[发明专利]一种文本数据元语义识别方法及装置

权利要求书

1.一种文本数据元语义识别方法，其特征在于，所述方法包括：

S1、获取待分析数据文本，提取所述待分析数据文本的文本数据元；

S2、根据所述文本数据元的特征类型，使用经验算法结合特例数据对每个特征类型进行识别计算；

S3、将每个特征类型的识别结果进行分析，得到待分析数据文本的语义识别结果。

2.如权利要求1所述的方法，其特征在于，步骤S2中，对每个特征类型进行识别，具体包括：依次对下述的特征类型进行识别：分词和词性标注识别、语义段划分识别、量词识别、时间段划分识别、数据元最近名词识别、数据元辅助词识别、概念属性识别、概念指代识别和数据元附加场景识别。

3.如权利要求1所述的方法，其特征在于，所述步骤S2中，使用经验算法结合特例数据对每个特征类型进行识别计算，具体包括：

S21、获取当前识别的特征类型的正向特例和反向特例；

S22、基于经验算法对所述正向特例和反向特例进行分类识别，得到区分后的正向特例集和反向特例集；

S23、对所述区分后的正向特例集中混入的反向特例集进行排除，并对所述区分后的反向特例集中混入的正向特例集进行肯定，得到优化的正向特例集和优化的反向特例集；

S24、对优化的正向特例集和优化的反向特例集重复步骤S23的过程，得到最终的正向特例集和反向特例集。

4.如权利要求3所述的方法，其特征在于，所述S22具体包括：

S221、基于预设的特例要求，判断正向特例和反向特例是否满足特例要求；

S222、将满足特例要求的正向特例归入区分后的正向特例集，将满足特例要求的反向特例归入区分后的反向特例，将不满足特例要求的正向特例和反向特例执行下一步；

S223、基于预设的推导模式，对不满足特例要求的正向特例和反向特例进行推导模式判别；

S224、将满足推导模式的正向特例归入区分后的正向特例集，将满足特例要求的反向特例归入区分后的反向特例，将不满足推导模式的正向特例和反向特例执行下一步；

S225、使用经验算法判别不满足推导模式的正向特例和反向特例，将判别结果的正向特例归入区分后的正向特例集，反向特例归入区分后的反向特例。

5.如权利要求4所述的方法，其特征在于，所述步骤S223具体包括：

基于预设的同义词、概念属性、词性模式进行推导模式判别。

6.一种文本数据元语义识别装置，其特征在于，所述装置包括：

数据元提取模块，用于获取待分析数据文本，提取所述待分析数据文本的文本数据元；

识别模块，用于根据所述文本数据元的特征类型，使用经验算法结合特例数据对每个特征类型进行识别计算；

分析模块，用于将每个特征类型的识别结果进行分析，得到待分析数据文本的语义识别结果。

7.如权利要求6所述的装置，其特征在于，识别单元对所述每个特征类型的识别，具体包括：依次对下述的特征类型进行识别：分词和词性标注识别、语义段划分识别、量词识别、时间段划分识别、数据元最近名词识别、数据元辅助词识别、概念属性识别、概念指代识别和数据元附加场景识别。

8.如权利要求6所述的装置，其特征在于，所述识别模块，具体包括：

特例获取单元，用于获取当前识别的特征类型的正向特例和反向特例；

分类识别单元，用于基于经验算法对所述正向特例和反向特例进行分类识别，得到区分后的正向特例集和反向特例集；

排除单元，用于对所述区分后的正向特例集中混入的反向特例集进行排除，并对所述区分后的反向特例集中混入的正向特例集进行肯定，得到优化的正向特例集和优化的反向特例集；

判断单元，用于判断是否为最终的正向特例集和反向特例集，是则将结果输出到分析模块，否则发送指令到排除单元，使得所述排除单元进行重复优化工作。