[发明专利]一种基于语义网的管制指令分类方法

权利要求书

1.一种基于语义网的管制指令分类方法，其特征在于，包括如下步骤：

步骤1，对管制语音进行语音识别处理，得到文本格式的管制指令；

步骤2，对文本格式的管制指令中包含的词语进行词性分析；

步骤3，基于词性分析结果提取出管制意图，同时对管制指令中的其他词语进行提取，形成候选论元集合；

步骤4，对候选论元集合进行BIO标注处理，并用标注的数据训练全连接神经网络的参数，目标为通过神经网络得到管制意图动词-论元组；

步骤5，对管制指令中的管制意图动词数量进行判断，如果数量大于1个，则进入步骤6；

步骤6，生成输入词向量；

步骤7，使用神经网络对输入的词向量进行分类，得到概率输出值z；

步骤8，判断关系：如果概率输出值z在一个类别处出现较高的概率，则判定该论元与这个对应的管制意图存在关系，执行步骤10，否则不做处理；

步骤9，构建语义网，语义网包含了管制意图动词、论元词语、语义关联三元组知识；

步骤10，将管制意图动词与论元词语代入语义网，获取动词与相应论元间的具体语义关系，形成结构化管制指令；

步骤11，将结构化管制指令用于直接检测是否因管制员错、忘、漏发出错误管制指令而造成了场面冲突；

步骤2包括：

步骤2-1，利用jieba分词对管制指令进行中文分词操作，得到词序列；

步骤2-2，词性标注：对词序列中的每个词按对应的词性进行标注，得到词性分析结果；

步骤3包括：基于词性分析结果，去除管制指令中为基本管制术语的词语，去除基本管制术语后的一条管制指令包含动词和其他成份的词性词，通过词性标注结果进行判断，将动词提取出来形成管制意图动词集合，同时将其他成份的词提取出来，形成候选论元集合；

步骤4中，所述BIO标注是指：将每个元素标注为B-X、I-X或者O，其中，B-X表示此元素所在的片段属于X类型并且此元素在此片段的开头，I-X表示此元素所在的片段属于X类型并且此元素在此片段的中间位置，O表示不属于任何类型；

步骤4包括：

步骤4-1，转成词向量：使用word2vec方法对词语进行预处理，并生成输入句子的词向量表示，作为神经网络的输入；

步骤4-2，使用全连接神经网络，训练全连接神经网络的模型参数：收集实际工作场景中的管制指令并形成语料训练集，对管制指令的语料训练集进标注，用语料训练集对全连接神经网络的各层神经元的权重参数进行训练，得到训练好的神经网络；

步骤4-3，使用神经网络进行预测：通过训练好的神经网络判断候选论元集和动词集合中的目标论元与动词是否存在关联，得到动词-论元组；

步骤6包括：将步骤4-1中得到的句子词向量作为神经网络模型的输入

步骤7中，神经网络包含输入层、隐藏层和输出层，定义神经网络有100×n个输入x，若输入层有n个神经元，则定义权重矩阵为W_(2w+2)×n，偏置矩阵为b_1×n，输入层的输出值为α_1×n，激活函数的输出值为h_1×n，定义ReLU激活函数f_ReLU(t)为：

其中t是输入数值，隐藏层的神经元的输出值由下式得到：

α_h＝h_hW_h+b_h，

h_h＝f_ReLU(α_h)，

其中隐藏层的权重矩阵为W_h，偏置矩阵为b_h，输出值为α_h，激活函数的输出值为h_h，通过下式得到神经网络的输出值z：

z＝h_hW_o+b_o，

其中输出层的权重矩阵为W_o，偏置矩阵为b_o。