1.一种融合多句法结构的语义关系分类方法，其特征在于，包括以下步骤：

S1、对文本序列进行数据预处理，获取该文本序列S＝{S1,S2,...,Sn}的词性标签P＝{P1,P2,...,Pn}和依赖关系标签D＝{D1,D2,...,Dn}；

S2、对文本序列S＝{S1,S2,...,Sn}以及词性标签P＝{P1,P2,...,Pn}进行双向编码h＝{h1,h2}与加权学习获得加权后的双向编码h'＝{h'1,h'2}，并对加权后的双向编码h'＝{h'1,h'2}进行解码获得该文本序列S＝{S1,S2,...,Sn}的实体标签L＝{L1,L2,...,Ln}；

S3、利用依赖关系标签D＝{D1,D2,...,Dn}、双向编码h＝{h1,h2}以及实体标签L＝{L1,L2,...,Ln}构建联合向量V＝{D,h,L},并利用联合向量V＝{D,h,L}对双向树结构网络进行端到端的训练，获取文本序列S＝{S1,S2,...,Sn}的三元组结构化信息并进行非线性变换后输出语义关系类别。

2.如权利要求1所述的一种融合多句法结构的语义关系分类方法，其特征在于，在步骤S1中，对要输入网络的文本序列S＝{S1,S2,...,Sn}进行预处理，通过利用Stanford解析工具获取该文本序列的词性标签P＝{P1,P2,...,Pn}和依赖关系标签D＝{D1,D2,...,Dn}，文本序列S＝{S1,S2,...,Sn}中每一个字符Sn对应一个词性标签Pn和关系标签Dn，均作为网络训练的数据输入。

3.如权利要求1所述的一种融合多句法结构的语义关系分类方法，其特征在于，步骤S2具体为：S21、对文本序列S＝{S1,S2,...,Sn}以及词性标签P＝{P1,P2,...,Pn}进行拼接，得到文本词性拼接向量V＝{Sn,Pn}；

S22、将文本词性拼接向量V＝{Sn,Pn}输入到双向循环神经网络Bi-LSTM中，获取两个方向的隐状态向量h1和h2；

S23、对隐状态向量h1和h2进行拼接获得双向编码h＝{h1,h2}；

S24、利用注意力机制对双向编码h＝{h1,h2}进行加权学习并获得加权后的双向编码h'＝{h'1,h'2}；

S25、对加权后的双向编码h'＝{h'1,h'2}进行解码获得该文本序列S＝{S1,S2,...,Sn}的实体标签L＝{L1,L2,...,Ln}。

4.如权利要求3所述的一种融合多句法结构的语义关系分类方法，其特征在于，所述步骤S24具体为：将双向编码h＝{h1,h2}输入到基于word-level的Attention机制模型中进行加权学习，获得加权后的双向编码h'＝{h'1,h'2}。

5.如权利要求3所述的一种融合多句法结构的语义关系分类方法，其特征在于，所述步骤S25具体为：采用标准的CRF模型，基于BILOU标注模式，通过极大似然估计的方式，对加权后的双向编码h'＝{h'1,h'2}进行解码获得该文本序列S＝{S1,S2,...,Sn}的实体标签L＝{L1,L2,...,Ln}。

6.如权利要求1所述的一种融合多句法结构的语义关系分类方法，其特征在于，所述步骤S3具体为：S31、将双向编码h＝{h1,h2}以及实体标签L＝{L1,L2,...,Ln}嵌套到关系层的依赖关系标签D＝{D1,D2,...,Dn}上进行拼接，获得联合向量V＝{D,h,L}；

S32、构建基于双向循环的树结构网络Bi-Tree-LSTM模型；

S33、将联合向量V＝{D,h,Le}输入到基于双向循环的树结构网络Bi-Tree-LSTM模型中进行端到端训练，得到文本序列S＝{S1,S2,...,Sn}的三元组结构化信息向量；

S34、对文本序列S＝{S1,S2,...,Sn}的三元组结构化信息进行拼接并进行非线性变换得到候选关系Dp；

S35、对候选关系Dp输入到分类器C得到该文本序列S＝{S1,S2,...,Sn}的语义关系类别。