[发明专利]文本蕴含识别方法及装置

权利要求书

1.一种文本蕴含识别方法，其特征在于包括：

获取待识别文本蕴含句对中源句子的词汇向量集合和目标句子的词汇向量集合；

利用预设的第一感知器并且根据所述源句子的词汇向量集合与目标句子的词汇向量集合，分别获取所述源句子中每个词与所述目标句子之间的第一比较向量以及所述目标句子中每个词与所述源句子之间的第二比较向量；

根据所述源句子的词汇向量集合与目标句子的词汇向量集合，获取所述源句子的每个词分别与所述目标句子的每个词之间的对齐权重；根据所述对齐权重对所述目标句子中每个词的词汇向量进行加权求和，得到所述源句子中每个词对应的第一相关语义向量，根据所述对齐权重对所述源句子中每个词的词汇向量进行加权求和，得到所述目标句子中每个词对应的第二相关语义向量；

利用所述第一感知器并且根据每个所述第一相关语义向量获取所述源句子中每个词与所述目标句子之间的第一比较向量，以及根据每个所述第二相关语义向量获取所述目标句子中每个词与所述源句子之间的第二比较向量；

利用所述第一感知器并且根据每个所述第一相关语义向量获取所述源句子中每个词与所述目标句子之间的第一比较向量的步骤包括：

按照如下公式所示的方法获取所述源句子中每个词与所述目标句子之间的第一比较向量：

根据每个所述第二相关语义向量获取所述目标句子中每个词与所述源句子之间的第二比较向量的步骤包括：

按照如下公式所示的方法获取所述目标句子中每个词与所述源句子之间的第二比较向量：

其中，表示所述源句子的词汇向量集合中第i个词汇与所述目标句子的词汇向量集合的比较结果，即第一比较向量，表示所述目标句子的词汇向量集合中第j个词汇与所述源句子的词汇向量集合的比较结果，即第二比较向量，“；”表示拼接操作，“-”和“⊙”分别表示减操作和点乘操作，G表示所述第一感知器，第一感知器是一个一层的多层感知机，其激励函数是Relu；

基于预设的语义关系推理模型并且根据所述第一比较向量与第二比较向量，分别获取所述源句子中每个词与所述目标句子之间的第一推理向量以及所述目标句子中每个词与所述源句子之间的第二推理向量；

利用预设的第二感知器分别获取每个所述第一推理向量和每个所述第二推理向量的门结构权重；

利用预设的第二感知器获取每个所述第一推理向量的门结构权重的步骤包括：

按照下式所示的方法获取每个所述第一推理向量的门结构权重：

利用预设的第二感知器获取每个所述第二推理向量的门结构权重的步骤包括：

按照下式所示的方法获取每个所述第二推理向量的门结构权重：

其中，表示所述源句子的词汇向量集合中第i个词汇与所述目标句子的词汇向量集合的门结构权重，表示所述目标句子的词汇向量集合中第j个词汇与所述源句子的词汇向量集合的门结构权重，R表示所述第二感知器，第二感知器是一个一层的多层感知机，第二感知器的激励函数是Sigmoid函数；

根据所述源句子中每个词对应的第一推理向量及其门结构权重进行加权融合得到所述源句子的第三推理向量，根据所述目标句子中每个词对应的第二推理向量及其门结构权重进行加权融合得到所述目标句子的第四推理向量；

根据所述源句子的第三推理向量和所述目标句子的第四推理向量预测所述源句子和目标句子之间的语义蕴含关系；

其中，所述语义关系推理模型是基于预设的语料集并利用机器学习算法所构建的双向递归神经网络模型。

2.根据权利要求1所述的文本蕴含识别方法，其特征在于，“获取所述源句子的每个词分别与所述目标句子的每个词之间的对齐权重”的步骤包括：

按照如下公式所示的方法获取所述对齐权重：

其中，e_i，j表示所述源句子的词汇向量集合中第i个词汇与所述目标句子的词汇向量集合中第j个词汇的对齐权重，分别表示所述源句子的词汇向量集合中第i个词汇向量和所述目标句子的词汇向量集合中第j个词汇向量。