[发明专利]一种训练文本识别模型、文本连贯性的方法及装置

权利要求书

1.一种训练文本识别模型的方法，其特征在于，包括：

获取第一训练文本和第二训练文本，所述第二训练文本为与所述第一训练文本对应的参考训练文本；

从所述第一训练文本中提取第一训练特征信息，和，从所述第二训练文本中提取第二训练特征信息，所述第一训练特征信息为语序错乱的文本特征，所述第二训练特征信息为语序连贯的文本特征；

利用所述第一训练特征信息以及所述第二训练特征信息对支持向量机模型进行训练，得到文本识别模型；

所述从所述第一训练文本中提取第一训练特征信息，和，从所述第二训练文本中提取第二训练特征信息的步骤还包括：

对所述第一训练文本进行分词得到第一分词结果，和，对所述第二训练文本进行分词得到第二分词结果；

根据所述第一分词结果，获取所述第一训练文本中的多个实体名词，和，根据所述第二分词结果，获取所述第二训练文本中的多个实体名词；

确认所述第一训练文本中的每个实体名词在相邻的至少两语句中的语句结构类型，和，确认所述第二训练文本中的每个实体名词在相邻的至少两语句中的语句结构类型；

根据所述第一训练文本中的每个实体名词在相邻的至少两语句中的语句结构类型，得到所述第一训练文本的第一变换矩阵，和，根据所述第二训练文本中的每个实体名词在相邻的至少两语句中的语句结构类型，得到所述第二训练文本的第二变换矩阵；

根据所述第一变换矩阵，计算所述第一训练文本中的每种类型的语句结构的第一概率矩阵得到所述第一训练特征信息，和，根据第二变换矩阵，计算所述第二训练文本中的每种类型的语句结构的第二概率矩阵得到所述第二训练特征信息。

2.根据权利要求1所述的训练文本识别模型的方法，其特征在于，所述对所述第一训练文本进行分词得到第一分词结果，和，对所述第二训练文本进行分词得到第二分词结果的步骤还包括：

识别所述第一训练文本中的每个词语的词性和/或每个语句的语句结构得到所述第一分词结果，和，识别所述第二训练文本中的每个词语的词性和/或每个语句的语句结构得到所述第二分词结果。

3.根据权利要求1所述的训练文本识别模型的方法，其特征在于，所述根据所述第一变换矩阵，计算所述第一训练文本中的每种类型的语句结构的第一概率矩阵得到所述第一训练特征信息，和，根据第二变换矩阵，计算所述第二训练文本中的每种类型的语句结构的第二概率矩阵得到所述第二训练特征信息的步骤还包括：

统计所述第一训练文本的每种类型的语句结构的第一数量，和，统计所述第二训练文本的每种类型的语句结构的第二数量；

统计所述第一训练文本的多种类型的语句结构的第三数量，和，统计所述第二训练文本的每种类型的语句结构的第四数量；

根据所述第一数量和所述第三数量，计算所述第一数量和所述第三数量的比例得到所述第一概率矩阵，和，根据所述第二数量和所述第四数量，计算所述第二数量和所述第四数量的比例得到所述第二概率矩阵。

4.根据权利要求1所述的训练文本识别模型的方法，其特征在于，所述利用所述第一训练特征信息以及所述第二训练特征信息对支持向量机模型进行训练，得到文本识别模型的步骤还包括：

将所述第一训练特征信息和所述第二训练特征信息输入至所述支持向量机模型中；

通过将第一训练特征信息与第二训练特征信息进行比对评分得到所述文本识别模型。