语义分析方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种语义分析方法、装置及电子设备，涉及语义分析技术领域，该语义分析方法包括：接收用户输入的第一语音信息；将第一语音信息转化为文字信息；利用文字模型对文字信息进行处理；利用构建的深度学习模型对经过处理的文字信息进行语义分析生成文字信息的语义理解结果；将文字信息的语义理解结果进行输出。因此，本发明专利技术提供的技术方案，能够缓解现有技术中存在的传统的语义分析方法不能系统化地进行复杂语义分析的技术问题，提出了一种系统化的语义分析方法，可以提高复杂的语音输入的语义分析的准确性，促进人机交互智能化的发展。

【技术实现步骤摘要】
语义分析方法、装置及电子设备
本专利技术涉及语义分析
，尤其是涉及一种语义分析方法、装置及电子设备。
技术介绍
随着科技的发展，智能技术在电子领域得到迅速发展和普及。语音识别技术是智能技术的重要一环，如何准确的识别用户的语音是智能技术的发展趋势。目前，语音识别技术的发展较大程度提高了人机交互的水平，而语义分析技术作为理解自然语言的关键部分，承载着如何充分分析和理解用户自然语言输入语义的重任，因此对于智能系统的智能化程度具有决定性的作用。然而，传统的语义分析在简单的语音输入的语义分析方面效果还是不错的，但是对于复杂的语音输入不具备系统化的语义分析能力，不能满足日益提高的人机交互智能化需求，如何提高复杂的语音输入的语义分析的准确性成为人机交互亟待解决的技术问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供语义分析方法、装置及电子设备，以缓解现有技术中存在的传统的语义分析方法不能系统化地进行复杂语义分析的技术问题。第一方面，本专利技术实施例提供了一种语义分析方法，包括：接收用户输入的第一语音信息；将所述第一语音信息转化为文字信息；利用文字模型对所述文字信息进行处理；利用构建的深度学习模型对经过处理的文字信息进行语义分析生成文字信息的语义理解结果；将文字信息的语义理解结果进行输出。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述将所述第一语音信息转化为文字信息，具体包括：判断所述第一语音信息是否为标准语音信息；若否，则将所述第一语音信息转换为标准语音信息；将所述标准语音信息转化为文字信息。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述利用文字模型对所述文字信息进行处理，具体包括：利用文字模型对文字信息进行文字切分、过滤、分类、词性分析、词性标注、提取标签，得到多个分词词组。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述利用构建的深度学习模型对经过处理的文字信息进行语义分析生成文字信息的语义理解结果，具体包括：利用构建的深度学习模型结合应用场景对经过处理的文字信息进行上下文理解和语义消歧，生成文字信息的语义理解结果。结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，所述利用构建的深度学习模型结合应用场景对经过处理的文字信息进行上下文理解和语义消歧，生成文字信息的语义理解结果，具体包括：利用构建的深度学习模型对经过处理的文字信息的多个词组结合语境进行上下文理解、语义消歧；得到多个词组的语义结果；将多个词组的语义结果分别与知识图谱的词组进行比对，得到每个词组的相似度值，将相似度值最高的词组作为每个词组的语义结果，得到多个词组的语义结果；将多个词组的语义结果进行组合，生成文字信息的语义理解结果。结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，所述利用构建的深度学习模型结合应用场景对经过处理的文字信息进行上下文理解和语义消歧，生成文字信息的语义理解结果，具体包括：利用构建的深度学习模型对经过处理的文字信息的多个词组结合语境进行上下文理解、语义消歧；得到多个词组的语义结果；将多个词组的语义结果结合知识图谱，分析多个词组的内在关系和/或逻辑关系，生成文字信息的语义理解结果。结合第一方面，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，所述将文字信息的语义理解结果进行输出，具体包括：将文字信息的语义理解结果以文字的形式进行输出；和/或，将文字信息的语义理解结果以标准语音的形式进行输出；和/或，将文字信息的语义理解结果以图片的形式进行输出；和/或，将文字信息的语义理解结果以视频的形式进行输出；和/或，将文字信息的语义理解结果以超链接的形式进行输出。结合第一方面，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，还包括：在所述深度学习模型的训练过程和/或应用过程中，通过人工干预进行辅助标记，以提高分词的理解准确度。第二方面，本专利技术实施例还提供一种语义分析装置，包括：接收模块，用于接收用户输入的第一语音信息；转化模块，用于将所述第一语音信息转化为文字信息；处理模块，用于利用文字模型对所述文字信息进行处理；分析模块，用于利用构建的深度学习模型对经过处理的文字信息进行语义分析生成文字信息的语义理解结果；输出模块，用于将文字信息的语义理解结果进行输出。第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面及其可能的实施方式中任一项所述的语义分析方法的步骤。第四方面，本专利技术实施例提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行前述提及的语义分析方法。本专利技术实施例带来了以下有益效果：本专利技术实施例提供的语义分析方法、装置及电子设备中，其中，该语义分析方法包括：接收用户输入的第一语音信息；将第一语音信息转化为文字信息；利用文字模型对文字信息进行处理；利用构建的深度学习模型对经过处理的文字信息进行语义分析生成文字信息的语义理解结果；将文字信息的语义理解结果进行输出。因此，本专利技术实施例提供的技术方案，能够缓解现有技术中存在的传统的语义分析方法不能系统化地进行复杂语义分析的技术问题，提出了一种系统化的语义分析方案，可以提高复杂的语音输入的语义分析的准确性，促进人机交互智能化的发展。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种语义分析方法的流程图；图2为本专利技术实施例提供的另一种语义分析方法的流程图；图3为本专利技术实施例提供了一种语义分析装置的示意图；图4为本专利技术实施例提供的一种电子设备的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。目前，语音识别技术的发展较大程度提高了人机交互的水平，而语义分析技术作为理解自然语言的关键部分，承载着如何充分分析和理解用户自然语言输入语义的重任，因此对于智能系统的智能化程度具有决定性的作用。然而，传统的语义分析在简单的语音输入的语义分析方面效果还是不错的，但是对于复杂的语音输入不具备系统化的语义分析能力，不能满足日益提高的人机交互智能化需求，如何提高复杂的语音输入的语义分析的准确性成为人机交互亟待解决的本文档来自技高网...

【技术保护点】
1.一种语义分析方法，其特征在于，包括：接收用户输入的第一语音信息；将所述第一语音信息转化为文字信息；利用文字模型对所述文字信息进行处理；利用构建的深度学习模型对经过处理的文字信息进行语义分析生成文字信息的语义理解结果；将文字信息的语义理解结果进行输出。

【技术特征摘要】
1.一种语义分析方法，其特征在于，包括：接收用户输入的第一语音信息；将所述第一语音信息转化为文字信息；利用文字模型对所述文字信息进行处理；利用构建的深度学习模型对经过处理的文字信息进行语义分析生成文字信息的语义理解结果；将文字信息的语义理解结果进行输出。2.根据权利要求1所述的方法，其特征在于，所述将所述第一语音信息转化为文字信息，具体包括：判断所述第一语音信息是否为标准语音信息；若否，则将所述第一语音信息转换为标准语音信息；将所述标准语音信息转化为文字信息。3.根据权利要求1所述的方法，其特征在于，所述利用文字模型对所述文字信息进行处理，具体包括：利用文字模型对文字信息进行文字切分、过滤、分类、词性分析、词性标注、提取标签，得到多个分词词组。4.根据权利要求1所述的方法，其特征在于，所述利用构建的深度学习模型对经过处理的文字信息进行语义分析生成文字信息的语义理解结果，具体包括：利用构建的深度学习模型结合应用场景对经过处理的文字信息进行上下文理解和语义消歧，生成文字信息的语义理解结果。5.根据权利要求4所述的方法，其特征在于，所述利用构建的深度学习模型结合应用场景对经过处理的文字信息进行上下文理解和语义消歧，生成文字信息的语义理解结果，具体包括：利用构建的深度学习模型对经过处理的文字信息的多个词组结合语境进行上下文理解、语义消歧；得到多个词组的语义结果；将多个词组的语义结果分别与知识图谱的词组进行比对，得到每个词组的相似度值，将相似度值最高的词组作为每个词组的语义结果，得到多个词组的语义结果；将多个词组的语义结果进行组合，生成文字信息的语义理解结果。6.根...

【专利技术属性】
技术研发人员：李成君，仇志雄，应旭河，
申请(专利权)人：杭州认识科技有限公司，
类型：发明
国别省市：浙江,33