[發明專利]一種語義識別方法、相關裝置以及設備

有效

• 申請號: 202110649311.0
• 申請日: 2021-06-10
• 公開（公告）號: CN113255345B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 劉志煌
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F40/237;G06F40/30
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 聶秀娜

1.一種語義識別方法，其特征在于，包括：

獲取待識別文本，其中，所述待識別文本包括待識別多義詞，所述待識別多義詞包括N種語義類型，所述 N 為大于 1 的整數，所述待識別文本包括至少兩個語句；

根據所述待識別文本獲取主題詞語，其中，所述主題詞語用于表示所述待識別文本的主題類型；

根據所述待識別文本獲取詞語序列，其中，所述詞語序列包括所述待識別多義詞和目標詞語，所述目標詞語包括所述待識別多義詞的上文詞語和下文詞語中的至少一項；

根據所述主題詞語和所述詞語序列，確定所述待識別多義詞對應的語義識別特征；

根據所述語義識別特征，從所述 N 種語義類型中確定所述待識別多義詞在所述待識別文本中的含義；

其中，所述根據所述主題詞語和所述詞語序列，確定所述待識別多義詞的語義識別特征，包括：

從文本集合的主題詞語集合中，確定所述主題詞語對應的關聯主題詞語；

從所述文本集合的詞語序列集合中，確定所述詞語序列對應的關聯詞語序列；

根據所述關聯主題詞語和所述關聯詞語序列，確定所述待識別多義詞的語義識別特征。

2.根據權利要求 1 所述的語義識別方法，其特征在于，在所述根據所述待識別文本獲取主題詞語之前，所述方法還包括：

處理待識別文本，得到至少兩個詞向量；

將所述至少兩個詞向量輸入主題模型，得到主題分布向量；

確定所述至少兩個詞向量中每一個詞向量與所述主題分布向量之間的距離；

根據所述距離，確定主題相關詞向量；

所述根據所述待識別文本獲取主題詞語，包括：

根據所述主題相關詞向量，確定主題詞語特征；

根據所述主題詞語特征，確定所述主題詞語。

3.根據權利要求 2 所述的語義識別方法，其特征在于，所述根據所述主題相關詞向量，確定所述主題詞語特征，包括：

若所述主題相關詞向量的數量為一個，則確定所述主題相關詞向量為所述主題詞語特征；

若所述主題相關詞向量的數量大于一個，則處理所述主題相關詞向量，得到所述主題詞語特征。

4.根據權利要求 3 所述的語義識別方法，其特征在于，所述處理所述主題相關詞向量，得到所述主題詞語特征，包括：

對所述主題相關詞向量求平均值，得到所述主題詞語特征；或者，

對所述主題相關詞向量進行加權求和，得到所述主題詞語特征；或者，

確定所述主題相關詞向量中的最大值，為所述主題詞語特征。

5.根據權利要求 2 所述的語義識別方法，其特征在于，所述根據所述主題相關詞向量，確定所述主題詞語特征，包括：

若所述主題相關詞向量的數量大于一個，則聚類所述主題相關詞，得到主題標簽；若所述主題標簽的數量為一個，則確定所述主題標簽為所述主題詞語特征；

若所述主題標簽的數量大于一個，則對所述主題標簽求平均值，得到所述主題詞語特征；或者對所述主題標簽進行加權求和，得到所述主題詞語特征；或者確定所述主題標簽的最大值，為所述主題詞語特征。

6.根據權利要求 1 至 5 中任一項所述的語義識別方法，其特征在于，所述根據所述待識別文本獲取詞語序列，包括：

對所述待識別文本進行分句處理，得到至少兩個語句；

獲取所述至少兩個語句中目標語句的頻繁序列，其中，所述目標語句包括所述待識別多義詞所在的語句，和所述待識別多義詞所在語句的前 X 個語句，和所述待識別多義詞所在語句的 Y 個語句中的至少一項，X≥1，Y≥1，且 X、Y 均為整數；

確定支持度大于閾值的所述頻繁序列，為目標頻繁序列，所述支持度用于表示所述頻繁序列在所述目標語句中的出現的頻率；

根據所述目標頻繁序列，確定所述詞語序列。