[發(fā)明專(zhuān)利]一種小樣本集上的信息對(duì)匹配方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810872940.8
• 申請(qǐng)日: 2018-08-02
• 公開(kāi)（公告）號(hào): CN110807096A
• 公開(kāi)（公告）日: 2020-02-18
• 發(fā)明（設(shè)計(jì)）人: 張虎;陳洪亮;吳雪軍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 鼎復(fù)數(shù)據(jù)科技（北京）有限公司
• 主分類(lèi)號(hào): G06F16/35
• 分類(lèi)號(hào): G06F16/35;G06F40/289;G06F40/295;G06K9/62
• 代理公司: 北京康思博達(dá)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11426
• 代理人: 孫建玲;劉冬梅

1.一種小樣本集上的信息對(duì)匹配方法，其特征在于，該方法包括以下步驟：

步驟100，錄入文本，識(shí)別文本中屬性和屬性對(duì)應(yīng)值；

步驟200，兩兩構(gòu)建語(yǔ)句中出現(xiàn)的屬性和屬性對(duì)應(yīng)值的特征；

步驟300，構(gòu)建訓(xùn)練樣本；

步驟400，基于訓(xùn)練樣本訓(xùn)練模型，構(gòu)建信息對(duì)匹配模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟100中包括以下操作，對(duì)錄入文本進(jìn)行分句處理，即識(shí)別并劃分文本中的句子，優(yōu)選對(duì)每個(gè)句子添加標(biāo)簽以標(biāo)示各句子在文本中的位置；

以句子為單位進(jìn)行文本中屬性和屬性對(duì)應(yīng)值的識(shí)別。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟100中，通過(guò)構(gòu)建指標(biāo)庫(kù)的方式識(shí)別屬性，或者將屬性識(shí)別看成是命名實(shí)體識(shí)別任務(wù)，通過(guò)條件隨機(jī)場(chǎng)模型、隱馬爾可夫模型或、LSTM模型或其組合進(jìn)行屬性識(shí)別；

屬性對(duì)應(yīng)值為非數(shù)值形式時(shí)，通過(guò)與屬性識(shí)別相同的方式獲得；

屬性對(duì)應(yīng)值為數(shù)值形式時(shí)，通過(guò)配置模版方式識(shí)別屬性對(duì)應(yīng)值，即通過(guò)將數(shù)值形式的屬性對(duì)應(yīng)值以正則表達(dá)式表示形成模版，通過(guò)確定句子中是否存在符合正則表達(dá)式的字符串，識(shí)別數(shù)值形式的屬性對(duì)應(yīng)值。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟200中，包括構(gòu)建句法路徑；

將給定語(yǔ)句進(jìn)行分詞、詞性標(biāo)注、句法分析，取屬性和屬性對(duì)應(yīng)值之間最短的最小路徑和最長(zhǎng)的最小路徑作為屬性和屬性對(duì)應(yīng)值之間的句法路徑；

屬性和屬性對(duì)應(yīng)值之間最短的最小路徑和最長(zhǎng)的最小路徑稱(chēng)為最短句法路徑和最長(zhǎng)句法路徑。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟200中，構(gòu)建特征包括基于句法路徑構(gòu)建句法結(jié)構(gòu)特征，即分別統(tǒng)計(jì)最長(zhǎng)句法路徑和最短句法路徑上句法結(jié)構(gòu)個(gè)數(shù)，將句法結(jié)構(gòu)個(gè)數(shù)作為句法結(jié)構(gòu)特征；

構(gòu)建特征還包括基于句法路徑構(gòu)建詞性特征，即分別統(tǒng)計(jì)最長(zhǎng)句法路徑和最短句法路徑上詞的詞性個(gè)數(shù)，將詞性個(gè)數(shù)作為詞性特征；

構(gòu)建特征還包括基于句法路徑構(gòu)建特殊詞特征，所述特殊詞為強(qiáng)烈影響屬性和屬性對(duì)應(yīng)值之間匹配結(jié)果的詞。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟200中，構(gòu)建特征還包括基于句法路徑上的詞構(gòu)建詞向量；

使用one-hot encoder或者word2vec的方法構(gòu)建詞向量，優(yōu)選使用word2vec的方法構(gòu)建詞向量。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟200中，構(gòu)建特征還包括基于輸入語(yǔ)句中屬性和屬性對(duì)應(yīng)值的物理距離構(gòu)建特征，物理距離包含距離長(zhǎng)度和距離方向；

其中，所述距離長(zhǎng)度通過(guò)輸入語(yǔ)句中屬性到屬性對(duì)應(yīng)值所需要經(jīng)過(guò)的詞的個(gè)數(shù)確定；所述距離方向通過(guò)預(yù)設(shè)屬性和屬性對(duì)應(yīng)值的相對(duì)位置確定。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟300中，包括對(duì)抽取的特征進(jìn)行相關(guān)性排序，選用相關(guān)性高的特征用于模型訓(xùn)練；

在步驟400中，利用支持向量機(jī)、隨機(jī)森林、邏輯回歸、或隨機(jī)森林與邏輯回歸結(jié)合的方式進(jìn)行模型訓(xùn)練，優(yōu)選采用隨機(jī)森林與邏輯回歸結(jié)合的方式進(jìn)行模型訓(xùn)練。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟400中，還包括對(duì)構(gòu)建得到的模型進(jìn)行預(yù)測(cè)，數(shù)據(jù)預(yù)測(cè)得分和匹配結(jié)果互斥化的輸出；

在模型實(shí)際使用中，數(shù)據(jù)得分和匹配結(jié)果互斥化的輸出。

10.一種用于實(shí)施上述權(quán)利要求1至9之一所述方法的系統(tǒng)，該系統(tǒng)包括：

信息識(shí)別模塊：用于文本中屬性和屬性對(duì)應(yīng)值；

特征構(gòu)建模塊：用于兩兩構(gòu)建語(yǔ)句中出現(xiàn)的屬性和屬性對(duì)應(yīng)值的特征；

訓(xùn)練樣本構(gòu)建模塊，用于基于屬性和屬性對(duì)應(yīng)值兩兩匹配的特征及標(biāo)注樣本集，構(gòu)建訓(xùn)練樣本；

匹配模型構(gòu)建模塊，用于基于訓(xùn)練樣本訓(xùn)練模型，構(gòu)建信息對(duì)匹配模型。