[发明专利]一种基于农业领域文本的语义理解方法及系统

权利要求书

1.一种基于农业领域文本的语义理解方法，其特征在于，方法包括以下步骤：

步骤一，获取农业领域的文本数据；

步骤二，对文本数据进行分词及词性标注，并根据文本数据上下文信息对进行分词及词性标注后的文本数据进行实体处理；

步骤三，构建同源文本数据的基础知识图谱和异源文本数据的语义知识图谱；

步骤四，将步骤二处理文本数据的方法进行组合形成分词标注模型、实体识别模型和语义识别模型；

步骤五，对文本数据进行迭代更新以及对知识图谱进行实时更新。

2.根据权利要求1所述的一种基于农业领域文本的语义理解方法，其特征在于，所述步骤二中，对文本数据进行自然语言处理；其中，自然语言处理包括分词、关键词抽取、主题抽取、摘要、事件抽取和语义抽取；

对进行自然语言处理后的文本数据进行实体处理；其中，实体处理包括词性标注、实体识别、语义消歧、角色标注、指代消解和实体对齐。

3.根据权利要求1所述的一种基于农业领域文本的语义理解方法，其特征在于，所述步骤三中，将文本数据进行实体对齐，将对齐后的文本数据导入基础图谱，生成基础知识图谱；其中，将文本数据多个实体拥有的属性进行相似度对比，设定相似度阈值，当相似度达到一定相似度阈值则认为文本数据属于同一实体；

将基础知识图谱中所有原子进行量化，将量化后的数据进行自然语言中的平移算法、路径学习算法、类型约束算法与异源信息算法处理生成语义知识图谱。

4.根据权利要求1所述的一种基于农业领域文本的语义理解方法，其特征在于，所述步骤四中，对文本数据中所有词性进行标注，包括对文本数据进行分词、词性标注以及角色标注；

识别文本数据中所有实体，包括对文本数据进行分词、关键词抽取、实体识别以及指代消解；

判断文本数据所表达的语义，包括对文本数据进行摘要、事件抽取、语义抽取、主题抽取、关键词抽取以及语义消歧。

5.根据权利要求1所述的一种基于农业领域文本的语义理解方法，其特征在于，所述步骤五中，修改已有数据中存在的错误，并将修改动作的行为数据进行记录，对行为数据进行处理转化成为可训练的数据，实现对文本数据的迭代训练；

实现农业领域中供需信息匹配、智能问答以及专利文献检索的下游任务；

对生成的文本数据进行测试与标注；

对知识图谱进行添加、修改以及删除完成知识图谱的实时更新。

6.一种基于农业领域文本的语义理解系统，其特征在于，用以实现权利要求1-5任一项所述的语义理解方法，系统包括数据处理层和数据应用层，数据处理层包括数据获取单元、数据处理单元和图谱构建单元，数据应用层包括数据组合单元和数据应用单元，其功能具体实现如下：

数据获取单元，用于获取农业领域的文本数据；

数据处理单元，用于对文本数据进行分词及词性标注，并根据文本数据上下文信息对进行分词及词性标注后的文本数据进行实体处理；

图谱构建单元，用于构建同源文本数据的基础知识图谱和异源文本数据的语义知识图谱；

数据组合单元，用于将数据处理单元处理文本数据的方法进行组合形成分词标注模型、实体识别模型和语义识别模型；

数据应用单元，用于对文本数据进行迭代更新以及对知识图谱进行实时更新。

7.根据权利要求6所述的一种基于农业领域文本的语义理解系统，其特征在于，所述数据处理单元包括第一处理单元与第二处理单元，其具体实现如下：

所述第一处理单元，用于对文本数据进行自然语言处理；其中，自然语言处理包括分词、关键词抽取、主题抽取、摘要、事件抽取和语义抽取；

所述第二处理单元，用于对进行自然语言处理后的文本数据进行实体处理；其中，实体处理包括词性标注、实体识别、语义消歧、角色标注、指代消解和实体对齐。