[發(fā)明專利]多音字預測方法及消歧方法、裝置、設(shè)備及計算機可讀存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201980003196.0
• 申請日: 2019-12-24
• 公開（公告）號: CN113302683B
• 公開（公告）日: 2023-08-04
• 發(fā)明（設(shè)計）人: 白洛玉;李賢;張皓;黃東延;丁萬;熊友軍
• 申請（專利權(quán)）人: 深圳市優(yōu)必選科技股份有限公司
• 主分類號: G10L13/10
• 分類號: G10L13/10
• 代理公司: 深圳中細軟知識產(chǎn)權(quán)代理有限公司 44528
• 代理人: 袁文英

1.一種多音字預測方法，其特征在于，所述多音字預測方法包括如下步驟：

獲取待預測文本中的多音字文本、以及所述多音字文本在所述待預測文本中的上文文本和/或下文文本；

構(gòu)建所述多音字文本、所述上文文本、所述下文文本各自對應(yīng)的一個或多個特征向量；

將所述上文文本的特征向量、所述多音字文本的特征向量、所述下文文本的特征向量輸入多音字預測模型獲得多音字預測結(jié)果；所述多音字預測模型包括第一神經(jīng)網(wǎng)絡(luò)模塊、第二神經(jīng)網(wǎng)絡(luò)模塊和第三神經(jīng)網(wǎng)絡(luò)模塊；所述第一神經(jīng)網(wǎng)絡(luò)模塊輸入所述上文文本的特征向量并得到第一輸出向量，所述第二神經(jīng)網(wǎng)絡(luò)模塊輸入所述多音字文本的特征向量并得到第二輸出向量，所述第三神經(jīng)網(wǎng)絡(luò)模塊輸入所述下文文本的特征向量并得到第三輸出向量；所述多音字預測結(jié)果包括所述多音字的每種讀音的發(fā)音概率，并通過將所述第一輸出向量、所述第二輸出向量和所述第三輸出向量進行拼接來獲得；

基于所述多音字的每種讀音的發(fā)音概率來確定所述多音字在所述待預測文本中的讀音。

2.根據(jù)權(quán)利要求1所述的多音字預測方法，其特征在于，所述第一神經(jīng)網(wǎng)絡(luò)模塊和所述第三神經(jīng)網(wǎng)絡(luò)模塊為長短期記憶神經(jīng)網(wǎng)絡(luò)模塊、所述第二神經(jīng)網(wǎng)絡(luò)模塊為深度神經(jīng)網(wǎng)絡(luò)模塊。

3.根據(jù)權(quán)利要求1所述的多音字預測方法，其特征在于，所述構(gòu)建所述多音字文本、所述上文文本、所述下文文本各自對應(yīng)的一個或多個特征向量的步驟包括：

分別獲得所述多音字文本、所述上文文本、所述下文文本的字特征信息；所述字特征信息包括字信息、字的詞性信息、字的前字或詞的詞性信息、字的后字或詞的詞性信息、字的位置信息中的至少一種；

將所述多音字文本、所述上文文本、所述下文文本的字特征信息分別轉(zhuǎn)換為相應(yīng)的ID信息；

將所述ID信息進行向量化，得到所述多音字文本、所述上文文本、所述下文文本分別對應(yīng)的一個或多個特征向量；在所述多音字文本、所述上文文本或所述下文文本對應(yīng)有多個特征向量的情況下，將所述多個特征向量進行拼接得到合成的特征向量。

4.根據(jù)權(quán)利要求3所述的多音字預測方法，其特征在于，所述將所述多音字文本、所述上文文本、所述下文文本的字特征信息分別轉(zhuǎn)換為相應(yīng)的ID信息的步驟包括：

預先建立所述字特征信息與所述ID信息之間的映射字典；

基于所述映射字典獲得不同所述字特征信息分別對應(yīng)的ID信息。

5.根據(jù)權(quán)利要求3所述的多音字預測方法，其特征在于，所述將所述ID信息進行向量化的步驟包括：

所述字信息對應(yīng)的ID信息通過Word2Vec轉(zhuǎn)換為字向量；

所述字的詞性信息、所述字的前字或詞的詞性信息、所述字的后字或詞的詞性信息、以及所述字的位置信息分別對應(yīng)的ID信息通過獨熱編碼轉(zhuǎn)換為特征向量。

6.根據(jù)權(quán)利要求1所述的多音字預測方法，其特征在于，將多個包含多音字的訓練文本作為輸入，將所述訓練文本包含的多音字的正確讀音作為輸出來對所述多音字預測模型進行訓練。

7.根據(jù)權(quán)利要求6所述的多音字預測方法，其特征在于，所述多音字預測模型的訓練步驟包括：

①通過文本迭代器獲取多個訓練文本，將所述訓練文本作為待預測文本，依次執(zhí)行所述多音字文本、所述上文文本、所述下文文本的獲取步驟，以及所述多音字文本、所述上文文本、所述下文文本對應(yīng)的特征向量的構(gòu)建步驟，得到每一訓練文本的特征向量數(shù)據(jù)；

②對各個所述訓練文本的特征向量數(shù)據(jù)按照數(shù)據(jù)長度進行聚類劃分；將每一聚類中的各所述訓練文本的特征向量數(shù)據(jù)的數(shù)據(jù)長度調(diào)節(jié)一致；將每一聚類中的所述訓練文本的特征向量數(shù)據(jù)批量輸入至所述多音字預測模型；

所述步驟①與步驟②并行進行。