一种融合单词语义知识的神经网络自然语言推理方法技术

本发明专利技术公开了一种融合单词语义知识的神经网络自然语言推理方法，包括：从外部语义知识库中提取词对之间的多种语义关系；构建神经网络模型，利用神经网络模型对输入的前提文本、假设文本以及词对之间的多种语义关系进行局部推理建模，再组合局部推理信息，从而得到句子级别的推理信息，最后对神经网络模型进行训练；将未标注的前提文本和假设文本输入至已经训练好的神经网络模型，计算得到属于三个类别的概率分布，选取最大概率对应的类别作为最终预测的类别。该方法改善了传统神经网络方案对外部语义知识利用不足的问题，提高了自然语言推理的准确性。

【技术实现步骤摘要】
一种融合单词语义知识的神经网络自然语言推理方法
本专利技术涉及自然语言处理领域，尤其涉及一种融合单词语义知识的神经网络自然语言推理方法。
技术介绍
自然语言推理(NaturalLanguageInference，NLI)，也称为文本蕴含识别(RecognizingTextualEntailment，RTE)，指的是判断一句自然语言的前提文本(Premise,P)能否推理出一句自然语言的假设文本(Hypothesis,H)。这个概念由Dagan等人于2004年首次提出，通常的任务是做三分类，1)前提蕴含假设，2)两者矛盾，3)两者中立。举例来说：前提：刘庆峰1999年创立科大讯飞有限公司。假设1：刘庆峰是科大讯飞的创始人。假设2：刘庆峰不是科大讯飞的创办人。假设3：刘庆峰是科大毕业的。很显然，前提和假设1之间是蕴含关系，和假设2之间是矛盾关系，和假设3之间是中立关系。推理是人类和人工智能的核心。虽然建模自然语言中的推理问题十分有挑战性，但它是真正理解自然语言所必需解决的基本问题之一。正如MacCartney和Manning所言，“真正的自然语言理解的一个必要条件是掌握开放领域的自然语言本文档来自技高网...

【技术保护点】
一种融合单词语义知识的神经网络自然语言推理方法，其特征在于，包括：从外部语义知识库中提取词对之间的多种语义关系；构建神经网络模型，利用神经网络模型对输入的前提文本、假设文本以及词对之间的多种语义关系进行局部推理建模，再组合局部推理信息，从而得到句子级别的推理信息，最后对神经网络模型进行训练；将未标注的前提文本和假设文本输入至已经训练好的神经网络模型，计算得到属于三个类别的概率分布，选取最大概率对应的类别作为最终预测的类别。

【技术特征摘要】
1.一种融合单词语义知识的神经网络自然语言推理方法，其特征在于，包括：从外部语义知识库中提取词对之间的多种语义关系；构建神经网络模型，利用神经网络模型对输入的前提文本、假设文本以及词对之间的多种语义关系进行局部推理建模，再组合局部推理信息，从而得到句子级别的推理信息，最后对神经网络模型进行训练；将未标注的前提文本和假设文本输入至已经训练好的神经网络模型，计算得到属于三个类别的概率分布，选取最大概率对应的类别作为最终预测的类别。2.根据权利要求1所述的一种融合单词语义知识的神经网络自然语言推理方法，其特征在于，所述词对之间的多种语义关系包括：近义关系、上下位关系与反义关系。3.根据权利要求1所述的一种融合单词语义知识的神经网络自然语言推理方法，其特征在于，所述神经网络模型包括：输入编码模块，局部推理建模模块和推理组合模块；所述输入编码模块负责编码输入的前提文本与假设文本，从而获得考虑上下文信息的单词表达；所述局部推理建模模块负责将词对之间的多种语义关系与考虑上下文信息的单词表达相结合进行局部推理建模；所述推理组合模块负责组合局部推理...

【专利技术属性】
技术研发人员：陈谦，凌震华，戴礼荣，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽,34