[發明專利]神經網絡訓練方法、成語誤用檢測方法、裝置和電子設備

有效

• 申請號: 201910821030.1
• 申請日: 2019-08-30
• 公開（公告）號: CN110532562B
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 楊雙濤
• 申請（專利權）人: 聯想（北京）有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/289;G06F16/35;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 楊靜

1.一種用于訓練神經網絡的方法，包括：

獲取多個語句文本；

對于所述多個語句文本中的任一語句文本，從所述任一語句文本中提取成語文本，并獲取所述成語文本的語義信息，其中由所述任一語句文本和所述語義信息構成一個樣本對；

為所述一個樣本對添加標簽，所述標簽表征所述語義信息與所述任一語句文本的語境信息之間是否相適配；以及

利用與所述多個語句文本對應的多個帶有標簽的樣本對對所述神經網絡進行訓練，得到用于檢測成語誤用的目標神經網絡。

2.根據權利要求1所述的方法，其中，所述神經網絡包括第一編碼器、第二編碼器和分類器；

所述利用與所述多個語句文本對應的多個帶有標簽的樣本對對所述神經網絡進行訓練包括：

將所述一個樣本對輸入至所述神經網絡，由所述第一編碼器和所述第二編碼器分別對所述任一語句文本和所述語義信息進行編碼，得到語句表示向量和語義表示向量，再由所述分類器基于所述語句表示向量和語義表示向量輸出分類結果；

基于所述分類結果和所述一個樣本對的標簽確定損失函數是否實現收斂；

如果是，則確定訓練完成，得到所述目標神經網絡；以及

如果否，則調整所述神經網絡的參數后重復上述對所述神經網絡進行訓練的操作，直至所述損失函數實現收斂。

3.根據權利要求2所述的方法，其中，所述由所述分類器基于所述語句表示向量和語義表示向量輸出分類結果包括：

對所述語句表示向量和所述語義表示向量進行組合，得到第一特征向量；以及

對所述第一特征向量進行全連接映射，得到關于所述語義信息與所述任一語句文本的語境信息之間是否相適配的分類結果。

4.一種成語誤用檢測方法，包括：

獲取輸入語句文本；

獲取基于如權利要求1～3所述的方法訓練得到的目標神經網絡；

從所述輸入語句文本中提取輸入成語文本，并獲取所述輸入成語文本的語義信息；以及

利用所述目標神經網絡處理所述輸入語句文本和所述輸入成語文本的語義信息，得到表征所述輸入成語文本的語義信息與所述輸入語句文本的語境信息之間是否相適配的檢測結果。

5.根據權利要求4所述的方法，其中，所述目標神經網絡包括第一優化編碼器、第二優化編碼器和優化分類器；

所述利用所述目標神經網絡處理所述輸入語句文本和所述輸入成語文本的語義信息包括：

利用所述第一優化編碼器對所述輸入語句文本進行編碼，得到輸入語句表示向量；

利用所述第二優化編碼器對所述輸入成語文本的語義信息進行編碼，得到成語語義表示向量；以及

利用所述優化分類器基于所述輸入語句表示向量和所述成語語義表示向量進行分類處理，得到所述檢測結果。

6.根據權利要求5所述的方法，其中，所述利用所述優化分類器基于所述輸入語句表示向量和所述成語語義表示向量進行分類處理包括：

對所述輸入語句表示向量和所述成語語義表示向量進行組合，得到第二特征向量；以及

對所述第二特征向量進行全連接映射，得到所述檢測結果。

7.根據權利要求6所述的方法，其中，所述對所述輸入語句表示向量和所述成語語義表示向量進行組合包括：

對所述輸入語句表示向量和所述成語語義表示向量進行拼接；并且/或者

對所述輸入語句表示向量和所述成語語義表示向量進行指定運算。

8.一種用于訓練神經網絡的裝置，包括：

語句獲取模塊，用于獲取多個語句文本；

樣本構建模塊，用于對于所述多個語句文本中的任一語句文本，從所述任一語句文本中提取成語文本，并獲取所述成語文本的語義信息，其中由所述任一語句文本和所述語義信息構成一個樣本對；

標記模塊，用于為所述一個樣本對添加標簽，所述標簽表征所述語義信息與所述任一語句文本的語境信息之間是否相適配；以及

訓練模塊，用于利用與所述多個語句文本對應的多個帶有標簽的樣本對對所述神經網絡進行訓練，得到用于檢測成語誤用的目標神經網絡。