[發明專利]語句的語義表示處理方法及裝置、計算機設備及可讀介質

在審

• 申請號: 201910574233.5
• 申請日: 2019-06-28
• 公開（公告）號: CN110377905A
• 公開（公告）日: 2019-10-25
• 發明（設計）人: 王碩寰;李宇琨;孫宇;馮仕堃;田浩;李芝;何徑舟;吳華;王海峰
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 北京鴻德海業知識產權代理事務所(普通合伙) 11412
• 代理人: 田宏賓

1.一種語句的語義表示處理方法，其特征在于，所述方法包括：

獲取待分析的語句；

根據預先訓練的語義表示模型，獲取所述語句的、具有知識融合的語義表示；所述語義表示模型基于字粒度、詞語粒度以及實體粒度進行訓練得到。

2.根據權利要求1所述的方法，其特征在于，根據預先訓練的語義表示模型，獲取所述語句的、具有知識融合的語義表示之后，所述方法還包括：

基于所述語句的語義表示，執行自然語言處理任務。

3.根據權利要求2所述的方法，其特征在于，基于所述語句的語義表示，執行自然語言處理任務，包括：

對于數個所述待分析的語句，獲取到數個所述語句的語義表示時，采用數個所述語句的語義表示，對自然語言處理的任務模型進行訓練；

基于所述自然語言處理的任務模型，執行所述自然語言處理的任務。

4.根據權利要求1-3任一所述的方法，其特征在于，根據預先訓練的語義表示模型，獲取所述語句的、具有知識融合的語義表示之前，所述方法還包括：

采集包括數條訓練語句的語料集；

采用所述語料集對所述語義表示模型進行訓練。

5.根據權利要求4所述的方法，其特征在于，采用所述語料集對所述語義表示模型進行訓練，包括：

對所述語料集中的各所述訓練語句中的詞語以及實體進行標注；

采用所述語料集中各所述訓練語句，基于字粒度對所述語義表示模型進行訓練；

采用所述語料集中的各所述訓練語句以及標注的所述詞語，基于詞語粒度對所述語義表示模型進行訓練；

采用所述語料集中的各所述訓練語句以及標注的所述實體，基于實體粒度對所述語義表示模型進行訓練。

6.根據權利要求5所述的方法，其特征在于，對所述語料集中的各所述訓練語句中的詞語以及實體進行標注，包括：

采用預先訓練的序列標注模型對所述語料集中的各所述訓練語句中的詞語以及實體進行標注；或者

采用預先采集的詞語庫以及實體庫來標注，分別對所述語料集中的各所述訓練語句中的詞語以及實體進行標注。

7.一種語句的語義表示處理裝置，其特征在于，所述裝置包括：

語句獲取模塊，用于獲取待分析的語句；

語義獲取模塊，用于根據預先訓練的語義表示模型，獲取所述語句的、具有知識融合的語義表示；所述語義表示模型基于字粒度、詞語粒度以及實體粒度進行訓練得到。

8.根據權利要求7所述的裝置，其特征在于，所述裝置還包括：

任務處理模塊，用于基于所述語句的語義表示，執行自然語言處理任務。

9.根據權利要求8所述的裝置，其特征在于，所述任務處理模塊，用于：

對于數個所述待分析的語句，獲取到數個所述語句的語義表示時，采用數個所述語句的語義表示，對自然語言處理的任務模型進行訓練；

基于所述自然語言處理的任務模型，執行所述自然語言處理的任務。

10.根據權利要求7-9任一所述的裝置，其特征在于，所述裝置還包括：

采集模塊，用于采集包括數條訓練語句的語料集；

訓練模塊，用于采用所述語料集對所述語義表示模型進行訓練。

11.根據權利要求10所述的裝置，其特征在于，所述訓練模塊，用于：

對所述語料集中的各所述訓練語句中的詞語以及實體進行標注；

采用所述語料集中各所述訓練語句，基于字粒度對所述語義表示模型進行訓練；

采用所述語料集中的各所述訓練語句以及標注的所述詞語，基于詞語粒度對所述語義表示模型進行訓練；

采用所述語料集中的各所述訓練語句以及標注的所述實體，基于實體粒度對所述語義表示模型進行訓練。