[发明专利]一种多重语义语句解析系统及方法

权利要求书

1.一种多重语义语句解析系统，其特征是包括文本编码模块、神经网络模块、文本解码模块，所述文本编码模块将文本信息转化成多组文本向量信息，所述神经网络模块根据设定的算法将所述多组文本向量信息转化成多组语义向量，所述文本解码模块将所述多组语义向量转化成文本信息输出；其中，神经网络模块的处理过程包括：

⑴采用卷积神经网络对输入的词向量格式的语句进行处理，提取出代表该语句的特征向量，特征向量的大小根据应用场景进行自定义，处理后的特征向量大小为(R2，F2 )，其中，R2 代表长度，F2 代表特征数；

⑵采用循环神经网络根据语句包含的语义个数将特征向量分解成对应数量的特征向量，分解成的特征向量与语句包含的语义对应；

⑶采用循环神经网络与深度神经网络结合分别对分解后的特征向量进行逻辑运算来提取出语义向量；

在神经网络模块的处理过程⑶中，采用循环神经网络与深度神经网络结合分别对分解后的特征向量进行逻辑运算得到语义向量与逻辑向量，逻辑向量代表语义间的依存关系，后续的语义向量都将由对应的特征向量与上一特征向量的逻辑向量结合得到。

2.一种多重语义语句解析方法，所述多重语义语句解析方法基于多重语义语句解析系统，所述多重语义语句解析系统包括文本编码模块、神经网络模块、文本解码模块，其特征是包括步骤：

⑴文本编码模块对输入的文本信息进行文本编码后转化为词向量格式；

⑵神经网络模块将词向量格式的文本信息分解成多个词向量格式的语句；

⑶神经网络模块根据设定的算法对多个词向量格式的语句进行逻辑分析计算得到多组语义向量；

⑷文本解码模块将多组语义向量进行文本解码转化为文本信息输出到具体应用层；

其中，神经网络模块的处理过程包括：

⑴采用卷积神经网络对输入的词向量格式的语句进行处理，提取出代表该语句的特征向量，特征向量的大小根据应用场景进行自定义，处理后的特征向量大小为(R2，F2 )，其中，R2 代表长度，F2 代表特征数；

⑵采用循环神经网络根据语句包含的语义个数将特征向量分解成对应数量的特征向量，分解成的特征向量与语句包含的语义对应；

⑶采用循环神经网络与深度神经网络结合分别对分解后的特征向量进行逻辑运算来提取出语义向量；

在神经网络模块的处理过程⑶中，采用循环神经网络与深度神经网络结合分别对分解后的特征向量进行逻辑运算得到语义向量与逻辑向量，逻辑向量代表语义间的依存关系，后续的语义向量都将由对应的特征向量与上一特征向量的逻辑向量结合得到。