候选的关键名词或名词短语的词向量表示;输入候选的关键名词或名词短语的概念化表示;使用预先训练好的语义依存关系集,提取候选关键名词或名词短语之间的语义依存关系;使用预先训练好的概念依存关系集,提取候选关键名词或名词短语之间的概念依存关系;计算候选关键名词或名词短语的语义依存关系和概念依存关系之间的余弦相似度,并对计算的结果进行降序排序,选择相似度最高的结果作为当前关键词及其概念语义依存关系;

(4)候选答案选择模块输入候选关键名词或名词短语的概念化表示;输入已经选取的关键词及其概念语义依存关系;使用候选关键名词或短语的概念化表示作为节点,使用已经选取的关键词及其概念语义依存关系作为边构建概念语义表示图模型;计算概念语义图模型中各个节点向量同所有节点加权平均向量之间的欧式距离,并将此欧式距离的概率分布作为节点的权重值;选择权重值最高的节点作为最终答案。

2.根据权利要求1所述的理解方法,其特征是:所述的英语文本理解预处理模块处理步骤如下:

P201开始;

P202读入待阅读的英语文本和问题;

P203将待阅读的文本和问题使用标识隔开;

P204对待阅读的文本和问题进行去停用词处理;

P205对待阅读的文本和问题进行单词小写化处理;

P206对待阅读的文本和问题进行分句,组成若干句子序列;

P207对待阅读的文本和问题进行分词和短语切分处理;

P208对分词后的文本序列进行词性标注,并输出待阅读文本中名词或名词短语、动词和形容词列表;

P209对分词后的问题序列进行词性标注,并输出问题中名词或名词短语、动词和形容词列表;

P210分别统计分词后待阅读文本和问题序列中单词总数;

P211对分词后的待阅读文本序列进行分组处理,每20个单词一组隔开,不足20个单词的小组用NULL补齐;

P212对分词后的问题序列进行分组处理,通常问题序列少于20个单词,使用NULL补齐;

P212结束。

3.根据权利要求1所述的理解方法,其特征是:所述的英语文本关键词概念语义特征提取模块的计算公式定义如下:

(1)名词或名词短语所属某一概念计算公式英语文本中名词或名词短语所属某一概念的概率是指当前文本中名词与概念的共现次数与训练文本集中名词与其所属所有可能概念的共现次数和的比值,它的计算公式如下:

(2)待阅读英语文本与问题中名词或名词短语语义相似度计算公式英语文本与问题中名词或短语的语义相似度是指英语文本与问题中词语词向量内积与其词向量模的比值,它的计算公式如下:在计算公式(2)中,词向量可以通过训练得出;

(3)当前词语同其上下文词语之间的权重系数计算公式当前词语同其上下文词语之间的权重系数是指当前词语与其上下文中某一词语之间的相关性,同当前词语与其上下文之间所有词语的相关性之和的比值,它的计算公式如下:(4)当前词语或短语重要性程度计算公式在公式(3)中已经得到当前词语i与其上下文词语j之间的权重系数,通过加权求和该权重系数可以得到当前单词或短语在文本中的重要性程度得分,其计算公式如下:

4.根据权利要求3所述的理解方法,其特征是:所述的英语文本关键词概念语义特征提取模块处理步骤如下:

P301开始;

P302读入分词后待阅读文本和问题序列结果;

P303计算待阅读文本和问题中词语的分布式词向量,生成200维向量表示;

P304使用公式(2)分别计算问题中名词或名词短语与待阅读英语文本中名词或名词短语之间的余弦相似度;

P305对计算的余弦相似度结果进行降序排序,选择排名前五的结果作为待阅读文本与问题相关的候选关键词或短语;

P306使用公式(1)计算候选关键词或短语与其所属候选概念的共现概率;

P307判断关键词与其所属候选概念的共现概率是否为零,如果为零,则执行P308,否则执行P309;

P308使用当前候选关键词或短语作为其所属概念,当前候选关键词或短语的200维词向量表示即为其所属的概念化表示结果;

P309对当前候选关键词与其所属可能概念的共现概率降序排序,确定当前候选关键词所属的概念;

P310对确定的关键词所属的概念进行向量化表示,生成200维词向量表示;

P311使用公式(3)计算当前概念在其上下文中的权重系数;

P312使用公式(4)计算当前概念在其上下文中的重要性得分;

P313对当前概念在其上下文中的重要性得分进行降序排序,获得当前候选关键词概念语义特征;

P314结束。

5.根据权利要求1所述的分析方法,其特征是:所述的英语文本关键词及其概念语义依存关系提取模块处理步骤如下:P401开始;

P402读取候选关键名词或名词短语的词向量表示结果;

P403读取候选关键名词或名词短语的概念化表示结果;

P404将概念化表示结果输入预先训练的概念语义依存关系集,选取排序靠前的两种候选概念依存关系;

P405对候选概念依存关系进行位置编码,即计算概念依存关系与所属概念对之间的位置距离;

P406融合候选关键名词或短语的概念化表示以及概念依存关系位置编码,并将融合后的向量输入卷积神经网络;

P407融合候选关键名词或名词短语的词向量表示以及概念依存关系位置编码,并将融合后的向量输入另一个卷积神经网络;

P408分别对P406和P407的输入向量进行卷积层计算,P406和P407共享网络参数;

P409对P408的卷积计算结果分别进行词向量和概念向量池化操作;

P410对P409分别获取的池化操作结果进行拼接;

P411使用softmax函数对P410的拼接结果进行分类,获得最后的概念依存关系结果;

P412结束。

6.根据权利要求1所述的理解方法,其特征是:所述的候选答案选择模块的计算公式定义如下:

(1)关键词语之间的有向边权重值计算公式候选关键词语在当前图模型中的权重值是指候选关键词语同其他所有相邻节点词语之间的欧式距离之和中的占比,它的计算公式如下:(2)词语权重值归一化处理公式英语文本中词语的归一化得分是指词语在当前图模型中的权重值与所有词语在当前图模型中的权重值之和的比值,它的计算公式如下:

7.根据权利要求6所述的理解方法,其特征是:所述的候选答案选择模块处理步骤如下:

P501开始;

P502输入候选关键名词或名词短语的概念化表示;

P503输入已经选取的关键词及其概念语义依存关系;

P504使用候选关键名词或短语的概念化表示作为节点,使用已经选取的关键词及其概念语义依存关系作为边,构建概念语义图模型;

P505使用公式(5)计算概念语义图模型中任意两个节点之间的欧式距离;

P506使用公式(6)计算节点之间的有向边权重值;

P507对所有节点之间的权重值进行降序排序;

P508选择最大的节点间的权重值,并将此节点候选关键词及其概念作为最后答案;

P509结束。