[发明专利]面向大数据文本挖掘的动态认知语义匹配方法

权利要求书

1.一种面向大数据文本挖掘的动态认知语义匹配方法，其特征在于，包括如下步骤：

S10，对大数据文本空间进行文本特征和语义空间的量子认知表示，得到表征大数据文本空间语义空间的线性组合；

S20，针对所述线性组合采用基于量子概率的关联语义空间发现方法获取所述大数据文本空间的语义表示，根据语义表示进行建模，得到初始匹配模型；

S30，采用深度神经网络针对所述初始匹配模型计算词间的语义关系，获得动态认知语义空间预测模型，采用动态认知语义空间预测模型对待匹配语句进行语义匹配；所述对大数据文本空间进行文本特征和语义空间的量子认知表示，得到表征大数据文本空间语义空间的线性组合包括：

基于量子认知理论中对情境的隐含考虑，获取大数据文本空间的基本状态所构成的量子态向量；

根据所述量子态向量采用超空间模拟语言模型在量子认知和语义空间之间建立关联，将大数据文本空间的文本特征和语义空间嵌入到量子理论中，以将量子描述方法引入代表人类认知行为现象的认知语义空间，得到表征大数据文本空间语义空间的线性组合；

所述针对所述线性组合采用基于量子概率的关联语义空间发现方法获取所述大数据文本空间的语义表示和语义建模包括：

将目标词的关联网络建模为复合量子系统，在复合量子系统中形式化认知的过程，用状态向量|11...1表示目标词及其所有的关联都被激活的量子系统的状态，用状态向量|00...0对应于没有词及关联被激活的量子系统的状态；

针对所述线性组合采用状态向量|11...1和状态向量|00...0获取所述大数据文本空间的语义表示和语义建模。

2.根据权利要求1所述的面向大数据文本挖掘的动态认知语义匹配方法，其特征在于，所述量子态向量包括：

B＝{|S₁，...，|S_n}，

其中|S₁表示第j个基本状态，B表示量子态向量，j的取值为1、…、n。

3.根据权利要求2所述的面向大数据文本挖掘的动态认知语义匹配方法，其特征在于，所述目标词及其整个关联结构的激活过程，表征一个量子态的叠加及纠缠的过程。

4.根据权利要求1至3任一项所述的面向大数据文本挖掘的动态认知语义匹配方法，其特征在于，所述采用深度神经网络针对所述初始匹配模型计算词间的语义关系包括：

采用深度循环神经网络RNN模型来捕捉长距离语义情境依赖，得到语义情境依赖信息；

根据所述语义情境依赖信息针对所述初始匹配模型计算词间的语义关系。