[发明专利]一种文本语义分析方法及系统

权利要求书

1.一种文本语义分析方法，其特征在于，包括：

提取表示所述文本语义的文本向量；

将所述文本向量输入到网络结构中，其中，所述网络结构包括TextCNN网络结构与FastCNN网络结构，基于卷积神经网络对文本向量进行特征提取；

获取所述网络结构输出的文本特征向量。

2.根据权利要求1所述的文本语义分析方法，其特征在于，将所述文本向量输入到所述网络结构中，具体步骤包括：

将提取到的表示所述文本语义的文本向量输入至四种不同类型的卷积核中，在卷积层进行卷积处理；

当提取到的所述文本语义的文本向量在卷积层完成卷积处理后，通过Chunk-Maxpooling在池化层进行池化处理，得到四类隐形特征矩阵；

在得到所述四类隐形特征矩阵后，通过Flatten层将四类隐形特征矩阵展平为一维向量，通过Concatenate层后拼接为第一向量。

3.根据权利要求2所述的文本语义分析方法，其特征在于，所述四种不同类型的卷积核包括：5行一维卷积窗口、4行一维卷积窗口、3行一维卷积窗口和2行一维卷积窗口，其中，每种一维卷积窗口上的卷积核数量为三位数的数量级。

4.根据权利要求1或2所述的文本语义分析方法，其特征在于，所述第一向量与被所述FastCNN网络结构压缩的文本向量联结形成第二向量，所述第二向量经过全连接层传输至输出层，得到所述网络结构输出的文本特征向量。

5.根据权利要求4所述的文本语义分析方法，其特征在于，所述文本特征向量包括文本向量分类各类别的概率。

6.一种文本语义分析系统，其特征在于，所述文本语义分析系统包括：

提取单元，用于提取表示所述文本语义的文本向量；

输入单元，用于将所述文本向量输入到网络结构中，其中，所述网络结构包括TextCNN网络结构与FastCNN网络结构，基于卷积神经网络对文本向量进行特征提取；

获取单元，用于获取所述网络结构输出的文本特征向量。

7.根据权利要求6所述的文本语义分析系统，其特征在于，当所述文本向量输入到所述网络结构中时，所述网络结构包括：

卷积处理模块，将提取到的表示所述文本语义的文本向量输入至若干个四种不同类型的卷积核中，在卷积层进行卷积处理；

池化处理模块，是当提取到的表示所述文本语义的文本向量在卷积层完成卷积处理后，通过Chunk-Maxpooling在池化层进行池化处理，得到四类隐形特征矩阵；

展平模块，在得到所述四类隐形特征矩阵后，通过Flatten层将四类隐形特征矩阵展平为一维向量，通过Concatenate层后拼接为第一向量。

8.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求6至7任一项所述的文本语义分析系统。