[发明专利]一种基于农业领域文本的语义理解方法及系统

说明书

本发明公开了一种基于农业领域文本的语义理解方法及系统，涉及自然语言处理，解决了农业领域中供需信息匹配、智能问答、文献检索的结果不准确的问题，其技术方案要点是：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，将步骤二处理后的文本数据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。本发明提出基础自然语言处理方法组合以复合模型形式输出，并提出对文本数据的应用。

技术领域

本发明涉及自然语言处理领域，更具体地说，它涉及一种基于农业领域文本的语义理解方法及系统。

背景技术

随着自然语言处理技术在各领域中蓬勃发展的大环境下，对于农业领域关于自然语言处理方向建设也是迫切需要。

现有技术中关于农业领域中供需信息匹配、智能问答、文献检索的结果不准确，以及关于农业领域的数据的更新也极为迟缓，导致现在关于农业领域方面的数据仍是处在多年前的状态。

结合农业领域中知识种类繁多、异类关联性强、语言句式相对固等特点，本发明针对农业领域自然语言特点及下层应用出发，提供了一种关于农业领域方面词汇的语义理解方法及系统。

发明内容

本发明的目的是提供一种基于农业领域文本的语义理解方法及系统，解决农业领域中供需信息匹配、智能问答、文献检索的结果不准确的问题。

本发明的上述技术目的是通过以下技术方案得以实现的：

第一方面，本发明提供一种基于农业领域文本的语义理解方法，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。

本发明对农业领域方面的文本数据进行分词及对词汇的词性进行标注，然后将分词和词性标注处理后的文本数据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，本发明提出基础自然语言处理方法组合以分词标注模型、实体识别模型和语义识别模型等复合模型的形式输出实现对农业领域方面数据进行信息匹配、智能问答和文献检索，通过对数据进行迭代更新和对知识图谱实时更新，完成对文本数据的实时更新以及对知识图谱进行补充或纠错。

进一步的，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。

进一步的，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。

进一步的，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；