[發明專利]語句釋義方法、裝置、計算機設備

在審

• 申請號: 201910084444.0
• 申請日: 2019-01-29
• 公開（公告）號: CN109885830A
• 公開（公告）日: 2019-06-14
• 發明（設計）人: 寧義雙;陳桓;閔剛;張良杰
• 申請（專利權）人: 金蝶軟件（中國）有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 方高明

1.一種語句釋義方法，所述方法包括：

獲取目標源句子，對所述目標源句子進行預處理得到目標源句子序列；

將所述目標源句子序列輸入到預設的釋義模型，得到與所述目標源句子對應的候選詞的概率分布；所述釋義模型是根據樣本源句子和樣本釋義句進行模型訓練得到的；

根據所述候選詞的概率分布對所述候選詞進行隨機采樣，得到目標詞；

根據所述目標詞生成與所述目標源句子對應的至少一個目標釋義句子。

2.根據權利要求1所述的方法，其特征在于，所述釋義模型的生成方式包括：

獲取中文釋義對，根據所述中文釋義對構建中文語料庫，其中，每個中文釋義對包括一個樣本源句子和至少一個樣本釋義句；

將所述中文釋義對中的樣本源句子和樣本釋義句進行數據預處理得到樣本源句子序列和樣本釋義句序列；

根據所述樣本源句子序列和樣本釋義句序列進行模型訓練得到釋義模型。

3.根據權利要求2所述的方法，其特征在于，所述獲取中文釋義對，根據所述中文釋義對構建中文語料庫，包括：

對包含英文源句子和英文釋義句的英文釋義對，進行翻譯處理，得到包含中文源句子和中文釋義句的中文釋義對，統計所述中文源句子和所述中文釋義句長度，選取所述中文源句子和所述中文釋義句長度均不大于預設的長度閾值的中文釋義對，得到第一語料庫；

對預配置的特定場景的中文源句子進行同義詞和句子結構變換處理，得到所述特定場景的中文釋義句，根據所述特定場景的中文源句子和所述特定場景的中文釋義句構成第二語料庫；

根據所述第一語料庫和所述第二語料庫構建中文語料庫。

4.根據權利要求2所述的方法，其特征在于，所述將所述中文釋義對中的樣本源句子和樣本釋義句進行數據預處理得到樣本源句子序列和樣本釋義句序列，包括：

獲取中文釋義對中的樣本源句子和樣本釋義句；

根據所述樣本源句子和樣本釋義句進行分詞處理得到各自對應的詞語序列；

根據詞語與索引值的對應關系將所述詞語序列轉換為對應的索引值序列；

將所述樣本源句子對應的索引值序列的向量表示作為樣本源句子序列，以及將所述樣本釋義句對應的索引值序列的向量表示作為樣本釋義句序列。

5.根據權利要求2所述的方法，其特征在于，所述根據所述樣本源句子序列和樣本釋義句序列進行模型訓練得到釋義模型，包括：

獲取所述釋義模型的權值矩陣的初始值；

根據輸入的所述樣本源句子序列和所述樣本釋義句序列進行模型訓練，根據所述釋義模型的損失函數對所述權重矩陣的初始值進行更新，直到所述損失函數的值達到預設的范圍或模型訓練次數達到所述預設的訓練次數，得到更新后的權值矩陣的目標值。

6.根據權利要求5所述的方法，其特征在于，所述根據輸入的所述樣本源句子序列和所述樣本釋義句序列進行模型訓練，根據所述釋義模型的損失函數對所述權重矩陣的初始值進行更新，直到所述損失函數的值達到預設的范圍或模型訓練次數達到所述預設的訓練次數，得到更新后的權值矩陣的目標值，包括：

通過所述釋義模型的輸入層獲取所述樣本源句子序列和所述樣本釋義句序列，將所述樣本源句子序列輸入到編碼模塊中，得到樣本源句子的隱含狀態信息和樣本源句子的高層特征信息；

將所述樣本源句子的隱含狀態信息和所述樣本源句子的高層特征信息，以及所述樣本釋義句序列輸入到解碼模塊，得到樣本釋義句隱含狀態信息和樣本釋義句的高層特征信息；

根據所述樣本源句子的隱含狀態信息和所述樣本釋義句的隱含狀態信息，計算得到樣本釋義句的注意力向量；

將所述注意力向量和所述樣本釋義句的高層特征信息輸入到分類層，得到與所述樣本源句子對應的候選詞的概率分布；

根據所述候選詞的概率分布計算得到模型的損失函數；

根據損失函數對所述權重矩陣進行更新，直到所述損失函數的值達到預設的范圍或模型訓練次數達到所述預設的訓練次數，得到更新后的權值矩陣。