[发明专利]一种人称识别方法

说明书

技术领域

本发明涉及自然语言处理技术领域，具体涉及一种人称识别方法。

背景技术

目前，随着互联网技术的快速发展，每时每刻都会有无数的信息进行传播和存储，我们获得的信息越来越多，如果从海量的信息中寻找到自己需要的信息，同时将差别各异的信息进行提取，得到我们能理解的信息成为人们共同关注的问题。

语句是信息的基础组成部分，理解语句是分析处理信息的重要步骤之一，对于语句的理解主要从三个方面进行，包括语义分析、语句人称分析和句法分析。语义分析是根据语句结构和语句中词语的词义，推导出句子的实际语义；语句人称分析是找出语句中谓语的相应语义人称成份；句法分析是根据语句的语法，推导出语句的语法结构，确定语句的组成成分。

语句的分析被应用到各个领域中，例如网站关键词搜索、网络聊天内容整合分析等，但是现如今对于语句的分析都比较粗糙，精确性不够。

发明内容

针对现有技术中的缺陷，本发明公开了一种人称识别方法，能快速识别出语句中施动者和受动者对应的人称，快速理解语义，从而判断施动者或受动者的喜好和习惯。

本发明的技术方案如下：

一种人称识别方法，包括以下步骤：

S1：建立用于将语句切分成独立词语的分词系统；

S2：获取语句，利用所述分词系统对所述语句进行分词；

S3：通过预设字符模块识别语句中的预设词语，若识别到预设词语，则将预设词语删除；

S4：通过句法分析模块识别语句中的第一预定义词语，若识别到第一预定义词语，则将第一预定义词语删除；

S5：通过词性分析模块识别语句中的第二预定义词语，若识别到第二预定义词语，则将第二预定义词语删除；

S6：重复步骤S2到S4，得到人称识别模型的训练语料；

S7：对所述训练语料进行人称标注，并将标注后的训练语料输入到人称识别模型中进行训练，多次重复训练，直至人称识别模型识别稳定；

S8：获取语句，并将语句输入训练后的人称识别模型中进行识别，得到施动者和受动者对应的人称。

进一步地，上述人称识别方法中，所述人称识别模型的训练方法为最大熵模型人称训练法。

进一步地，上述人称识别方法中，所述人称识别模型的训练方法为深度学习法。

进一步地，上述人称识别方法中，所述分词系统包括分词模型，所述分词系统的分词步骤如下：

通过所述分词模型对语句进行初步分词；

根据预设分词规则对初步分词后的词语进行整合；

根据第三方词典内容对分词规则整合后的词语进行语义合并。

进一步地，上述人称识别方法中，所述分词模型为HMM分词模型。

进一步地，上述人称识别方法中，所述分词模型为CRF分词模型。

进一步地，上述人称识别方法中，所述人称包括第一人称、第二人称和第三人称。

本发明的显著效果：本发明公开的一种人称识别方法，通过建立分词系统，用分词系统对语句进行分词，利用预设字符模块、句法分析模块、词性分析模块将语句中预设的词语和预定义的词语进行删除，能快速识别出语句中施动者和受动者对应的人称，并进行标注，可以更快更好地理解语句语义，准确地进行问题匹配，实现基于语义的智能问答。

附图说明

图1为本发明人称识别方法实施例中的控制流程图；

图2为本发明人称识别方法实施例中深度学习结构示意图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

实施例：

参照图1，为本发明人称识别方法实施例中的控制流程图，

具体步骤如下：

S1：建立用于将语句切分成独立词语的分词系统；其中，所述分词系统包括分词模型，所述分词系统的分词步骤如下：

通过所述分词模型对语句进行初步分词；

根据预设分词规则对初步分词后的词语进行整合；

根据第三方词典内容对分词规则整合后的词语进行语义合并。

所述分词模型为HMM分词模型；所述分词模型为CRF分词模型；所述人称识别模型的训练方法为最大熵模型人称训练法。

S2：获取语句，利用所述分词系统对所述语句进行分词。