[發(fā)明專利]一種基于圖形理論的自然語言處理技術(shù)的研發(fā)方法

在審

• 申請?zhí)枺?/td>: 202011435391.1
• 申請日: 2020-12-10
• 公開（公告）號: CN112906379A
• 公開（公告）日: 2021-06-04
• 發(fā)明（設計）人: 杜爽
• 申請（專利權(quán)）人: 蘇州英特雷真智能科技有限公司
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F40/35;G06F40/44;G06F40/211;G06F16/901
• 代理公司: 蘇州吳韻知識產(chǎn)權(quán)代理事務所(普通合伙) 32364
• 代理人: 朱亮

1.一種基于圖形理論的自然語言處理技術(shù)的研發(fā)方法，其特征在于：所述研究方法如下：

1)通過圖數(shù)據(jù)庫對自然對話，按照漢字順序進行存儲，并即時形成N-Gram模型的字關(guān)聯(lián)統(tǒng)計；

2)將對話的句子，按照斷句規(guī)則進行處理，形成字的連接鏈，在這類數(shù)據(jù)達到一定量級，統(tǒng)計出同一個鏈上相鄰漢字的出現(xiàn)頻次，形成N-Gram的數(shù)據(jù)；基于N-Gram的數(shù)據(jù)，抽取詞語之間的關(guān)聯(lián)頻度數(shù)據(jù)，對漢語詞匯的詞性進行標注，從而形成對話規(guī)則；

3)基于上述規(guī)則由漢字到詞到短語到句子形成金字塔結(jié)構(gòu)，規(guī)則和漢字數(shù)據(jù)緊密綁定，通過圖論方法，形成數(shù)據(jù)即處理單元的處理方法，并通過半監(jiān)督學習的方法，對形成的規(guī)則進行干預校準。

2.根據(jù)權(quán)利要求1所述的一種基于圖形理論的自然語言處理技術(shù)的研發(fā)方法，其特征在于：所述步驟2)的具體研究過程如下：

21)生成會話編碼，將會話進行句子拆分，標點符號歸集到前一句子；

22)將日常對話進行漢字拆分，按照漢字的順序記錄到圖數(shù)據(jù)庫中，以句為單元對順序關(guān)系進行標注；

23)對漢字進行統(tǒng)計，臨近漢字進行詞匯提取，詞性標注，三級詞頻統(tǒng)計；

24)詞匯順序關(guān)系進行統(tǒng)計；

25)面向全體數(shù)據(jù)，抽取名詞性關(guān)鍵詞；

26)通過監(jiān)督教育不斷修改句型標注方法及數(shù)據(jù)，最終形成詞法器，新數(shù)據(jù)通過語法器進行主題提取。

3.根據(jù)權(quán)利要求2所述的一種基于圖形理論的自然語言處理技術(shù)的研發(fā)方法，其特征在于：所述步驟24)具體為詞匯順序關(guān)系進行統(tǒng)計并抽象為句型標注，并對會話范圍內(nèi)，上下文進行關(guān)聯(lián)關(guān)系標注。

4.根據(jù)權(quán)利要求2所述的一種基于圖形理論的自然語言處理技術(shù)的研發(fā)方法，其特征在于：所述步驟25)具體為面向全體數(shù)據(jù)，抽取名詞性關(guān)鍵詞，將名詞為主語的句子進行分類標注，分析句子間的詞匯編碼相似度。

5.根據(jù)權(quán)利要求1所述的一種基于圖形理論的自然語言處理技術(shù)的研發(fā)方法，其特征在于：所述步驟2)斷句規(guī)則具體流程如下：

①將自然對話定義為場景進行編碼；

②判斷是否有下一句，按照句子進行漢字拆分；

③判斷漢字是否存在，漢字不存在時，建立漢字節(jié)點，頻次設置為1；漢字存在時，漢字頻次+1；

④判斷是否為該句第一漢字，不是該句第一漢字時，與前一漢字建立順序關(guān)系；是該句第一漢字時，標記為本句起紿漢字；

⑤判斷是否為該句最尾漢字，不是該最尾漢字時，進行下一個漢字的處理；是該最尾漢字時，標記為本句結(jié)束漢字。