[发明专利]一种中文语言的特征信息提取方法及装置

权利要求书

1.一种中文语言的特征信息提取方法，其特征在于，包括：

获取待识别文本；

对所述待识别文本进行分词并标注词性，获得所述待识别文本的词向量；

根据所述词向量以及第一语义规则状态机，获得所述待识别文本对应的第一特征要素，每个第一特征要素对应所述第一语义规则状态机中的一条第一识别分支；其中，所述第一语义规则状态机是预先生成的，包括多条第一识别分支；

根据每个第一特征要素以及每个第一特征要素对应第一识别分支所对应的转化规则，获得所述待识别文本的特征信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述待识别文本的词向量以及第一语义规则状态机，获得所述待识别文本对应的第一特征要素包括：

将所述待识别文本的词向量与所述第一语义规则状态机中的每条第一识别分支进行匹配；

若判断获知所述词向量包括的词语与所述第一识别分支匹配，则将与所述第一识别分支匹配的词语作为与所述第一识别分支对应的第一特征要素。

3.根据权利要求2所述的方法，其特征在于，所述将所述待识别文本的词向量与所述第一语义规则状态机中的每条第一识别分支进行匹配包括：

按照所述词向量包括的词语的排列顺序，根据每个词语和/或每个词语对应的词性以及第一语义匹配规则将每个词语与每条第一识别分支包括的第一个语义单元进行匹配；其中，每条第一识别分支包括至少一个语义单元；所述第一语义匹配规则是预设的。

4.根据权利要求3所述的方法，其特征在于，还包括：

若判断获知所述词语与所述第一识别分支包括的第一个语义单元匹配，则从所述词语的下一个词语开始按照所述词向量包括的词语的排列顺序依次将每个词语与所述第一识别分支包括的语义单元进行匹配，直到完成所述第一识别分支的匹配。

5.根据权利要求1至4任一项所述的方法，其特征在于，还包括：

通过行业词库对所述待识别文本的词向量进行修正并标注分类，获得修正后的词向量；其中，所述行业词库是预先生成的；

根据修正后的词向量以及第二语义规则状态机，获得所述待识别文本对应的第二特征要素，每个第二特征要素对应所述第二语义规则状态机中的一条第二识别分支；其中，所述第二语义规则状态机是预先生成的，包括多条第二识别分支；

根据每个第二特征要素以及每个第二特征要素对应第二识别分支所对应的转化规则，获得所述待识别文本的特征信息。

6.根据权利要求5所述的方法，其特征在于，所述根据修正后的词向量以及第二语义规则状态机，获得所述待识别文本对应的第二特征要素包括：

将所述修正后的词向量与所述第二语义规则状态机中的每条第二识别分支进行匹配；

若判断获知所述修正后的词向量包括的词语与所述第二识别分支匹配，则将与所述第二识别分支匹配的词语作为与所述第二识别分支对应的第二特征要素。

7.根据权利要求6所述的方法，其特征在于，所述将所述修正后的词向量与所述第二语义规则状态机中的每条第二识别分支进行匹配包括：

按照所述修正后的词向量包括的词语的排列顺序，根据每个词语的词语信息以及第二语义匹配规则将每个词语与每条第二识别分支包括的第一个语义单元进行匹配；其中，每条第二识别分支包括至少一个语义单元；其中，所述词语信息包括所述词语、所述词语的词性或者所述词语的分类中的至少一个信息；所述第二语义匹配规则是预设的。

8.根据权利要求7所述的方法，其特征在于，还包括：

若判断获知所述词语与所述第二识别分支包括的第一个语义单元匹配，则从所述词语的下一个词语开始按照所述修正后的词向量包括的词语的排列顺序依次将每个词语与所述第二识别分支包括的剩余语义单元进行匹配，直到完成所述第二识别分支的匹配。