语义分析方法和装置制造方法及图纸

本发明专利技术公开了一种语义分析方法和装置，涉及语言处理技术。为解决现有技术易造成信息丢失的问题而发明专利技术。本发明专利技术实施例提供的技术方案包括：对用户输入语音对应的文本进行分词，得到L个词语，所述L≥1；分别获取所述L个词语的特性；根据所述特性分别确定所述L个词语包含的信息量，并从所述L个词语中选取包含信息量多的至少一个词语作为中心词语；分别以所述中心词语为中心做窗口，确定所述中心词语的上下文词语；将所述上下文词语与预先训练得到的语义模型进行匹配，得到匹配结果；根据所述匹配结果分析语义。该方案可以应用在导航、订票、天气查询、酒店预订等领域。

【技术实现步骤摘要】

本专利技术涉及自然语言处理技术，尤其涉及一种语义分析方法和装置。
技术介绍
近年来，语音识别技术的发展较大程度的提高了人机交互水平，而语义分析技术作为理解自然语言的关键部分，对于人机交互的智能化程度起到了决定性作用。现有的语义分析方法包括：对句子进行分词，得到M个词语；分别对M个词语进行语义角色标注，寻找并定位该句子中的谓语；对该谓语的施与者和接受者进行标注，得到句子的语义。然而，当句子中包含多个信息时，由于仅对谓语的施与者和接受者进行标注以确定句子的语义，使得无法标注句子中的其他重要信息，易造成信息丢失。此外，当句子为口语化语句时，语义分析过程中可能无法寻找到句子中的谓语，进而难以实现语义分析。
技术实现思路
本专利技术的实施例提供一种语义分析方法和装置，能够分析句子包含的多个信息。为达到上述目的，本专利技术的实施例采用如下技术方案：一种语义分析方法，包括：对用户输入语音对应的文本进行分词，得到L个词语，所述L≥1；分别获取所述L个词语的特性；根据所述特性分别确定所述L个词语包含的信息量，并从所述L个词语中选取包含信息量多的至少一个词语作为中心词语；分别以所述中心词语为中心做窗口，确定所述中心词语的上下文词语；将所述上下文词语与预先训练得到的语义模型进行匹配，得到匹配结果；根据所述匹配结果分析语义。一种语义分析装置，包括：第一分词模块，用于对用户输入语音对应的文本进行分词，得到L个词语，所述L≥1；第一标注模块，与所述第一分词模块相连，用于分别获取所述第一分词模块得到的L个词语的特性；第一中心词语选取模块，与所述第一分词模块和所述第一标注模块相连，用于根据所述第一标注模块标注的特性分别确定所述L个词语包含的信息量，并从所述L个词语中选取包含信息量多的至少一个词语作为中心词语；第一上下文获取模块，与所述第一中心词语选取模块相连，用于分别以所述第一中心词语选取模块选取的中心词语为中心做窗口，确定所述中心词语的上下文词语；模型匹配模块，与所述第一上下文获取模块相连，用于将所述第一上下文获取模块得到的上下文词语与预先训练得到的语义模型进行匹配，得到匹配结果；语义分析模块，与所述模型匹配模块相连，用于根据所述模型匹配模块得到的匹配结果分析语义。本专利技术实施例提供的语义分析方法和装置，由于将包含信息量多的至少一个词语作为中心词语，并做窗口分别确定中心词语的上下文词语，使得该方案能够标注句子中信息量较大的信息，从而实现重要信息的语义分析；该方案解决了现有技术中当句子中包含多个信息时，由于仅对谓语的施与者和接受者进行标注以确定句子的语义，使得无法标注句子中的其他重要信息，易造成信息丢失的问题。此外，由于根据中心词语进行语义分析，无需考虑句子的句法，使得本专利技术实施例提供的方案能够实现没有谓语的口语化语句的语义分析；解决了现有技术中当句子为口语化语句时，语义分析过程中可能无法寻找到句子中的谓语，进而难以实现语义分析的问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一提供的语义分析方法的流程图；图2为本专利技术实施例二提供的语义分析方法的流程图一；图3为本专利技术实施例二提供的语义分析方法的流程图二；图4为本专利技术实施例三提供的语义分析装置的结构示意图一；图5为本专利技术实施例三提供的语义分析装置的结构示意图二；图6为本专利技术实施例三提供的语义分析装置的结构示意图三；图7为图6所示的语义分析装置中概率统计模块的结构示意图；图8为图4所示的语义分析装置中第一上下文获取模块的结构示意图一；图9为图4所示的语义分析装置中第一上下文获取模块的结构示意图二。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为解决现有技术易造成信息丢失的问题，本专利技术提供一种语义分析方法和装置。实施例一：如图1所示，本专利技术实施例提供的语义分析方法，包括：步骤101，对用户输入语音对应的文本进行分词，得到L个词语。在本实施例中，可以首先对用户输入语音进行语音识别，将用户输入语音转换为文本。其中，可以采用HTK/ATK工具对用户输入语音进行语音识别；也可以采用非特定人语音识别方式对用户输入语音进行语音识别，在此不作限制。通过上述方式对用户输入语音进行语音识别后，可以输出多候选的识别结果，并且可以确定每个识别结果对应的置信度。其中，通过步骤101分词得到的L个词语，该L≥1。在本实施例中，用户输入语音为汉语时，可以采用汉语分词系统，如ICTCLAS等对用户输入语音对应的文本进行分词；用户输入语音为其他语言时，可以采用该语言对应的分词系统进行分词，在此不再一一赘述。步骤102，分别获取该L个词语的特性。在本实施例中，可以通过预设的标注规则对该L个词语进行标注，从而获取该L个词语的特性。该预设的标注规则可以根据需要进行在全领域范围内设置；预设的标注规则也可以与用户输入语音所属的使用领域对应，可以根据需要预先设置。以使用领域为订票系统为例，标注规则可以包括：人名、地名、航空公司、舱位、时间/日期、数字、形容词、副词、语气词、助词、连词等；对于其他使用领域，标注规则可以根据该使用领域相应的情况制定，在此不再一一赘述。在本实施例中，也可以通过其他方式获取该L个词语的特性。该特性可以反应词语特有的的词性、代表意义等命名实体特征。步骤103，根据该特性分别确定该L个词语包含的信息量，并从L个词语中选取包含信息量多的至少一个词语作为中心词语。在本实施例中，不同特性的词语包含的信息多少不同，为了便于衡量，可以预设每种特性对应的信息量；从而当通过步骤102获取L个词语的特性后，可以直接根据特性分别确定L个词语包含的信息量。以使用领域为订票系统为例，信息量大的词语可以为名词和副词；如“从北京到上海最便宜的机票是什么时间”，这类问话中往往谓语只是一些系动词（“是”，“有本文档来自技高网...

【技术保护点】
一种语义分析方法，其特征在于，包括：对用户输入语音对应的文本进行分词，得到L个词语，所述L≥1；分别获取所述L个词语的特性；根据所述特性分别确定所述L个词语包含的信息量，并从所述L个词语中选取包含信息量多的至少一个词语作为中心词语；分别以所述中心词语为中心做窗口，确定所述中心词语的上下文词语；将所述上下文词语与预先训练得到的语义模型进行匹配，得到匹配结果；根据所述匹配结果分析语义。

【技术特征摘要】
1.一种语义分析方法，其特征在于，包括：
对用户输入语音对应的文本进行分词，得到L个词语，所述L≥1；
分别获取所述L个词语的特性；
根据所述特性分别确定所述L个词语包含的信息量，并从所述L个词语中
选取包含信息量多的至少一个词语作为中心词语；
分别以所述中心词语为中心做窗口，确定所述中心词语的上下文词语；
将所述上下文词语与预先训练得到的语义模型进行匹配，得到匹配结果；
根据所述匹配结果分析语义。
2.根据权利要求1所述的语义分析方法，其特征在于，所述方法还包括：
获取所述用户输入语音所涉及的使用领域；
所述分别获取所述L个词语的特性，包括：根据所述使用领域分别获取所
述L个词语的特性；
所述根据所述特性分别确定所述L个词语包含的信息量，包括：根据所述
使用领域和所述特性分别确定所述L个词语包含的信息量。
3.根据权利要求1或2所述的语义分析方法，其特征在于，所述分别以所
述中心词语为中心做窗口，确定所述中心词语的上下文词语，包括：
以所述L个词语中第一个中心词语为中心，预设个数的上下文词语做窗口，
确定所述第一个中心词语的上下文词语；
所述L个词语中中心词语的个数大于1时，所述窗口滑动到第二个中心词
语，确定所述第二个中心词语的上下文词语后，再次滑动窗口，直至所述L个
词语中的最后一个中心词语。
4.根据权利要求1或2所述的语义分析方法，其特征在于，所述确定所述
中心词语的上下文词语，包括：
根据所述窗口获取所述中心词语的上文词语和下文词语；
判断所述上文词语和下文词语是否为非口语性词汇；
如果是，根据所述上文词语和下文词语确定所述中心词语的上下文词语。
5.根据权利要求1或2所述的语义分析方法，其特征在于，所述方法还包
括：
获取预设的训练语句集和所述训练语句集中每个训练语句的语义；
分别对所述训练语句集中每个训练语句进行分词，得到每个训练语句包含
的训练词语后，获取每个训练词语的特性；
根据所述每个训练词语的特性分别确定每个训练词语包含的信息量，并选
取包含信息量多的至少一个训练词语作为中心训练词语；
分别统计每个中心训练词语的上下文训练词语出现的概率；
根据统计得到的概率和所述每个训练语句的语义生成所述语义模型。
6.根据权利要求5所述的语义分析方法，其特征在于，所述分别统计每个
中心训练词语的上下文训练词语出现的概率，包括：
分别统计每个中心训练词语的上下文训练词语同时出现的概率；或者
分别统计每个中心训练词语的上下文训练词语分别出现的概率。
7.根据权利要求5所述的语义分析方法，其特征在于，所述分别统计每个
中心训练词语的上下文训练词语出现的概率，包括：
判断所述每个中心训练词语的上下文训练词语是否为非口语性词汇；
如果是，分别统计每个中心训练词语的上下文训练词语出现的概率。
8.一种语义分析装置，其特征在于，包括：
第一分词模块，用于对用户输入语音对应的文本进行分词，得到L个词语，
所述L≥1；
第一标注模块，与所述第一分词模块相连，用于分别获取所述第一分词模
块得到的L个词语的特性；
第一中心词语选取模块，与所述第一分词模块和所述第一标注模块相连，
用于根据所述第一标注模块标注的特性分别确定所述L个词语包含的信息量，
并从所述L个词语中选取包含信息量多的至少一个词语作为中心词语；
第一上下文获取模块，与所述第一中心词语选取模块相连，用于分别以所
述第一中心词语选取模块选取的中心词语为中心做窗口，确定所述中心词语的
上下文词语；
模型匹配模块，与所述第一上下文获取模块相连，用于将所述第一上下...

【专利技术属性】
技术研发人员：金贵，赵祎，王力劭，赵峰，
申请(专利权)人：清华大学，深圳市车音网科技有限公司，
类型：发明
国别省市：北京;11