[發(fā)明專利]基于Voronoi圖的訓練樣本遮掩方法、裝置及相關設備

有效

• 申請?zhí)枺?/td>: 202110556622.2
• 申請日: 2021-05-21
• 公開（公告）號: CN113191158B
• 公開（公告）日: 2021-10-26
• 發(fā)明（設計）人: 王偉;黃勇其;于翠翠;張黔
• 申請（專利權）人: 潤聯(lián)軟件系統(tǒng)（深圳）有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F16/36;G06F40/279;G06F16/35
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 武志峰

1.一種基于Voronoi圖的訓練樣本遮掩方法，其特征在于，包括：

獲取訓練語料的單詞集合和主題詞集合，其中，所述主題詞集合中的單詞均為主題詞，所述單詞集合中的單詞包含主題詞和非主題詞；

基于所述單詞集合和主題詞集合的單詞屬性構建Voronoi圖，并將所述單詞集合中的非主題詞劃分到所述Voronoi圖的網(wǎng)格中，其中，所述Voronoi圖中每一主題詞對應一個網(wǎng)格，一個網(wǎng)格至少包含一個非主題詞；

根據(jù)網(wǎng)格影響力對所述Voronoi圖中的網(wǎng)格進行排序，得到網(wǎng)格排序隊列；

對所述網(wǎng)格排序隊列各網(wǎng)格內(nèi)的單詞進行隨機遮掩，得到訓練樣本隊列；

所述基于所述單詞集合和主題詞集合的單詞屬性構建Voronoi圖，包括：

根據(jù)所述單詞集合中每個單詞的TF-IDF值及余弦相似度，構建2-D平面；

將所述主題詞集合中每個主題詞映射到所述2-D平面，以每個主題詞在所述2-D平面上對應的主題點構建所述Voronoi圖；

基于所述單詞集合與主題詞集合的差集，得到非主題詞集合；

計算所述非主題詞集合中每一非主題詞的詞向量與所有主題點對應主題詞詞向量之間的距離，確定所述非主題詞的最短距離主題點；

將所述非主題詞映射到所述Voronoi圖中，得到所述非主題詞對應的非主題點，并將所述非主題點劃分到對應最短距離主題點的網(wǎng)格中。

2.根據(jù)權利要求1所述的基于Voronoi圖的訓練樣本遮掩方法，其特征在于，所述獲取訓練語料的單詞集合和主題詞集合，包括：

對所述訓練語料進行分詞處理，得到所述訓練語料的單詞集合；

對所述訓練語料進行主題詞提取，得到所述訓練語料的主題詞集合。

3.根據(jù)權利要求1所述的基于Voronoi圖的訓練樣本遮掩方法，其特征在于，所述根據(jù)網(wǎng)格影響力所述Voronoi圖中的網(wǎng)格進行排序，得到網(wǎng)格排序隊列，包括：

按網(wǎng)格面積對所述Voronoi圖中每個網(wǎng)格進行降序排序，得到網(wǎng)格面積隊列；

獲取所有主題詞的詞嵌入向量，根據(jù)所述詞嵌入向量對所有主題詞進行聚類，得到主題詞簇；

根據(jù)所述主題詞簇中每一主題詞對應網(wǎng)格間的關系構建鄰居關系矩陣，計算所述主題詞簇中每一主題詞相對所述鄰居關系矩陣的貢獻值，根據(jù)所述貢獻值對所述主題詞簇中的主題詞進行降序排序，得到貢獻排序隊列；

根據(jù)每一網(wǎng)格在所述網(wǎng)格面積隊列和貢獻排序隊列中的位序之和，對每一網(wǎng)格進行降序排序，得到網(wǎng)格排序隊列。

4.根據(jù)權利要求3所述的基于Voronoi圖的訓練樣本遮掩方法，其特征在于，所述按網(wǎng)格面積對所述Voronoi圖中每個網(wǎng)格進行降序排序，得到網(wǎng)格面積隊列，包括：

確定所述Voronoi圖中每一網(wǎng)格的鄰居網(wǎng)格，所述鄰居網(wǎng)格包括直接鄰居網(wǎng)格和間接鄰居網(wǎng)格；

計算每一網(wǎng)格與對應的鄰居網(wǎng)格之間的面積和；

根據(jù)所述面積和對所有網(wǎng)格進行降序排序，得到所述網(wǎng)格面積隊列。

5.根據(jù)權利要求3所述的基于Voronoi圖的訓練樣本遮掩方法，其特征在于，所述按網(wǎng)格面積對所述Voronoi圖中每個網(wǎng)格進行降序排序，得到網(wǎng)格面積隊列，包括：

確定所述Voronoi圖中每一網(wǎng)格對應鄰居網(wǎng)格內(nèi)的節(jié)點數(shù)量，所述節(jié)點包括主題點和非主題點；

根據(jù)所述節(jié)點數(shù)量計算每一網(wǎng)格與對應的鄰居網(wǎng)格之間的面積和；

根據(jù)所述面積和對所有網(wǎng)格進行降序排序，得到所述網(wǎng)格面積隊列。

6.根據(jù)權利要求3所述的基于Voronoi圖的訓練樣本遮掩方法，其特征在于，所述根據(jù)所述主題詞簇中每一主題詞對應網(wǎng)格間的關系構建鄰居關系矩陣，包括：

獲取所述主題詞簇中每一主題詞對應網(wǎng)格之間的網(wǎng)格關系，所述網(wǎng)格關系包括直接鄰居關系、間接鄰居關系和非鄰居網(wǎng)格關系；

根據(jù)所述網(wǎng)格關系計算對應網(wǎng)格之間的關系值，其中，直接鄰居關系的關系值為；間接鄰居關系的關系值為，其中，，分別為兩個網(wǎng)格對應主題詞的詞向量；非鄰居網(wǎng)格關系的關系值為；

根據(jù)各網(wǎng)格之間的關系值構建鄰居關系矩陣。