[發明專利]一種基于語義網的管制指令分類方法

有效

• 申請號: 201910348919.2
• 申請日: 2019-04-28
• 公開（公告）號: CN110232121B
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 王煊;蔣偉煜;崔紅宇;丁輝;陳平;嚴勇杰;王冠;徐秋程
• 申請（專利權）人: 中國電子科技集團公司第二十八研究所
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/33;G06F40/211;G06F40/242;G06F40/289;G06N3/04;G06N3/08;G06Q50/30
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華;于瀚文

1.一種基于語義網的管制指令分類方法，其特征在于，包括如下步驟：

步驟1，對管制語音進行語音識別處理，得到文本格式的管制指令；

步驟2，對文本格式的管制指令中包含的詞語進行詞性分析；

步驟3，基于詞性分析結果提取出管制意圖，同時對管制指令中的其他詞語進行提取，形成候選論元集合；

步驟4，對候選論元集合進行BIO標注處理，并用標注的數據訓練全連接神經網絡的參數，目標為通過神經網絡得到管制意圖動詞-論元組；

步驟5，對管制指令中的管制意圖動詞數量進行判斷，如果數量大于1個，則進入步驟6；

步驟6，生成輸入詞向量；

步驟7，使用神經網絡對輸入的詞向量進行分類，得到概率輸出值z；

步驟8，判斷關系：如果概率輸出值z在一個類別處出現較高的概率，則判定該論元與這個對應的管制意圖存在關系，執行步驟10，否則不做處理；

步驟9，構建語義網，語義網包含了管制意圖動詞、論元詞語、語義關聯三元組知識；

步驟10，將管制意圖動詞與論元詞語代入語義網，獲取動詞與相應論元間的具體語義關系，形成結構化管制指令；

步驟11，將結構化管制指令用于直接檢測是否因管制員錯、忘、漏發出錯誤管制指令而造成了場面沖突；

步驟2包括：

步驟2-1，利用jieba分詞對管制指令進行中文分詞操作，得到詞序列；

步驟2-2，詞性標注：對詞序列中的每個詞按對應的詞性進行標注，得到詞性分析結果；

步驟3包括：基于詞性分析結果，去除管制指令中為基本管制術語的詞語，去除基本管制術語后的一條管制指令包含動詞和其他成份的詞性詞，通過詞性標注結果進行判斷，將動詞提取出來形成管制意圖動詞集合，同時將其他成份的詞提取出來，形成候選論元集合；

步驟4中，所述BIO標注是指：將每個元素標注為B-X、I-X或者O，其中，B-X表示此元素所在的片段屬于X類型并且此元素在此片段的開頭，I-X表示此元素所在的片段屬于X類型并且此元素在此片段的中間位置，O表示不屬于任何類型；

步驟4包括：

步驟4-1，轉成詞向量：使用word2vec方法對詞語進行預處理，并生成輸入句子的詞向量表示，作為神經網絡的輸入；

步驟4-2，使用全連接神經網絡，訓練全連接神經網絡的模型參數：收集實際工作場景中的管制指令并形成語料訓練集，對管制指令的語料訓練集進標注，用語料訓練集對全連接神經網絡的各層神經元的權重參數進行訓練，得到訓練好的神經網絡；

步驟4-3，使用神經網絡進行預測：通過訓練好的神經網絡判斷候選論元集和動詞集合中的目標論元與動詞是否存在關聯，得到動詞-論元組；

步驟6包括：將步驟4-1中得到的句子詞向量作為神經網絡模型的輸入

步驟7中，神經網絡包含輸入層、隱藏層和輸出層，定義神經網絡有100×n個輸入x，若輸入層有n個神經元，則定義權重矩陣為W_(2w+2)×n，偏置矩陣為b_1×n，輸入層的輸出值為α_1×n，激活函數的輸出值為h_1×n，定義ReLU激活函數f_ReLU(t)為：

其中t是輸入數值，隱藏層的神經元的輸出值由下式得到：

α_h＝h_hW_h+b_h，

h_h＝f_ReLU(α_h)，

其中隱藏層的權重矩陣為W_h，偏置矩陣為b_h，輸出值為α_h，激活函數的輸出值為h_h，通過下式得到神經網絡的輸出值z：

z＝h_hW_o+b_o，

其中輸出層的權重矩陣為W_o，偏置矩陣為b_o。