【技术实现步骤摘要】
基于关键动词特征全密度传递的服务机器人指令解析方法
本专利技术涉及属于机器人控制领域的一种机器人指令解析方法，尤其是一种基于关键动词特征全密度传递的服务机器人指令解析方法。
技术介绍
在人与智能服务机器人交互过程中，采用自然语言的表达形式有利于用户下达任务指令。由于用户任务描述中常常存在冗余信息或者存在表达不足的情况，机器人需要进行任务理解，即将开放式的复杂指令解析为一种结构化的内部表示以便后续的执行。框架语义表示法是一种可靠的机器内部表示方法，它通过构造覆盖任务内容的框架结构将指令解析任务转换为框架分类与框架填充两个子任务。目前将自然语言指令解析为框架表示的两类主要方法是基于词典的关键词匹配方法与基于词向量的神经网络方法。但面对机器人服务指令领域的文本，现有方法的解析效果不足。关键词匹配方法需要构建一个覆盖所有用户描述的领域词典，通常存在遗漏与歧义的问题。神经网络方法仅依赖词向量特征进行语义解析，忽略了整体任务意图对不同词向量的依赖差异，造成了神经网络难以聚焦于包含核心任务信息的关键动词。专利技术内...
【技术保护点】
1.一种基于关键动词特征全密度传递的服务机器人指令解析方法，其特征在于该方法步骤如下：/n第一步，服务机器人在已知应用环境下工作，构建服务机器人的各种候选服务下的各种服务指令文本的数据库，每个服务指令文本中均已标注有指令语义，并对服务指令文本中的每个字进行独热编码表示获得每个字的独热编码字向量，利用停用词表采用去停用词方法对服务指令文本进行预处理；/n第二步，将数据库划分为训练集和验证集；/n第三步，采用斯坦福文本分析工具对每条服务指令文本进行分词，以每个词作为节点并额外建立虚拟根节点，解析每条服务指令文本中各词的词性与各节点间的依存关系，提取到虚拟根节点距离最远的动词作为...
【技术特征摘要】
1.一种基于关键动词特征全密度传递的服务机器人指令解析方法，其特征在于该方法步骤如下：
第一步，服务机器人在已知应用环境下工作，构建服务机器人的各种候选服务下的各种服务指令文本的数据库，每个服务指令文本中均已标注有指令语义，并对服务指令文本中的每个字进行独热编码表示获得每个字的独热编码字向量，利用停用词表采用去停用词方法对服务指令文本进行预处理；
第二步，将数据库划分为训练集和验证集；
第三步，采用斯坦福文本分析工具对每条服务指令文本进行分词，以每个词作为节点并额外建立虚拟根节点，解析每条服务指令文本中各词的词性与各节点间的依存关系，提取到虚拟根节点距离最远的动词作为关键动词，关键动词结合自身在服务指令文本的上下文信息构造特征作为关键动词的上下文特征xkverb；
第四步，搭建全密度双向长短期记忆网络模型，用训练集训练模型参数，验证集进行超参数调试；
第五步，采用训练好的全密度双向长短期记忆网络模型针对待测的一段文本指令处理提取获得候选服务的类型及其候选服务下的服务对象、目标对象、移动动作终点等指令语义，完成解析。
2.根据权利要求1所述的一种基于关键动词特征全密度传递的服务机器人指令解析方法，其特征在于：所述第三步中，所发明的关键动词上下文特征xkverb包括关键动词的独热编码词向量xkey、关键动词上下文相邻词xcontext、区域标记xmark的三部分；关键动词的独热编码词向量是由词中所包含的每个字的独热编码字向量连接构成，关键动词上下文相邻词xcontext为与关键动词相邻且在一个字邻域内的各词的独热编码词向量的矢量和，区域标记xmark表示每个字与关键动词的远近依赖关系。
3.根据权利要求1所述的一种基于关键动词特征全密度传递的服务机器人指令解析方法，其特征在于：所述第四步中，所述的全密度双向长短期记忆网络模型包含依次连接的四层双向长短期记忆网络，相邻层双向长短期记忆网络之间除了依次连接以外还采用全密度高速通道方式进行依存连接，...
【专利技术属性】
技术研发人员：何再兴，蒋俊杰，赵昕玥，张树有，谭建荣，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。