[發明專利]口語化要素識別方法及裝置、警情分析系統

在審

• 申請號: 202010937545.0
• 申請日: 2020-09-08
• 公開（公告）號: CN112016313A
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 杜渂;邱祥平;雷霆;王聚全;彭明喜;周趙云;索濤;劉冉東;楊博;劉亮亮;宋平超;林永生;何共暉
• 申請（專利權）人: 迪愛斯信息技術股份有限公司
• 主分類號: G06F40/279
• 分類號: G06F40/279;G06F40/126;G06N3/04;G06N3/08
• 代理公司: 上海碩力知識產權代理事務所(普通合伙) 31251
• 代理人: 郭桂峰

1.一種口語化要素識別方法，其特征在于，包括：

獲取待識別文本，并將文本中的字符進行映射得到字符向量；

使用預訓練的循環神經網絡對所述待識別文本進行特征抽取獲取字符向量的上下文編碼信息，生成語義編碼向量；

對所述字符向量和語義編碼向量進行融合編碼；

使用條件隨機場對融合后的向量進行類別判斷并輸出，實現對待識別文本中的要素進行識別。

2.如權利要求1所述的口語化要素識別方法，其特征在于，

在所述將文本中的字符進行映射得到字符向量中：采用跳詞模型對滿足預設規則的字符進行字向量編碼；所述預設規則包括：字符于待識別文本中出現的頻率大于預設頻率；和/或，

在所述使用預訓練的循環神經網絡對所述待識別文本進行特征抽取獲取字符向量的上下文編碼信息，生成語義編碼向量中：使用預訓練的BiLSTM模型對所述待識別文本進行特征抽取獲取字符向量的上下文編碼信息，生成語義編碼向量。

3.如權利要求1或2所述的口語化要素識別方法，其特征在于，在所述將文本中的字符進行映射得到字符向量中，包括：針對所述待識別文本中各漢字的潛在語義，得到每個漢字對應的多個字符向量；

在對所述字符向量和語義編碼向量進行融合編碼中，包括：從每個漢字對應的多個字符向量中選定一字符向量實現字符向量和語義編碼向量的融合編碼。

4.如權利要求3所述的口語化要素識別方法，其特征在于，在對所述字符向量和語義編碼向量進行融合編碼中，將待識別文本上下文中詞語的表征為：

其中，y_j＝{c₁,c₂,...,c_N}表示第j個目標詞向量，w_j表示第j個詞向量，N_j為第j個詞語w_j中漢字的數量，c_k表示第k個漢字被選定的字符向量；

在獲取目標詞y_j的過程中，第k個漢字對應的字符向量被選擇次數的最大值為：

其中，r_k表示為第k個漢字對應的字符向量被選擇次數的最大值，S(·)表示余弦相似度函數；v_context表示最后得到的詞向量，表示漢字u中曾被選擇次數最多的字符向量，t表示中間變量。

5.一種口語化要素識別裝置，其特征在于，包括：

字向量嵌入單元，用于獲取待識別文本，并將文本中的字符進行映射得到字符向量；

語義編碼單元，用于使用預訓練的循環神經網絡對所述字向量嵌入單元獲取的待識別文本進行特征抽取獲取字符向量的上下文編碼信息，生成語義編碼向量；

融合編碼單元，用于對所述字向量嵌入單元生成的字符向量和語義編碼單元生成的語義編碼向量進行融合編碼；

類別標注單元，用于使用條件隨機場對所述融合編碼單元融合后的向量進行類別判斷并輸出，實現對待識別文本中的要素進行識別。

6.如權利要求5所述的口語化要素識別裝置，其特征在于，在所述字向量嵌入單元中，采用跳詞模型對滿足預設規則的字符進行字向量編碼；所述預設規則包括：字符于待識別文本中出現的頻率大于預設頻率；和/或，

在所述語義編碼單元中，使用預訓練的BiLSTM模型對所述待識別文本進行特征抽取獲取字符向量的上下文編碼信息，生成語義編碼向量；和/或

在所述字向量嵌入單元中，針對所述待識別文本中各漢字的潛在語義，得到每個漢字對應的多個字符向量；

在所述融合編碼單元中，從每個漢字對應的多個字符向量中選定一字符向量實現字符向量和語義編碼向量的融合編碼。