[发明专利]一种基于卷积神经网络的句子分类方法及系统

说明书

本发明公开一种基于卷积神经网络的句子分类方法及系统，包括对句子中的字母和字符进行编码后，根据字母和字符的上下文关系，分别得到字母向量和字符向量；根据句子结构，按顺序对字母向量和字符向量进行点乘得到混合向量；基于卷积神经网络对混合向量进行特征提取，基于提取的特征根据预设标签类型得到句子分类结果。使用word2vec提取字母向量和字符向量，使用卷积神经网络处理混合向量，进行特征提取，通过softmax层处理所提取的特征获得相应的句子标签；能够满足机器翻译、语音识别、字符识别等自然语言处理方面的需求，解决句子分类方法精度差、速度慢、实时性差的问题。

技术领域

本发明涉及自然语言处理技术领域，特别是涉及一种基于卷积神经网络的句子分类方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

在自然语言处理领域，对句子进行分类是十分重要的，可以帮助机器更好的理解句子意思，进一步优化机器对于语言的理解。自然语言处理是一门融语言学、计算机科学、数学于一体的科学，因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现采用自然语言进行有效通信的计算机系统，特别是软件系统，因而它是计算机科学的一部分。

近年来，该领域已积累了一定的研究基础，大致沿用了大数据与人工智能这两方面的方法。其中对大数据来说，数据之中蕴含着大量的数据，将其中有意义的数据挖掘出来，供人们使用，具有十分重要的意义；对于人工智能来说，机器翻译、语音识别等方面的准确性越来越重要，如何快速实现机器翻译、语音识别等已吸引越来越多的学者进行研究。

不过，无论是大数据挖掘还是人工智能语言处理，对句子进行分类越来越重要，将句子进行分类，可以更好的进行下一步工作，但是目前句子分类方法精度较差，速度较慢，达不到实时应用的需求。

发明内容

为了解决上述问题，本发明提出了一种基于卷积神经网络的句子分类方法及系统，使用word2vec提取字母向量和字符向量，使用卷积神经网络处理混合向量，进行特征提取，通过softmax层处理所提取的特征获得相应的句子标签；能够满足机器翻译、语音识别、字符识别等自然语言处理方面的需求，解决句子分类方法精度差、速度慢、实时性差的问题。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种基于卷积神经网络的句子分类方法，包括：

对句子中的字母和字符进行编码后，根据字母和字符的上下文关系，分别得到字母向量和字符向量；

根据句子结构，按顺序对字母向量和字符向量进行叉乘得到混合向量；

基于卷积神经网络对混合向量进行特征提取，基于提取的特征根据预设标签类型得到句子分类结果。

第二方面，本发明提供一种基于卷积神经网络的句子分类系统，包括：

向量提取模块，被配置为对句子中的字母和字符进行编码后，根据字母和字符的上下文关系，分别得到字母向量和字符向量；

混合向量计算模块，被配置为根据句子结构，按顺序对字母向量和字符向量进行叉乘得到混合向量；

分类模块，被配置为基于卷积神经网络对混合向量进行特征提取，基于提取的特征根据预设标签类型得到句子分类结果。

第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。

第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。