一种自然语言的识别方法及系统与流程

本发明涉及自然语言处理、搜索引擎、智能机器人等领域，特别涉及一种自然语言的识别方法及系统。

背景技术：

中文分词算法应用大概分为三大类：第一类是基于字符串匹配，即扫描字符串，如果发现字符串的子串和词典中的词相同，就算匹配，比如机械分词方法。这类分词通常会加入一些启发式规则，比如“正向/反向最大匹配”、“长词优先”等；第二类是基于统计以及机器学习的分词方法，它们基于人工标注的词性和统计特征，对中文进行建模，即根据观测到的数据(标注好的语料)对模型参数进行训练，在分词阶段再通过模型计算各种分词出现的概率，将概率最大的分词结果作为最终结果。常见的序列标注模型有hmm和crf。这类分词算法能很好处理歧义和未登录词问题，效果比前一类效果好，但是需要大量的人工标注数据，以及较慢的分词速度；第三类是通过让计算机模拟人对句子的理解，达到识别词的效果，由于汉语语义的复杂性，难以将各种语言信息组织成机器能够识别的形式，目前这种分词系统还处于试验阶段。

现有的中文分词算法，多是堆砌罗列，如“分词1+分词2+分词3+分词......”，来对自然语言进行匹配，帮助计算机识别语义。

现有的中文分词算法存在以下缺点：

1、一条条罗列分词组合耗时耗力；

2、组合一条条相对分散，知识点缺乏系统整合；

3、分词的匹配规则，一条条修改增减不方便。

技术实现要素：

为了克服现有的中文分词算法中分词组合耗时耗力、知识点缺乏系统整合和修改不方便的缺点，本发明提供了一种知识矩阵分词系统，该系统不仅对分词进行结构化处理，使得省时省力、便于修改，而且用主题分词设定语义环境，全面梳理相关的各类情况，将知识点体系化，减少分词组合错漏情况，从而提高自然语言识别处理能力。

为实现上述目的，一方面，本发明提供了一种自然语言的识别方法，该方法包括以下步骤：对获取的自然语言进行划分，确定第一分词、第二分词和第三分词；根据第一分词、第二分词和第三分词与预先建立的三维矩阵进行匹配，确定并调用相应的匹配规则，从而实现自然语言的识别；所述三维矩阵包括矩阵名称、第一分词、第二分词、第三分词及匹配规则，其中第一分词设为主题分词，第二分词设为x轴分词，第三分词设为y轴分词，所述x轴分词与所述y轴分词交叉产生各种分词组合。

优选地，三维矩阵只有一个主题分词作为分词参与语义识别匹配，所述主题分词为三维矩阵使用的环境、核心分词。

优选地，当所述自然语言同时包含第一分词、第二分词和第三分词时，则调用对应的匹配规则。

另一方面，本发明提供了一种自然语言的识别系统，该系统包括：

划分模块，用于对获取的自然语言进行划分，确定第一分词、第二分词和第三分词；

识别模块，用于根据第一分词、第二分词和第三分词与预先建立的三维矩阵进行匹配，确定并调用相应的匹配规则，从而实现自然语言的识别；所述三维矩阵包括矩阵名称、第一分词、第二分词、第三分词及匹配规则，其中第一分词设为主题分词，第二分词设为x轴分词，第三分词设为y轴分词，所述x轴分词与所述y轴分词交叉产生各种分词组合，则调用对应的匹配规则。

优选地，三维矩阵只有一个主题分词作为分词参与语义识别匹配，所述主题分词为三维矩阵使用的环境、核心分词。

优选地，当所述自然语言同时包含第一分词、第二分词和第三分词时，则调用对应的匹配规则。

本发明通过将分词进行结构化处理，x轴分词与y轴分词交叉产生各种分词组合，省时省力；三维矩阵用主题分词设定语义环境，全面梳理相关的各类情况，将知识点体系化，减少分词组合错漏情况；三维矩阵简洁直观，具有可视化易修改特点，通过x轴分词与y轴分词的增减，调整匹配规则及内容。

附图说明

图1是本发明实施例提供的一种自然语言的识别方法流程示意图；

图2是本发明实施例提供的一种自然语言的识别系统结构框图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

图1是本发明实施例提供的一种自然语言的识别方法流程示意图。如图1所示，访识别方法包括步骤s101-s102:

步骤s101,对获取的自然语言进行划分，确定第一分词、第二分词和第三分词。

自然语言可以是一句中文，例如“股小量，你和女朋友关系好不好？”，第一分词可以设置为主题分词，第二分词可以设置为x轴分词，第三分词可以设置为y轴分词；其中，x轴分词和y轴分词作为分词参与语义识别匹配。

步骤s102，根据第一分词、第二分词和第三分词与预先建立的三维矩阵进行匹配，确定并调用相应的匹配规则，从而实现自然语言的识别；所述三维矩阵包括矩阵名称、第一分词、第二分词、第三分词及匹配规则，其中第一分词设为主题分词，第二分词设为x轴，第三分词设为y轴，所述x轴分词与所述y轴分词交叉产生各种分词组合。

具体地，三维矩阵(如表1所示)包括矩阵名称a、主题分词t、x轴分词(x1，x2，x3,x4，x5，...)、y轴分词(y1，y2，y3,y4，y5，...)及匹配规则gij等内容组成，x轴分词和y轴分词交叉产生各种分词组合。其中，知识矩阵名称a不作为分词匹配；主题分词t，每个三维矩阵有且只有一个主题分词，一般是知识矩阵使用的环境、核心分词等，作为分词参与语义识别匹配；x轴分词，一组分词(x1，x2，x3,x4，x5，...)，作为分词参与语义识别匹配；y轴分词，一组分词(y1，y2，y3,y4，y5，...)，作为分词参与语义识别匹配；匹配规则gij，调用的规则内容，当一句话(中文自然语言)同时包含分词t、x、y时，调用对应的规则gij来匹配，辅助智能机器人学习训练。

表1

在一个例子中，预设的三维矩阵如表2所示，获取的一句中文为：

问：股小量(主题分词t)，和你女朋友(分词x)关系(分词y)好不好？

答：小冰是个骂人狂，学了几亿句骂人的话！不像本尊，玉树临风，带股民赚钱！(规则gij)

表2

图2是本发明实施例提供的一种自然语言的识别系统结构框图。如图2所示，该自然语言的识别系统，包括划分模块210和识别模块220：

划分模块210，用于对获取的自然语言进行划分，确定第一分词、第二分词和第三分词。

识别模块220，用于根据第一分词、第二分词和第三分词与预先建立的三维矩阵进行匹配，确定并调用相应的匹配规则，从而实现自然语言的识别；所述三维矩阵包括矩阵名称、第一分词、第二分词、第三分词及匹配规则，其中第一分词设为主题分词，第二分词设为x轴分词，第三分词设为y轴分词，所述x轴分词与所述y轴分词交叉产生各种分词组合，则调用对应的匹配规则。三维矩阵只有一个主题分词作为分词参与语义识别匹配，所述主题分词为三维矩阵使用的环境、核心分词。当所述自然语言同时包含第一分词、第二分词和第三分词时，则调用对应的匹配规则。

本发明实施例不仅可以对分词进行结构化处理，使得省时省力、便于修改，而且用主题分词设定语义环境，全面梳理相关的各类情况，将知识点体系化，减少分词组合错漏情况，从而提高自然语言识别处理能力。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。