[发明专利]一种文本处理方法、系统、设备、介质

权利要求书

1.一种文本处理方法，其特征在于，包括：

S11：利用第一循环神经网络对预设文本栈中的第一目标文本子句进行文本序列特征抽取，得到第一文本序列特征向量；

S12：利用第二循环神经网络对预设文本缓存器中的第二目标文本子句进行文本序列特征抽取，得到第二文本序列特征向量；

S13：利用第三循环神经网络对预先得到的历史动作的动作序列特征进行抽取，得到第三序列特征向量；

S14：利用训练后分类器对所述第一文本序列特征向量、所述第二文本序列特征向量以及所述第三序列特征向量进行拼接，得到目标序列特征向量，并根据所述目标序列特征向量确定目标执行动作，以便确定出目标文本中的情感子句和对应的情感原因；

S15：判断所述预设文本栈和所述预设文本缓存器是否均为空，如果否，则重新进入步骤S11。

2.根据权利要求1所述的文本处理方法，其特征在于，还包括：

对目标文本进行预处理，得到所述目标文本的关键词集；

利用词嵌入技术对所述关键词集进行处理，得到所述目标文本中各个子句对应的向量化文本子句。

3.根据权利要求2所述的文本处理方法，其特征在于，所述利用词嵌入技术对所述关键词集进行处理，得到所述目标文本中各个子句对应的向量化文本子句之后，还包括：

将所述预设文本栈初始化为所述目标文本中的第一个向量化文本子句和第二个向量化文本子句；

将所述预设文本缓存器初始化为所述目标文本中除所述第一个向量化文本子句和所述第二个向量化文本子句之外的所述向量化文本子句。

4.根据权利要求1所述的文本处理方法，其特征在于，所述利用第三循环神经网络对预先得到的历史动作的动作序列特征进行抽取，得到第三序列特征向量，包括：

利用单向循环神经网络对预先得到的历史动作的动作序列特征进行抽取，得到第三序列特征向量。

5.根据权利要求1所述的文本处理方法，其特征在于，所述利用第二循环神经网络对预设文本缓存器中的第二目标文本子句进行文本序列特征抽取，得到第二文本序列特征向量，包括：

利用双向循环神经网络对预设文本缓存器中的第二目标文本子句进行文本序列特征抽取，得到第二文本序列特征向量。

6.根据权利要求1所述的文本处理方法，其特征在于，所述利用训练后分类器对所述第一文本序列特征向量、所述第二文本序列特征向量以及所述第三序列特征向量进行拼接，得到目标序列特征向量，包括：

利用训练后多层全连接网络对所述第一文本序列特征向量、所述第二文本序列特征向量以及所述第三序列特征向量进行拼接，得到目标序列特征向量。

7.根据权利要求1至6任一项所述的文本处理方法，其特征在于，所述根据所述目标序列特征向量确定目标执行动作，包括：

如果所述目标执行动作为移动，则将所述预设文本缓存器中的第二目标文本子句移动到所述预设文本栈中；

如果所述目标执行动作为第一左规约，则将所述预设文本栈中的第一目标文本子句中的第二个目标文本子句标记为第一个目标文本子句的原因，并将所述第二个目标文本子句从所述预设文本栈中移除；

如果所述目标执行动作为第二左规约，则将所述预设文本栈中的第一目标文本子句中的所述第一个目标文本子句标记为情感子句，并将所述第二个目标文本子句从所述预设文本栈中移除；

如果所述目标执行动作为第一右规约，则将所述预设文本栈中的第一目标文本子句中的所述第一个目标文本子句标记为所述第二个目标文本子句的原因，并将所述第一个目标文本子句从所述预设文本栈中移除；

如果所述目标执行动作为第二右规约，则将所述预设文本栈中的第一目标文本子句中的所述第二个目标文本子句标记为情感子句，并将所述第一个目标文本子句从所述预设文本栈中移除。