[发明专利]一种基于改进LSTM-RNN的陆空通话语义一致性校验方法

摘要

一种基于改进LSTM‑RNN的陆空通话语义一致性校验方法。其包括制作语料库：根据民航的通话标准和语料库制作专用词表并获得单词的one‑hot向量：产生每一语句对中两个句子的语义向量；利用平均池化方法来处理语义向量并送入MLP模型中；利用MLP学习出两个语义向量的相关程度；利用KNN来判决语义的一致性。原有的基于LSTM‑RNN处理序列的方法，虽然避免了单独的RNN算法的梯度消失，但检验精度较低，本发明采用了平均池化方法来防止过拟合现象的出现，在计算相关性方面创新的利用了MLP，使得模型对于相关性的学习程度更加充分。由于深度学习利用模型自动地学习样本特征，所以本发明不需要对大量数据进行统计分析。

主权项

1.一种基于改进LSTM‑RNN的陆空通话语义一致性校验方法，其特征在于：所述的方法包括按顺序进行的下列步骤：步骤1)制作语料库：步骤1.1)从实际的陆空通话、相关教材和民航局陆空通话标准中，挑选复诵类型的语句对并存入txt文本中；步骤1.2)将上述文本中的语句对分成正样本和负样本两种类型，其中正样本由语义一致性的语句对组成，负样本由语义不一致性的语句对组成；步骤1.3)对上述语句对进行分词：为了方便描述句子语义，需要对语句对进行分词，以每个单词为单位将语句对中的句子进行分词，由分词之后的所有语句对构成语料库；步骤2)根据民航的通话标准和上述语料库制作专用词表并获得单词的one‑hot向量：步骤2.1)根据民航的通话标准和上述语料库制作一个专用词表；步骤2.2)利用上述专用词表获得语料库中所有单词的one‑hot向量，其中：One‑hot向量是用一个向量表示一个单词，向量的维度是词表的大小，其中One‑hot向量绝大多数位置的取值为0，只有一个位置的取值为1，这个位置就代表了当前的单词；步骤3)产生每一语句对中两个句子的语义向量：将上述每一语句对中两个句子的所有单词的one‑hot向量分别作为一个单词序列输入到两个LSTM‑RNN模型中，以对这两个LSTM‑RNN模型同时进行训练，两个LSTM‑RNN模型的输出向量分别为两个句子的语义向量；步骤4)对语义向量进行平均池化操作，以提高语义向量的泛化性，同时降低语义向量的维数；步骤5)将两个句子的语义向量输入到MLP模型中，通过MLP模型学习出语义向量的相关程度；步骤6)最后根据MLP模型学习出的结果使用K近邻法来校验两个句子的语义是否一致。