基于深度學習的電子文本自然語言處理系統(tǒng)

趙棟材 周雁

摘 要 電子文本自然語言處理是新時代發(fā)展的產(chǎn)物，在計算機科學領(lǐng)域發(fā)展中占據(jù)重要地位。傳統(tǒng)的電子文本自然語言處理系統(tǒng)花費成本較高，人工投入較大，已經(jīng)不能滿足目前提出的要求。基于深度學習設(shè)計了電子文本自然語言處理系統(tǒng)，分別對系統(tǒng)的硬件、軟件進行設(shè)計，硬件部分由數(shù)據(jù)采集器、數(shù)據(jù)合成器和數(shù)據(jù)處理器3部分組成，由SIFT算法實現(xiàn)軟件部分的計算。通過對比實驗證明給出的系統(tǒng)能夠有效處理自然語言，而且工作效率很高，具有很好的發(fā)展前景。

【關(guān)鍵詞】深度學習 電子文本 自然語言 語言處理系統(tǒng)

步入二十一世紀之后，計算機行業(yè)得到迅速發(fā)展，自然語言處理（NLP）是計算機科學領(lǐng)域研究的一個重要方向。在處理自然語言時要運用到語言學、數(shù)字學與計算機學等多個學科，并將其融合到一起進行研究。自然語言是人們在日常生活中應(yīng)用的語言，和語言學緊密相關(guān)，但是也不完全相同。具體來說，自然語言處理是一種計算機系統(tǒng)，能夠有效實現(xiàn)自然語言通信。綜上所述，本文基于深度學習設(shè)計了電子文本自然語言處理系統(tǒng)，分別對系統(tǒng)的硬件、軟件進行設(shè)計，通過實驗驗證了所給系統(tǒng)的可行性。

1 基于深度學習的電子文本自然語言處理系統(tǒng)硬件設(shè)計

基于深度學習對電子文本自然語言處理系統(tǒng)硬件部分進行設(shè)計，硬件由數(shù)據(jù)采集器、數(shù)據(jù)合成器和數(shù)據(jù)處理器3部分組成，系統(tǒng)硬件的功能如下：由數(shù)據(jù)采集器對電子文本的信息進行采集，然后由數(shù)據(jù)合成器篩選出無用信息，合成有用信息，最后利用數(shù)據(jù)處理器處理自然語言信息，至此完成整個自然語言處理過程。基于深度學習的電子文本自然語言處理系統(tǒng)硬件部分總體設(shè)計框架圖如圖1所示。

數(shù)據(jù)采集器的采集芯片為英國Frocdema公司研發(fā)的ROM芯片，通過邏輯總線連接內(nèi)部結(jié)構(gòu)，利用A/D、D/A轉(zhuǎn)換器轉(zhuǎn)換數(shù)據(jù)。采集后的數(shù)據(jù)會深入到硬件中，將采集到的信息進行集成處理，利用VHDL執(zhí)行操作命令，大大保證了系統(tǒng)的可靠性。

數(shù)據(jù)合成器選用法國Tnmlced公司研發(fā)的dacem合成器。Tnmlced公司歷經(jīng)五年時間研發(fā)了此款合成器，又經(jīng)過一年的時間試用，雖然是一款新型合成器，但是工作穩(wěn)定性極高，與市面上的其它合成器相比，dacem合成器合成能力至少能夠提高2倍以上。Dacem合成器內(nèi)部擁有12位DSP指令，通過6級整數(shù)流水線去執(zhí)行命令，效率極高。處理器同時具有讀/寫兩個操作部件，共同實現(xiàn)合成工作。

數(shù)據(jù)處理器是自然語言處理系統(tǒng)硬件的核心部分，處理器內(nèi)部選用美國Intel公司研發(fā)的Loihi1547人工智能處理芯片。此款芯片內(nèi)核為2.5V，控制總線工作頻率為72MHZ，支持處理148類自然語言，對語言的處理能力能達到15位，芯片分為運行、休眠和停止三種狀態(tài)，工作耗時短，需要的成本很低，在非工作狀態(tài)系統(tǒng)進入休眠模式，不會造成功率的浪費。

2 基于深度學習的電子文本自然語言處理系統(tǒng)軟件設(shè)計

基于SIFT算法對本文提出的電子文本自然語言處理系統(tǒng)進行軟件設(shè)計。在處理自然語言中，處理設(shè)備需要選用鏈路質(zhì)量確定模式，當RSSI達到最大網(wǎng)絡(luò)模式時接入，還要考慮通信場強強度是否均衡。SIFT算法如下所示：

公式（1）中，G（x，y）為高斯函數(shù)，計算過程如下：

（x，y）代表自然語言的尺度坐標，σ表示語言類別，尺度不同對應(yīng)的語言精度也不同。由公式可知，當G（x，y）=70時，自然語言處理系統(tǒng)處理能力最強，傳遞速率最高，工作性能最穩(wěn)定

3 實驗研究

為了測試本文設(shè)計的電子文本自然語言處理系統(tǒng)是否具有實際可操作性，與傳統(tǒng)的電子文本自然語言處理系統(tǒng)進行了對比，設(shè)計實驗，實驗參數(shù)如下：電源電壓限定在220V以內(nèi)，電源模式為三相四線制，系統(tǒng)最大負載電阻為10Ω，最小負載電阻為5Ω，電感串聯(lián)為20mA，系統(tǒng)工作時長2h。

傳統(tǒng)系統(tǒng)和本文設(shè)定的電子文本自然語言處理系統(tǒng)都能實現(xiàn)自然語言的智能處理，但是本文設(shè)計的系統(tǒng)處理能力始終高于傳統(tǒng)系統(tǒng)。尤其是到后期時，傳統(tǒng)的系統(tǒng)已經(jīng)無法進行語言處理，但是本文設(shè)定的系統(tǒng)工作效率依然極高，工作時不會消耗過多的成本，產(chǎn)生的噪音很小，有效降低工作人員的勞動強度。

4 結(jié)束語

通過本文的探討分析可以了解到傳統(tǒng)的電子文本自然語言處理系統(tǒng)局限性較大，本文基于深度學習設(shè)計的語言系統(tǒng)，硬件部分由數(shù)據(jù)采集器、數(shù)據(jù)合成器和數(shù)據(jù)處理器3部分組成，在短時間內(nèi)處理不同類型的語言。利用SIFT算法計算出語言換算頻率，有效實現(xiàn)軟件系統(tǒng)設(shè)計。通過與傳統(tǒng)系統(tǒng)進行對比實驗顯示的結(jié)果可知，本文設(shè)計的系統(tǒng)工作穩(wěn)定性更強，在工作時產(chǎn)生的噪聲更小，消耗成本很低，工作效率高，是未來的必然發(fā)展方向。

參考文獻

[1]任柏青.基于深度學習的智能中文文本檢校方法[J].現(xiàn)代電信科技，2017，47（04）：55-58.

[2]崔萌，張春云.基于不同語料的詞向量對比分析[J].蘭州理工大學學報，2017，43（03）：112-116.

作者簡介

趙棟材（1976-），男，四川省南充市人。碩士研究生。副教授，碩士生導師。研究方向為自然語言處理。

周雁（1981-），女，廣東省高州市人。碩士研究生。副教授，碩士生導師。研究方向為語音處理、嵌入式系統(tǒng)。

作者單位

西藏大學信息科學技術(shù)學院 西藏自治區(qū)拉薩市 850000