[發(fā)明專利]詞向量處理方法、裝置以及電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201710583646.0
• 申請(qǐng)日: 2017-07-18
• 公開(kāi)（公告）號(hào): CN107562715B
• 公開(kāi)（公告）日: 2021-01-26
• 發(fā)明（設(shè)計(jì)）人: 曹紹升;周俊
• 申請(qǐng)（專利權(quán)）人: 創(chuàng)新先進(jìn)技術(shù)有限公司
• 主分類號(hào): G06F40/284
• 分類號(hào): G06F40/284;G06F40/253
• 代理公司: 北京晉德允升知識(shí)產(chǎn)權(quán)代理有限公司 11623
• 代理人: 王戈

1.一種詞向量處理方法，包括：

對(duì)語(yǔ)料分詞得到各詞；

基于分詞得到的所述各詞，建立詞匯表；具體地，統(tǒng)計(jì)出在所述語(yǔ)料中出現(xiàn)過(guò)且出現(xiàn)次數(shù)不少于設(shè)定次數(shù)的詞，建立詞匯表；

確定所述各詞對(duì)應(yīng)的各語(yǔ)素；

建立語(yǔ)素表以及語(yǔ)素映射表，所述語(yǔ)素映射表包含所述各詞與語(yǔ)素之間的映射關(guān)系；建立所述語(yǔ)素表具體包括：將預(yù)設(shè)語(yǔ)素辭典中所有語(yǔ)素加入語(yǔ)素表；逐一掃描所述詞匯表，針對(duì)每一個(gè)詞匹配所述語(yǔ)素表中的語(yǔ)素，將與該詞匹配的語(yǔ)素的字符串部分刪掉后，將剩余字符串作為語(yǔ)素加入所述語(yǔ)素表；

建立并初始化所述各詞的詞向量，以及所述各詞對(duì)應(yīng)的各語(yǔ)素的語(yǔ)素向量；

根據(jù)所述詞向量、所述語(yǔ)素向量，以及分詞后的所述語(yǔ)料，對(duì)所述詞向量和所述語(yǔ)素向量進(jìn)行訓(xùn)練；

其中，所述語(yǔ)素包括其對(duì)應(yīng)詞的以下至少一種元素：前綴、后綴、詞根、前后綴以外的字符串。

2.如權(quán)利要求1所述的方法，所述確定所述各詞對(duì)應(yīng)的各語(yǔ)素，具體包括：

根據(jù)對(duì)所述語(yǔ)料分詞的結(jié)果，確定在所述語(yǔ)料中出現(xiàn)過(guò)的詞；

分別針對(duì)所述確定的互不相同的詞，執(zhí)行：

確定該詞對(duì)應(yīng)的各語(yǔ)素，所述語(yǔ)素包括該詞的以下至少一種元素：前綴、后綴、詞根、前后綴以外的字符串。

3.如權(quán)利要求1所述的方法，所述初始化所述各詞的詞向量，以及所述各詞對(duì)應(yīng)的各語(yǔ)素的語(yǔ)素向量，具體包括：

采用隨機(jī)初始化的方式或者按照指定概率分布初始化的方式，初始化所述各詞的詞向量，以及所述各詞對(duì)應(yīng)的各語(yǔ)素的語(yǔ)素向量，其中，相同語(yǔ)素的語(yǔ)素向量也相同。

4.如權(quán)利要求1所述的方法，所述根據(jù)所述詞向量、所述語(yǔ)素向量，以及分詞后的所述語(yǔ)料，對(duì)所述詞向量和所述語(yǔ)素向量進(jìn)行訓(xùn)練，具體包括：

確定分詞后的所述語(yǔ)料中的指定詞，以及所述指定詞在分詞后的所述語(yǔ)料中的一個(gè)或多個(gè)上下文詞；

根據(jù)所述指定詞對(duì)應(yīng)的各語(yǔ)素的語(yǔ)素向量，以及所述上下文詞的詞向量，確定所述指定詞與所述上下文詞的相似度；

根據(jù)所述指定詞與所述上下文詞的相似度，對(duì)所述上下文詞的詞向量和所述指定詞對(duì)應(yīng)的各語(yǔ)素的語(yǔ)素向量進(jìn)行更新。

5.如權(quán)利要求4所述的方法，所述根據(jù)所述指定詞與所述上下文詞的相似度，對(duì)所述上下文詞的詞向量和所述指定詞對(duì)應(yīng)的各語(yǔ)素的語(yǔ)素向量進(jìn)行更新，具體包括：

從所述各詞中選擇一個(gè)或多個(gè)詞，作為負(fù)樣例詞；

確定所述指定詞與各所述負(fù)樣例詞的相似度；

根據(jù)指定的損失函數(shù)、所述指定詞與所述上下文詞的相似度，以及所述指定詞與各所述負(fù)樣例詞的相似度，確定所述指定詞對(duì)應(yīng)的損失表征值；

根據(jù)所述損失表征值，對(duì)所述上下文詞的詞向量和所述指定詞對(duì)應(yīng)的各語(yǔ)素的語(yǔ)素向量進(jìn)行更新。

6.如權(quán)利要求5所述的方法，所述根據(jù)所述損失表征值，對(duì)所述上下文詞的詞向量和所述指定詞對(duì)應(yīng)的各語(yǔ)素的語(yǔ)素向量進(jìn)行更新，具體包括：

根據(jù)所述損失表征值，確定所述損失函數(shù)對(duì)應(yīng)的梯度；

根據(jù)所述梯度，對(duì)所述上下文詞的詞向量和所述指定詞對(duì)應(yīng)的各語(yǔ)素的語(yǔ)素向量進(jìn)行更新。

7.如權(quán)利要求5所述的方法，所述從所述各詞中選擇一個(gè)或多個(gè)詞，作為負(fù)樣例詞，具體包括：

從所述各詞中隨機(jī)選擇一個(gè)或多個(gè)詞，作為負(fù)樣例詞。

8.如權(quán)利要求1所述的方法，所述根據(jù)所述詞向量、所述語(yǔ)素向量，以及分詞后的所述語(yǔ)料，對(duì)所述詞向量和所述語(yǔ)素向量進(jìn)行訓(xùn)練，具體包括：

對(duì)分詞后的所述語(yǔ)料進(jìn)行遍歷，分別對(duì)分詞后的所述語(yǔ)料中的詞執(zhí)行：

確定該詞在分詞后的所述語(yǔ)料中的一個(gè)或多個(gè)上下文詞；

分別根據(jù)所述上下文詞，執(zhí)行：

根據(jù)該詞對(duì)應(yīng)的各語(yǔ)素的語(yǔ)素向量，以及該上下文詞的詞向量，確定該詞與該上下文詞的相似度；

根據(jù)該詞與該上下文詞的相似度，對(duì)該上下文詞的詞向量和該詞對(duì)應(yīng)的各語(yǔ)素的語(yǔ)素向量進(jìn)行更新。