[发明专利]一种基于LSTM-RNN的陆空通话语义一致性校验方法

摘要

一种基于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上述语料库制作专用词表并获得单词的one‑hot向量：产生每一句子对中两个句子的语义向量；计算上述两个句子的语义向量的余弦相似度；根据上述余弦相似度利用逻辑回归法、K近邻法或随机森林法来校验两个句子的语义是否一致等步骤。本发明提供的基于利用RNN处理序列的优势，在计算句子语义向量的过程中充分考虑了句子中单词之间的关联性。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LSTM‑RNN的陆空通话语义一致性校验方法，其特征在于：所述的基于LSTM‑RNN的陆空通话语义一致性校验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)从实际的陆空通话中挑选出复述类型的句子对并存入txt文本中；步骤1.2)将上述文本中的句子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句子对组成，负样本由语义不一致性的句子对组成；步骤1.3)对上述句子对进行分词：为了方便描述句子语义，需要对句子对进行分词，以每个单词为单位将句子进行分词，由分词之后的所有句子对构成语料库；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；步骤3)产生每一句子对中两个句子的语义向量：将上述每一句子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RNN模型或者两个LSTM‑RNN模型中，以对两个模型同时进行训练，两个模型的输出向量分别为两个句子的语义向量；步骤4)计算上述两个句子的语义向量的余弦相似度；步骤5)最后根据上述余弦相似度利用逻辑回归法、K近邻法或随机森林法来校验两个句子的语义是否一致。