[發明專利]獲得輸入庫的方法、裝置及電子設備

有效

• 申請號: 201410641573.2
• 申請日: 2014-11-13
• 公開（公告）號: CN105608083B
• 公開（公告）日: 2019-09-03
• 發明（設計）人: 李亞麗;閆冰;張揚
• 申請（專利權）人: 北京搜狗科技發展有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F17/27;G06F3/023
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 蘇培華

1.一種獲得輸入庫的方法，其特征在于，包括：

獲得專業詞匯的關聯詞；

計算所述關聯詞與語料庫中語料的相似度；

在所述語料庫中抽取相似度大于或等于第一相似度閾值的語料，作為近似語料；

根據近似語料訓練獲得所述專業詞匯對應的專業詞庫和/或語言模型。

2.根據權利要求1所述的方法，其特征在于，所述獲得專業詞匯的關聯詞，包括但不限于：

接收關聯信息，所述關聯信息中包含所述專業詞匯的關聯詞。

3.根據權利要求2所述的方法，其特征在于，所述計算所述關聯詞與語料庫中語料的相似度，包括：

對所述關聯信息進行分詞向量化，獲得第一向量；

計算所述第一向量與第二向量的相似度，其中，所述第二向量為對所述語料庫中的語料進行分詞向量化后獲得的向量。

4.根據權利要求1至3中任意一項所述的方法，其特征在于，在所述根據近似語料訓練獲得所述專業詞匯對應的專業詞庫和/或語言模型之前，還包括：

判斷所述近似語料是否滿足詞庫訓練條件；

若是，再根據所述近似語料訓練獲得所述專業詞匯對應的專業詞庫和/或語言模型；若否，則根據所述近似語料在所述語料庫中重復抽取近似語料，直至所有抽取出的近似語料滿足所述詞庫訓練條件。

5.根據權利要求4所述的方法，其特征在于，所述根據所述近似語料在所述語料庫中重復抽取近似語料，包括：

計算所述近似語料與所述語料庫中語料的相似度；

在所述語料庫中抽取相似度大于或等于第二相似度閾值的語料。

6.一種獲得輸入庫的裝置，其特征在于，包括：

關聯詞獲取單元，用于獲得專業詞匯的關聯詞；

相似度計算單元，用于計算所述關聯詞與語料庫中語料的相似度；

近似詞抽取單元，用于在所述語料庫中抽取相似度大于或等于第一相似度閾值的語料，作為近似語料；

訓練單元，用于根據近似語料訓練獲得所述專業詞匯對應的專業詞庫和/或語言模型。

7.根據權利要求6所述的裝置，其特征在于，所述關聯詞獲取單元，具體用于接收關聯信息，所述關聯信息中包含所述專業詞匯的關聯詞。

8.根據權利要求7所述的裝置，其特征在于，所述相似度計算單元包括：

向量獲得子單元，用于對所述關聯信息進行分詞向量化，獲得第一向量；

第一計算子單元，用于計算所述第一向量與第二向量的相似度，其中，所述第二向量為對所述語料庫中的語料進行分詞向量化后獲得的向量。

9.根據權利要求6至8中任意一項所述的裝置，其特征在于，所述裝置還包括：

判斷單元，用于在所述訓練單元根據近似語料訓練獲得所述專業詞匯對應的專業詞庫和/或語言模型之前，判斷所述近似語料是否滿足詞庫訓練條件；

重復抽取單元，用于在所述判斷單元判斷所述近似語料不滿足詞庫訓練條件時，根據所述近似語料在所述語料庫中重復抽取近似語料，直至所有抽取出的近似語料滿足所述詞庫訓練條件；

所述訓練單元，還用于在所述判斷單元判斷所述近似語料滿足詞庫訓練條件時，根據所述近似語料訓練獲得所述專業詞匯對應的專業詞庫和/或語言模型。

10.根據權利要求9所述的裝置，其特征在于，所述重復抽取單元包括：

第二計算子單元，用于計算所述近似語料與所述語料庫中語料的相似度；

抽取子單元，用于在所述語料庫中抽取相似度大于或等于第二相似度閾值的語料。

11.一種電子設備，其特征在于，包括存儲器和處理器，所述存儲器用于存儲計算機指令或代碼，所述處理器和所述存儲器耦合，用于執行所述存儲器中的計算機指令或代碼，實現以下方法：

獲得專業詞匯的關聯詞；

計算所述關聯詞與語料庫中語料的相似度；

在所述語料庫中抽取相似度大于或等于第一相似度閾值的語料，作為近似語料；

根據近似語料訓練獲得所述專業詞匯對應的專業詞庫和/或語言模型。