本發(fā)明提供了一種語義理解方法及系統(tǒng)，其方法包括：獲取語料樣本，根據(jù)語料樣本建立語料庫；根據(jù)語料樣本獲取特征信息，根據(jù)特征信息生成對(duì)應(yīng)的正則表達(dá)式；分別抽取正則表達(dá)式中的特征信息生成多個(gè)不同的正則式組合；分析每一個(gè)正則式組合中每一個(gè)特征信息的存在準(zhǔn)確性，對(duì)正則式組合進(jìn)行篩選；根據(jù)語料庫分析正則式對(duì)應(yīng)的正則式概率，正則式為正則表達(dá)式和篩選后的正則式組合；根據(jù)正則式以及正則式概率生成概率語義模型；獲取用戶語料；根據(jù)用戶語料生成對(duì)應(yīng)的用戶正則式；將用戶正則式和概率語義模型進(jìn)行對(duì)比，得到用戶語料的用戶語義。本發(fā)明基于概率語義模型對(duì)獲取的用戶語料進(jìn)行解析，從而得到最有可能的用戶語義。

技術(shù)領(lǐng)域

本發(fā)明涉及語言處理技術(shù)領(lǐng)域，尤指一種語義理解方法及系統(tǒng)。

背景技術(shù)

當(dāng)前隨著網(wǎng)絡(luò)的飛速發(fā)展，智能處理信息也是越來越普遍。計(jì)算機(jī)、智能設(shè)備等每天可能需要處理成千上萬的信息。智能設(shè)備一般通過分析語料得到對(duì)應(yīng)的正則表達(dá)式，從而解析語料。

但是，在利用分詞技術(shù)的語料處理過程中，會(huì)遇到分詞后，正則表達(dá)式的構(gòu)成中有多種詞性，以及獲取的用戶語料對(duì)應(yīng)的正則表達(dá)式與多個(gè)正則表達(dá)式匹配相符的情況，還是無法準(zhǔn)確判斷語義和實(shí)體，因此，有必要通過一種語義理解方法及系統(tǒng)解析用戶語料從而得到最有可能的對(duì)應(yīng)的用戶語義。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種語義理解方法及系統(tǒng)，實(shí)現(xiàn)基于概率語義模型對(duì)獲取的用戶語料進(jìn)行解析，從而得到最有可能的用戶語義。

本發(fā)明提供的技術(shù)方案如下：

本發(fā)明提供一種語義理解方法，包括：

獲取語料樣本，根據(jù)所述語料樣本建立語料庫；

根據(jù)所述語料樣本獲取特征信息，根據(jù)所述特征信息生成對(duì)應(yīng)的正則表達(dá)式；

分別抽取所述正則表達(dá)式中的所述特征信息生成多個(gè)不同的正則式組合；

分析每一個(gè)正則式組合中每一個(gè)特征信息的存在準(zhǔn)確性，對(duì)所述正則式組合進(jìn)行篩選；

根據(jù)所述語料庫分析所述正則式對(duì)應(yīng)的正則式概率，所述正則式為所述正則表達(dá)式和篩選后的正則式組合；

根據(jù)所述正則式以及所述正則式概率生成概率語義模型；

獲取用戶語料；

根據(jù)所述用戶語料生成對(duì)應(yīng)的用戶正則式；

將所述用戶正則式和所述概率語義模型進(jìn)行對(duì)比，得到所述用戶語料的用戶語義。

進(jìn)一步的，所述的根據(jù)所述語料樣本獲取特征信息，根據(jù)所述特征信息生成對(duì)應(yīng)的正則表達(dá)式具體包括：

通過分詞技術(shù)對(duì)所述語料樣本進(jìn)行分詞，得到樣本分詞和所述樣本分詞對(duì)應(yīng)的分詞詞性；

根據(jù)所述樣本分詞和所述分詞詞性確定所述樣本分詞中的樣本承接詞；

分析所述語料樣本的句式結(jié)構(gòu)得到所述樣本分詞之間的關(guān)聯(lián)關(guān)系；

根據(jù)所述特征信息生成對(duì)應(yīng)的正則表達(dá)式，所述特征信息包括所述樣本分詞、所述分詞詞性、所述樣本承接詞以及所述關(guān)聯(lián)關(guān)系。

進(jìn)一步的，所述的分析每一個(gè)正則式組合中每一個(gè)特征信息的存在準(zhǔn)確性，對(duì)所述正則式組合進(jìn)行篩選具體包括：

分析每一個(gè)正則式組合中每一個(gè)特征信息的存在準(zhǔn)確性，對(duì)所述正則式組合進(jìn)行篩選；

若某一個(gè)正則式組合中每一個(gè)特征信息的存在都是準(zhǔn)確的，則保存所述特征信息存在準(zhǔn)確的正則式組合；

若某一個(gè)正則式組合中存在至少一個(gè)特征信息的存在是不準(zhǔn)確的，則刪除所述特征信息存在不準(zhǔn)確的正則式組合。