一种CDRNN神经网络自然语义分析系统及方法技术方案

一种CDRNN神经网络自然语义分析系统，输入模块依次与CDRNN神经网络分词模块、CDRNN神经网络词性标注模块、CDRNN神经网络依存分析模块、CDRNN神经网络迭代机器学习模块、CDRNN神经网络聚类分类器模块、输出模块连接；一种CDRNN神经网络自然语义分析方法，包括以下操作步骤：A）、输入模块输入中文语料；B）、CDRNN分词；C）、CDRNN词性标注；D）、CDRNN依存分析；E）、CDRNN神经网络机器学习；F）、CDRNN聚类分析；G）、输出分析结果。本发明专利技术采用分词，聚类和分类技术，神经网络高速迭代学习解决了准确度不高的问题，使机器的准确识别率高达90%。

A natural semantic analysis system and method of cdrnn neural network

【技术实现步骤摘要】
一种CDRNN神经网络自然语义分析系统及方法
本专利技术属于计算机领域，特别涉及一种CDRNN神经网络自然语义分析系统及方法。
技术介绍
神经网络是一种模仿生物大脑突触-神经元结构进行数据处理的计算系统，由分为多层的计算节点和层间的连接组成。每个节点模拟一个神经元，执行某个特定运算，例如激活函数，节点之间的连接模拟神经突触，连接对于来自上一层节点输入的加权值代表了突触权重。神经网络具有强大的非线性、自适应信息处理能力。由于神经网络机器学习的运算量和迭代次数非常多，在自然语言处理中，常见的是几十万次，多的是几百万次甚至几千万次，这对机器的软硬件都提出了非常高的要求。如何突破运算瓶颈、提高运算速度，如何解决迭代性能的问题，如何提高机器对自然语言的处理的准确度，成为急需解决的问题。
技术实现思路
本专利技术的目的是要解决上述技术问题。一种CDRNN神经网络自然语义分析系统，包括输入模块，其特征在于：所述的输入模块依次与CDRNN神经网络分词模块、CDRNN神经网络词性标注模块、CDRNN神经网络依存分析模块、CDRNN神经网络迭代机器学习模块、CDRNN神经网络聚类分类器模块、输出模块连接；C本文档来自技高网...

【技术保护点】
1.一种CDRNN神经网络自然语义分析系统，包括输入模块，其特征在于：所述的输入模块依次与CDRNN 神经网络分词模块、CDRNN 神经网络词性标注模块、CDRNN 神经网络依存分析模块、CDRNN 神经网络迭代机器学习模块、CDRNN 神经网络聚类分类器模块、输出模块连接；CDRNN 神经网络分词模块运用神经网络迭代加上行业知识图谱技术，能适合不同语境和业务的精准切词；CDRNN 神经网络迭代机器学习模块加入了超限多维特征提取技术，使迭代速率和纠偏效率有着大幅度的提升；CDRNN 神经网络迭代机器学习模块内设置有能循环迭代地训练模型，训练模型分为训练模型输入模块和训练模型输出模块两部分，训练...

【技术特征摘要】
1.一种CDRNN神经网络自然语义分析系统，包括输入模块，其特征在于：所述的输入模块依次与CDRNN神经网络分词模块、CDRNN神经网络词性标注模块、CDRNN神经网络依存分析模块、CDRNN神经网络迭代机器学习模块、CDRNN神经网络聚类分类器模块、输出模块连接；CDRNN神经网络分词模块运用神经网络迭代加上行业知识图谱技术，能适合不同语境和业务的精准切词；CDRNN神经网络迭代机器学习模块加入了超限多维特征提取技术，使迭代速率和纠偏效率有着大幅度的提升；CDRNN神经网络迭代机器学习模块内设置有能循环迭代地训练模型，训练模型分为训练模型输入模块和训练模型输出模块两部分，训练模型输入模块的中文语料将通过一定的算法转化成多维的空间向量，然后通过训练模型输出模块输出的结果向量，并和测试集样本进行比对，不断对训练模型进行优化和迭代。2.一种CDRNN神经网络自然语义分析方法，其特征在于：包括以下操作...

【专利技术属性】
技术研发人员：陈亦玮，
申请(专利权)人：彩数上海商务咨询有限公司，
类型：发明
国别省市：上海,31