[發明專利]面向大數據文本挖掘的動態認知語義匹配方法

有效

• 申請號: 202010263232.1
• 申請日: 2020-04-05
• 公開（公告）號: CN111552816B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 趙安平;于宇
• 申請（專利權）人: 溫州大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/30;G06N3/04;G06N3/08
• 代理公司: 溫州金甌專利事務所(普通合伙) 33237
• 代理人: 林益建

1.一種面向大數據文本挖掘的動態認知語義匹配方法，其特征在于，包括如下步驟：

S10，對大數據文本空間進行文本特征和語義空間的量子認知表示，得到表征大數據文本空間語義空間的線性組合；

S20，針對所述線性組合采用基于量子概率的關聯語義空間發現方法獲取所述大數據文本空間的語義表示，根據語義表示進行建模，得到初始匹配模型；

S30，采用深度神經網絡針對所述初始匹配模型計算詞間的語義關系，獲得動態認知語義空間預測模型，采用動態認知語義空間預測模型對待匹配語句進行語義匹配；所述對大數據文本空間進行文本特征和語義空間的量子認知表示，得到表征大數據文本空間語義空間的線性組合包括：

基于量子認知理論中對情境的隱含考慮，獲取大數據文本空間的基本狀態所構成的量子態向量；

根據所述量子態向量采用超空間模擬語言模型在量子認知和語義空間之間建立關聯，將大數據文本空間的文本特征和語義空間嵌入到量子理論中，以將量子描述方法引入代表人類認知行為現象的認知語義空間，得到表征大數據文本空間語義空間的線性組合；

所述針對所述線性組合采用基于量子概率的關聯語義空間發現方法獲取所述大數據文本空間的語義表示和語義建模包括：

將目標詞的關聯網絡建模為復合量子系統，在復合量子系統中形式化認知的過程，用狀態向量|11...1表示目標詞及其所有的關聯都被激活的量子系統的狀態，用狀態向量|00...0對應于沒有詞及關聯被激活的量子系統的狀態；

針對所述線性組合采用狀態向量|11...1和狀態向量|00...0獲取所述大數據文本空間的語義表示和語義建模。

2.根據權利要求1所述的面向大數據文本挖掘的動態認知語義匹配方法，其特征在于，所述量子態向量包括：

B＝{|S₁，...，|S_n}，

其中|S₁表示第j個基本狀態，B表示量子態向量，j的取值為1、…、n。

3.根據權利要求2所述的面向大數據文本挖掘的動態認知語義匹配方法，其特征在于，所述目標詞及其整個關聯結構的激活過程，表征一個量子態的疊加及糾纏的過程。

4.根據權利要求1至3任一項所述的面向大數據文本挖掘的動態認知語義匹配方法，其特征在于，所述采用深度神經網絡針對所述初始匹配模型計算詞間的語義關系包括：

采用深度循環神經網絡RNN模型來捕捉長距離語義情境依賴，得到語義情境依賴信息；

根據所述語義情境依賴信息針對所述初始匹配模型計算詞間的語義關系。