[發明專利]一種基于模糊神經網絡的句子匹配程度計算及對齊方法

有效

• 申請號: 201310604055.9
• 申請日: 2013-11-25
• 公開（公告）號: CN103617227A
• 公開（公告）日: 2014-03-05
• 發明（設計）人: 戴光榮;宋玉春
• 申請（專利權）人: 福建工程學院
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/28
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 陳朝陽

1.一種基于模糊神經網絡的句子匹配程度計算方法，其特征在于，包括以下步驟：

首先提取英文和中文的匹配特征；

采用模糊神經網絡的形式實現信息融合；

建立計算匹配度模型。

2.如權利要求1所述的基于模糊神經網絡的句子匹配程度計算方法，其特征在于，具體包括以下步驟：

(1)、把英文句子E分解成一個個的單詞，并查字典，求得每個單詞的中文含義,設所有單詞語義的集合為EC；

(2)、把匹配特征CD1清零，查找中文句子中每個字看是否屬于EC，若屬于則CD1加1，求得匹配特征CD1;

(3)、把匹配特征CD2清零，查找中文句子中每個單詞看是否屬于EC，若屬于則CD2加1，求得匹配特征CD2;

(4)、把匹配特征CD3清零，求得英文句子長度LE和中文句子長度LC，則CD3=LE/LC，求得匹配特征CD3；

(5)、將CD1、CD2、CD3模糊化，隸屬度函數均取等腰三角形形式，當CD1、CD2、CD3的實際值已知時，CD1、CD2、CD3的論域上最多有兩個模糊集被激活，CD1對應的隸屬度為hcd1a、hcd1b，CD2對應的隸屬度為hcd2a、hcd2b，CD3對應的隸屬度為hcd3a、hcd3b；

(6)、令h1=min（hcd1a，hcd2a，hcd3a）

h2=min（hcd1a，hcd2a，hcd3b）

h3=min（hcd1a，hcd2b，hcd3a）

h4=min（hcd1a，hcd2b，hcd3b）

h5=min（hcd1b，hcd2a，hcd3a）

h6=min（hcd1b，hcd2a，hcd3b）

h7=min（hcd1b，hcd2b，hcd3a）

h8=min（hcd1b，hcd2b，hcd3b）

其中，函數min(a,b,c)為取a、b、c中最小值運算。

(7)、單層神經網絡實現模糊推理，神經網絡輸出單元有一個S形激活函數，以增強網絡逼近曲面的能力，此函數為：

d=11+exp(-σ+θ)]]>

其中：σ=Σm=18hmwm]]>

式中：θ為閥值；h_m為步驟6中求得的隸屬度值；w_m為第m個權值，權值由步驟8訓練求得；D_EC為英文句子為E和中文句子為C的匹配度；

(8)、選取[0,1]區間的隨機值作為w1,w2....w8的初值（k=0），把已經對齊好的樣本依次輸入到此算法中，那么k+1時刻的權值如下：

w_m(k+1)＝w_m(k)+β·[D_d(k)-D(k)]·h_m(k)m＝1,2…8

式中：β為學習速率因子；D_d(k)為k時刻希望網絡的輸出，全部取1；D(k)為k時刻網絡的實際輸出，全部取1；h_m(k)為步驟6中求得的隸屬度值；經過多次訓練，求得權值w1,w2....w8。