[发明专利]一种隐含语篇关系的分类方法

说明书

本发明涉及一种隐含语篇关系的分类方法，包括：针对待分类的第一语篇信息和第二语篇信息，基于隐式语篇关系分类模型，获取第一语篇信息和第二语篇信息中语义信息的语义交互图结构；针对所述语义交互图结构，获取与第一语篇信息和第二语篇信息对应的语义特征；将获取的语义特征借助于指数映射投影到双曲空间中，获取所述第一语篇信息和第二语篇信息的分类结果；其中，所述隐式语篇关系分类模型为预先建立并训练的包括有上下文表示层、语义学习层、卷积层、聚合层和预测层的模型；所述上下文表示层、语义学习层执行获取语义交互图结构的过程，所述语义学习层、卷积层和所述聚合层执行获取语义特征的过程，所述预测层执行获取分类结果的过程。

技术领域

本发明涉及隐含语篇关系分类技术领域，尤其涉及一种隐含语篇关系的分类方法。

背景技术

语篇关系分类旨在识别两个文本跨度之间的逻辑关系。它是语篇解析的一项基本任务，对许多自然语言处理任务都是有益的，例如机器翻译、问答系统和文本生成。根据语篇实例中是否包含连接词，语篇关系分类任务分为两种：句子中包含连接词的显式语篇关系分类和句中不含连接词的隐含语篇关系分类。仅使用连接词作为特征，显式语篇关系分类任务的准确率超过93％。对于隐含语篇关系分类来说，由于缺少连接词，识别隐性关系往往依赖于两个句子的相关语义信息，该任务仍然具有挑战性。

为了解决这个问题，研究人员对隐含语篇关系分类做了大量的研究。但是现有的方法难以处理不规则语法和隐藏特征、忽略了更广泛的句子线索，例如，句法结构和上下文信息等，没有充分利用注释过的语篇关系信息。同时，现有的方法通常会遇到数据稀疏性问题，从而使其效率低下。

发明内容

(一)要解决的技术问题

鉴于现有技术的上述缺点、不足，本发明提供一种隐含语篇关系的分类方法，其解决了现有的方法没有考虑句法结构和上下文信息导致语篇关系分类结果不准确的技术问题。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

本发明实施例提供一种隐含语篇关系的分类方法，包括：

S1、针对待分类的第一语篇信息和第二语篇信息，基于隐式语篇关系分类模型，获取第一语篇信息和第二语篇信息中语义信息的语义交互图结构；

所述语义交互图结构中的句内边表示句法依赖关系，交互边表示第一语篇信息的节点和第二语篇信息的节点在当前句子对中具有的语义关联关系，节点为语篇信息的单词；

S2、针对所述语义交互图结构，获取与第一语篇信息和第二语篇信息对应的语义特征；

S3、将获取的语义特征借助于指数映射投影到双曲空间中，获取所述第一语篇信息和第二语篇信息的分类结果；

其中，所述隐式语篇关系分类模型为预先建立并训练的包括有上下文表示层、语义学习层、卷积层、聚合层和预测层的模型；

所述上下文表示层、语义学习层执行获取语义交互图结构的过程，所述语义学习层、卷积层和所述聚合层执行获取语义特征的过程，所述预测层执行获取分类结果的过程。

优选的，S1具体包括：

所述隐式语篇关系分类模型的上下文表示层针对待分类的第一语篇信息和第二语篇信息提取与第一语篇信息对应的第一语篇信息表示向量组和与第二语篇信息对应的第二语篇信息表示向量组；

其中，所述第一语篇信息表示向量组包括分别与所述第一语篇信息中的单词一一对应的具有上下文特征的编码向量；所述第二语篇信息表示向量组包括分别与所述第二语篇信息中的单词一一对应的具有上下文特征的编码向量；

所述隐式语篇关系分类模型的语义学习层基于第一语篇信息表示向量组和第二语篇信息表示向量组，采用预先设定的构图策略构建语义交互图结构。