[發明專利]一種中文語言的特征信息提取方法及裝置

在審

• 申請號: 202011625809.5
• 申請日: 2020-12-30
• 公開（公告）號: CN112632991A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 李紀洲;王星宇;吳明星
• 申請（專利權）人: 北京久其軟件股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06F16/332;G06F16/33
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 董驍毅;葉明川

1.一種中文語言的特征信息提取方法，其特征在于，包括：

獲取待識別文本；

對所述待識別文本進行分詞并標注詞性，獲得所述待識別文本的詞向量；

根據所述詞向量以及第一語義規則狀態機，獲得所述待識別文本對應的第一特征要素，每個第一特征要素對應所述第一語義規則狀態機中的一條第一識別分支；其中，所述第一語義規則狀態機是預先生成的，包括多條第一識別分支；

根據每個第一特征要素以及每個第一特征要素對應第一識別分支所對應的轉化規則，獲得所述待識別文本的特征信息。

2.根據權利要求1所述的方法，其特征在于，所述根據所述待識別文本的詞向量以及第一語義規則狀態機，獲得所述待識別文本對應的第一特征要素包括：

將所述待識別文本的詞向量與所述第一語義規則狀態機中的每條第一識別分支進行匹配；

若判斷獲知所述詞向量包括的詞語與所述第一識別分支匹配，則將與所述第一識別分支匹配的詞語作為與所述第一識別分支對應的第一特征要素。

3.根據權利要求2所述的方法，其特征在于，所述將所述待識別文本的詞向量與所述第一語義規則狀態機中的每條第一識別分支進行匹配包括：

按照所述詞向量包括的詞語的排列順序，根據每個詞語和/或每個詞語對應的詞性以及第一語義匹配規則將每個詞語與每條第一識別分支包括的第一個語義單元進行匹配；其中，每條第一識別分支包括至少一個語義單元；所述第一語義匹配規則是預設的。

4.根據權利要求3所述的方法，其特征在于，還包括：

若判斷獲知所述詞語與所述第一識別分支包括的第一個語義單元匹配，則從所述詞語的下一個詞語開始按照所述詞向量包括的詞語的排列順序依次將每個詞語與所述第一識別分支包括的語義單元進行匹配，直到完成所述第一識別分支的匹配。

5.根據權利要求1至4任一項所述的方法，其特征在于，還包括：

通過行業詞庫對所述待識別文本的詞向量進行修正并標注分類，獲得修正后的詞向量；其中，所述行業詞庫是預先生成的；

根據修正后的詞向量以及第二語義規則狀態機，獲得所述待識別文本對應的第二特征要素，每個第二特征要素對應所述第二語義規則狀態機中的一條第二識別分支；其中，所述第二語義規則狀態機是預先生成的，包括多條第二識別分支；

根據每個第二特征要素以及每個第二特征要素對應第二識別分支所對應的轉化規則，獲得所述待識別文本的特征信息。

6.根據權利要求5所述的方法，其特征在于，所述根據修正后的詞向量以及第二語義規則狀態機，獲得所述待識別文本對應的第二特征要素包括：

將所述修正后的詞向量與所述第二語義規則狀態機中的每條第二識別分支進行匹配；

若判斷獲知所述修正后的詞向量包括的詞語與所述第二識別分支匹配，則將與所述第二識別分支匹配的詞語作為與所述第二識別分支對應的第二特征要素。

7.根據權利要求6所述的方法，其特征在于，所述將所述修正后的詞向量與所述第二語義規則狀態機中的每條第二識別分支進行匹配包括：

按照所述修正后的詞向量包括的詞語的排列順序，根據每個詞語的詞語信息以及第二語義匹配規則將每個詞語與每條第二識別分支包括的第一個語義單元進行匹配；其中，每條第二識別分支包括至少一個語義單元；其中，所述詞語信息包括所述詞語、所述詞語的詞性或者所述詞語的分類中的至少一個信息；所述第二語義匹配規則是預設的。

8.根據權利要求7所述的方法，其特征在于，還包括：

若判斷獲知所述詞語與所述第二識別分支包括的第一個語義單元匹配，則從所述詞語的下一個詞語開始按照所述修正后的詞向量包括的詞語的排列順序依次將每個詞語與所述第二識別分支包括的剩余語義單元進行匹配，直到完成所述第二識別分支的匹配。