[發(fā)明專利]一種基于支持向量機(jī)的對(duì)話語(yǔ)句正確性評(píng)價(jià)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010792210.4
• 申請(qǐng)日: 2020-08-08
• 公開(kāi)（公告）號(hào): CN111783441A
• 公開(kāi)（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 李?yuàn)檴?/a>;毛曉光;董威;劉浩然;陳振邦;陳立前;尹良澤;文艷軍;劉萬(wàn)偉;賈周陽(yáng)
• 申請(qǐng)（專利權(quán)）人: 中國(guó)人民解放軍國(guó)防科技大學(xué)
• 主分類號(hào): G06F40/279
• 分類號(hào): G06F40/279;G06F40/30;G06F40/35;G06K9/62
• 代理公司: 國(guó)防科技大學(xué)專利服務(wù)中心 43202
• 代理人: 文玲

1.一種基于支持向量機(jī)的對(duì)話語(yǔ)句正確性評(píng)價(jià)方法，其特征在于，包括以下步驟：

步驟一、從錯(cuò)誤報(bào)告或郵件列表管理網(wǎng)站上獲取包含完整討論過(guò)程的錯(cuò)誤報(bào)告或郵件列表，并根據(jù)標(biāo)點(diǎn)符號(hào)隊(duì)所獲得的數(shù)據(jù)進(jìn)行分句，得到待標(biāo)注數(shù)據(jù)；

步驟二、從待標(biāo)注數(shù)據(jù)進(jìn)行語(yǔ)氣標(biāo)注肯定或者否定，并獲得肯定語(yǔ)氣標(biāo)注和否定語(yǔ)氣標(biāo)注兩類數(shù)據(jù)各至少5000個(gè)進(jìn)行人工打標(biāo)數(shù)據(jù)；

步驟三、通過(guò)統(tǒng)一大小寫、標(biāo)點(diǎn)符號(hào)，停用詞去除和單詞詞根提取對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，構(gòu)建支持向量機(jī)的訓(xùn)練集；

步驟四、通過(guò)調(diào)節(jié)參數(shù)和利用所獲得的訓(xùn)練數(shù)據(jù)，訓(xùn)練支持向量機(jī)；

步驟五、根據(jù)對(duì)話中明確的引用關(guān)系和關(guān)鍵詞共享，獲取對(duì)話歷史中的評(píng)價(jià)關(guān)系，明確評(píng)論者語(yǔ)句和被評(píng)價(jià)語(yǔ)句；

步驟六、根據(jù)評(píng)價(jià)者語(yǔ)句的觀點(diǎn)分?jǐn)?shù)，以及評(píng)價(jià)者語(yǔ)句的正確性得分，對(duì)被評(píng)價(jià)的語(yǔ)句正確性進(jìn)行評(píng)估。

2.根據(jù)權(quán)利要求1所述的基于支持向量機(jī)的對(duì)話語(yǔ)句正確性評(píng)價(jià)方法，其特征在于，所述獲取步驟一中待標(biāo)注數(shù)據(jù)方法為：

(1)從錯(cuò)誤報(bào)告管理網(wǎng)站https://issues.apache.org/jira/secure/Dashboard.jspa上獲取關(guān)于bug的討論過(guò)程作為待標(biāo)注數(shù)據(jù)，需要獲取至少10000個(gè)錯(cuò)誤報(bào)告中的討論內(nèi)容，討論內(nèi)容包括全部的錯(cuò)誤描述和討論內(nèi)容；

(2)對(duì)所獲取討論歷史進(jìn)行篩選，只保留狀態(tài)為“Closed”的錯(cuò)誤報(bào)告；

(3)根據(jù)符號(hào)‘,’，‘.’,‘？’，‘！’對(duì)語(yǔ)句進(jìn)行分句，其中，當(dāng)‘.’作為單詞的一部分出現(xiàn)時(shí)，不作為劃分單元。

3.根據(jù)權(quán)利要求1所述的一種基于支持向量機(jī)的對(duì)話語(yǔ)句正確性評(píng)價(jià)方法，其特征在于，所述獲取步驟二中人工打標(biāo)數(shù)據(jù)方法為：

(1)對(duì)同一組數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)注內(nèi)容為肯定或者否定，標(biāo)注依據(jù)為句子中包含明確的肯定或者否定詞語(yǔ)，不能明確判斷語(yǔ)氣的語(yǔ)句不作標(biāo)注并舍棄；

(2)根據(jù)所有標(biāo)注人員的標(biāo)注獲得語(yǔ)句的標(biāo)簽；語(yǔ)句被任一人員舍棄，則舍棄該語(yǔ)句；語(yǔ)句被所有人員同時(shí)認(rèn)定為肯定，則語(yǔ)句標(biāo)簽為肯定；被同時(shí)認(rèn)定為否定，則標(biāo)簽為否定，標(biāo)注人員出現(xiàn)意見(jiàn)不同的語(yǔ)句舍棄；

(3)具有肯定與否定標(biāo)簽的語(yǔ)句，應(yīng)分別不少于5000個(gè)；如果少于，則轉(zhuǎn)步驟(1)，直至肯定與否定標(biāo)簽分別達(dá)到5000個(gè)；

(4)取肯定標(biāo)簽與否定標(biāo)簽的語(yǔ)句各5000個(gè)作為訓(xùn)練數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的一種基于支持向量機(jī)的對(duì)話語(yǔ)句正確性評(píng)價(jià)方法，其特征在于，所述步驟三中數(shù)據(jù)標(biāo)準(zhǔn)化方法為：

(1)將訓(xùn)練數(shù)據(jù)中所有單詞統(tǒng)一為小寫；

(2)去除標(biāo)點(diǎn)符號(hào)，保留單詞內(nèi)部連接號(hào)、函數(shù)調(diào)用關(guān)系符號(hào)“.”；

(3)去除停用詞，停用詞列表使用RankNL提供的常用英文停用詞列表；

(3)統(tǒng)一單詞時(shí)態(tài)，保持單詞詞根，單詞時(shí)態(tài)統(tǒng)一采用python中，nltk擴(kuò)展包中，stem函數(shù)實(shí)現(xiàn)。

5.根據(jù)權(quán)利要求1所述的一種基于支持向量機(jī)的對(duì)話語(yǔ)句正確性評(píng)價(jià)方法，其特征在于，所述步驟四中對(duì)支持向量機(jī)的參數(shù)設(shè)置與訓(xùn)練包括以下步驟：

(1)支持向量機(jī)使用python數(shù)據(jù)庫(kù)中，sklearn擴(kuò)展包中的svm組件來(lái)實(shí)現(xiàn)，Python版本取3.5及以上；

(2)支持向量機(jī)的參數(shù)設(shè)置如下：

C＝10.0,cache_size＝200,class_weight＝None,coef0＝0.0,decision_function_shape＝None,degree＝3,gamma＝'auto',kernel＝'rbf',max_iter＝-1,probability＝True,random_state＝None,shrinking＝True,tol＝0.001,verbose＝False；

(3)將包含肯定標(biāo)簽與否定標(biāo)簽的語(yǔ)句各不少于5000個(gè)的訓(xùn)練數(shù)據(jù)輸入到支持向量機(jī)中，完成模型訓(xùn)練，并保存模型用作語(yǔ)句觀點(diǎn)評(píng)價(jià)。