[发明专利]基于深度学习的自然语言处理方法、装置及存储介质

权利要求书

1.基于深度学习的自然语言处理方法，该方法包括：

获取多媒体语料；

采集多媒体语料并基于预设比例生成训练集和测试集；

基于训练集进行词法分析；

基于词法分析结果生成字典和字典树；

基于字典和字典树构件循环神经网络模型；

基于所述循环神经网络模型进行自然语言处理。

2.如权利要求1所述的方法，获取多媒体语料，包括：

针对预设的多媒体网站，获取多媒体文件；

针对所述多媒体文件进行语音识别；

针对语音识别结果进行预设类别的分类，所述预设类别包括歌曲、影视、短视频、新闻资讯。

3.如权利要求2所述的方法，获取多媒体文件，包括：

基于爬虫算法获取多媒体数据；

抽取多媒体数据的音频信息并进行存储。

4.如权利要求3所述的方法，针对所述多媒体文件进行语音识别，包括：

针对存储的音频信息进行基于语音识别算法的语音识别，生成文本信息；

针对所述文本信息进行语意分析，并针对语意分析结果进行聚类；

基于聚类结果获取不同语法结构的多个向量矩阵。

5.如权利要求4所述的方法，采集多媒体语料并基于预设比例生成训练集和测试集，包括：

基于Web API接口获取多个所述向量矩阵；

针对多个所述向量矩阵进行向量平均；

将向量平均后的矩阵按照7:3～8:2的比例生成训练集和测试集。

6.如权利要求5所述的方法，基于词法分析结果生成字典和字典树，包括：

针对训练集和测试集的语料进行基于感知机模型的词法分析；

针对词法分析结果进行分词和词性标注；

基于分词生成字典，并基于分词和词性标注结果生成字典树。

7.如权利要求6所述的方法，在构建循环神经网络模型时，所述循环神经网络模型具有输入层、隐藏层和输出层，其中，所述输入层通过包含一个sigmoid神经网络层和一个pointwise乘法操作，sigmoid函数输出0～1之间的数值。

8.如权利要求7所述的方法，在构建循环神经网络模型时，所述输入层配置为是否要保存新的信息，sigmoid函数配置为更新值，而后再通过tanh函数创建一个新的候选值向量，所述候选值向量的值介于-1与1之间。

9.基于深度学习的自然语言处理装置，其用于实施权利要求8所述的方法，该装置包括：

多媒体网站，所述多媒体网站配置为提供多种不同公共信源的多媒体信息；

信息获取单元，其配置为获取多媒体语料，包括爬虫单元、语音识别单元及分类单元，所述爬虫单元配置为基于爬虫算法获取多媒体数据，所述语音识别单元配置为针对所述多媒体文件进行语音识别，所述分类单元配置为针对语音识别结果进行预设类别的分类，所述预设类别包括歌曲、影视、短视频、新闻资讯；

信息输入单元，其配置为采集多媒体语料并基于预设比例生成训练集和测试集，包括Web API接口、自然语言输入接口和数据采集单元，所述Web API接口配置为基于Web服务器的向量生成算法，获取多个所述向量矩阵；所述自然语言输入接口配置为接收自然语言输入，所述数据采集单元配置为采集所述爬虫单元获取的多媒体语料；

训练集和测试集，其由所述多媒体语料以预设比例生成；

词法分析单元，其配置为基于感知机模型的进行词法分析；针对词法分析结果进行分词和词性标注；

字典生成单元，基于分词生成字典，并基于分词和词性标注结果生成字典树；

循环神经网络算法模型，所述循环神经网络模型具有输入层、隐藏层和输出层，其中，所述输入层通过包含一个sigmoid神经网络层和一个pointwise乘法操作，sigmoid函数输出0～1之间的数值；所述输入层配置为是否要保存新的信息，sigmoid函数配置为更新值，而后再通过tanh函数创建一个新的候选值向量，所述候选值向量的值介于-1与1之间。

10.计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1-8中任意一项所述的方法。