CN111241819B - 词向量生成方法、装置及电子设备 - Google Patents
词向量生成方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111241819B CN111241819B CN202010015008.0A CN202010015008A CN111241819B CN 111241819 B CN111241819 B CN 111241819B CN 202010015008 A CN202010015008 A CN 202010015008A CN 111241819 B CN111241819 B CN 111241819B
- Authority
- CN
- China
- Prior art keywords
- word
- vector
- context
- determining
- sentence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000013598 vector Substances 0.000 title claims abstract description 341
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013507 mapping Methods 0.000 claims abstract description 68
- 230000011218 segmentation Effects 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 13
- 238000011176 pooling Methods 0.000 claims description 10
- 238000003058 natural language processing Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Machine Translation (AREA)
Abstract
本申请提出一种词向量生成方法、装置及电子设备,涉及自然语言处理技术领域。其中,该方法包括:获取待处理语句,并获取待处理语句中的目标词;获取目标词的上下文信息;根据预设的分词与词向量的映射关系,确定目标词对应的上下文无关词向量;根据预设的字符与字向量的映射关系,确定上下文信息对应的上下文语义向量;以及根据上下文无关词向量与上下文语义向量,生成目标词对应的目标词向量。由此,通过这种词向量生成方法,不仅提高了自然语言理解的可靠性和通用性,而且降低了词向量生成的计算复杂度。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及自然语言处理技术领域,提出一种词向量生成方法、装置及电子设备。
背景技术
在自然语言处理(Natural Language Processing,简称NLP)领域,具有上下文语义表达能力的深度语言模型通常具有良好的语言表现能力。比如,来自转换器的双向编码表示(Bidirectional Encoder Representation from Transformers,简称BERT)模型,利用自注意力机制进行充分交互,构建了完整的上下文语境,使得文本中的每一个词语可以根据上下文语境的不同,拥有不同的语义,从而通过融合词语的上下文语境,提高了自然语言理解的可靠性。
然而,具有上下文语义表达能力的深度语言模型往往具有复杂的网络结构,如BERT基础模型拥有12层Tranformer网络结构,近3亿的网络参数,庞大的参数量导致模型的计算量巨大,推理时间较长。
发明内容
本申请提出的词向量生成方法、装置及电子设备,用于解决相关技术中,具有上下文语义表达能力的深度语言模型往往具有复杂的网络结构,庞大的参数量导致模型的计算量巨大,推理时间较长的问题。
本申请一方面实施例提出的词向量生成方法,包括:获取待处理语句,并获取所述待处理语句中的目标词;获取所述目标词的上下文信息;根据预设的分词与词向量的映射关系,确定所述目标词对应的上下文无关词向量;根据预设的字符与字向量的映射关系,确定所述上下文信息对应的上下文语义向量;以及根据所述上下文无关词向量与所述上下文语义向量,生成所述目标词对应的目标词向量。
本申请另一方面实施例提出的词向量生成装置,包括:第一获取模块,用于获取待处理语句,并获取所述待处理语句中的目标词;第二获取模块,用于获取所述目标词的上下文信息;第一确定模块,用于根据预设的分词与词向量的映射关系,确定所述目标词对应的上下文无关词向量;第二确定模块,用于根据预设的字符与字向量的映射关系,确定所述上下文信息对应的上下文语义向量;以及生成模块,用于根据所述上下文无关词向量与所述上下文语义向量,生成所述目标词对应的目标词向量。
本申请再一方面实施例提出的电子设备,其包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如前所述的词向量生成方法。
本申请又一方面实施例提出的存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行如前所述的词向量生成方法。
上述申请中的任一个实施例具有如下优点或有益效果:通过预设分词与词向量的映射关系及字符与字向量的映射关系,以在对待处理语句进行处理时,可以直接通过对词向量及字向量的检索组合,生成目标词融合了上下文语境的词向量表示,从而不仅提高了自然语言理解的可靠性和通用性,而且降低了词向量生成的计算复杂度。因为采用了通过获取待处理语句中的目标词及目标词的上下文信息,并根据预设的分词与词向量的映射关系,确定目标词对应的上下文无关词向量,之后根据预设的字符与字向量的映射关系,确定上下文信息对应的上下文语义向量,进而根据上下文无关词向量与上下文语义向量,生成目标词对应的目标词向量的技术手段,所以克服了具有上下文语义表达能力的深度语言模型的网络结构复杂,计算量巨大、推理时间较长的问题,进而达到了提高自然语言理解的可靠性和通用性,降低词向量生成的计算复杂度的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请实施例所提供的一种词向量生成方法的流程示意图;
图2为本申请实施例所提供的另一种词向量生成方法的流程示意图;
图3为本申请实施例提供的一种词向量生成装置的结构示意图;
图4为本申请实施例提供的电子设备的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本申请实施例针对相关技术中,具有上下文语义表达能力的深度语言模型往往具有复杂的网络结构,庞大的参数量导致模型的计算量巨大,推理时间较长的问题,提出一种词向量生成方法。
下面参考附图对本申请提供的词向量生成方法、装置、电子设备及存储介质进行详细描述。
下面结合图1,对本申请实施例提供的词向量生成方法进行详细说明。
图1为本申请实施例所提供的一种词向量生成方法的流程示意图。
如图1所示,该词向量生成方法,包括以下步骤:
步骤101,获取待处理语句,并获取待处理语句中的目标词。
需要说明的是,本申请实施例的词向量生成方法,可以由本申请实施例的词向量生成装置执行。本申请实施例的词向量生成装置可以配置在任意具有NLP功能的电子设备中,如手机、电脑、个人数字助理、人机交互语音设备、智能机器人、可穿戴式设备中,本申请实施例对此不做限定。
其中,待处理语句,可以是通过输入装置获取的文字信息;也可以是对通过输入装置获取的语音信息进行转换后,生成的文字信息。比如,本申请实施例的词向量生成方法应用在具有人机交互功能的电子设备中时,查询语句可以是通过电子设备的文字输入装置(如键盘、触摸屏等)获取的用户输入的文字信息;也可以是通过电子设备的麦克风等语音输入装置获取的语音信息,进而将语音信息进行转换而生成的文字信息。
其中,目标词,是指待处理语句中的任意一个分词。
在本申请实施例中,获取到待处理语句之后,可以首先对待处理语句进行分词处理,以确定待处理语句中包括的所有分词,并将待处理语句中包括的每个分词确定为待处理语句中的目标词,即一个分词对应一个目标词,进而在后续步骤依次对待处理语句中的各目标词分别进行处理。
需要说明的是,以下以对一个目标词进行处理的过程进行详细说明,在本申请实施例中对待处理语句中的各目标词进行处理的过程相同。
步骤102,获取目标词的上下文信息。
其中,目标词的上下文信息,是指在待处理语句中与目标词相邻的一个或多个字符。需要说明的是,目标词的上下文信息可以包括在待处理语句中处于目标词之前的一个或多个字符及处于目标词之后的一个或多个字符,以对目标词在待处理语句中的上下文语境进行完整的表示。
在本申请实施例中,为准确表示目标词在待处理语句中的语义,在目标词的向量表示中融合目标词在待处理语句中的上下文语境信息,可以在确定出目标词之后,获取目标词在待处理语句中的上下文信息。
进一步的,可以利用上下文窗口确定目标词的上下文信息。即在本申请实施例一种可能的实现形式中,上述步骤102,可以包括:
根据目标词在待处理语句中的位置及上下文窗口长度,确定待处理语句中处于上下文窗口之中的多个字符,其中,处于上下文窗口之中的多个字符构成目标词的上下文信息。
作为一种可能的实现方式,可以预设上下文窗口长度,进而根据目标词在待处理语句中的位置及上下文窗口长度,确定待处理语句中处于上下文窗口中的多个字符,并将处于上下文窗口中的多个字符,确定为目标词的上下文信息。
可选的,上下文窗口长度中可以包括左窗口长度和右窗口长度,从而可以根据目标词在待处理语句中的位置与左窗口长度,确定与目标词相邻且处于目标词左侧的多个字符,以及根据目标词在待处理语句中的位置与右窗口长度,确定与目标词相邻且处于目标词右侧的多个字符,进而将处于目标词左侧的多个字符于处于目标词右侧的多个字符,确定为目标词的上下文信息。
举例来说,上下文窗口长度中包括的左窗口长度和右窗口长度均为2个字符,目标词中包括两个字符,且在待处理语句中的位置为“待处理语句中的第4个字符和第5个字符”,从而可以确定待处理语句中处于上下文窗口中的多个字符为:待处理文本中的第2个字符、第3个字符、第6个字符及第7个字符,即目标词的上下文信息为:待处理文本中的第2个字符、第3个字符、第6个字符及第7个字符。
需要说明的是,上述举例仅为示例性的,不能视为对本申请的限制。实际使用时,可以根据实际需要及具体的应用场景预设确定目标词的上下文信息的方式,及上下文窗口的长度,本申请实施例对此不做限定。
步骤103,根据预设的分词与词向量的映射关系,确定目标词对应的上下文无关词向量。
其中,预设的分词与词向量的映射关系,可以包括大量分词及其对应的词向量。需要说明的是,预设的分词与词向量的映射关系,与当前的自然语言理解任务有关,即可以根据实际需要及自然语言理解任务所需的语料,构建分词与词向量的映射关系。
在本申请实施例中,可以在预设的分词与词向量的映射关系中,检索与目标词相同的分词,进而将该分词对应的词向量,确定为目标词对应的上下文无关词向量。
步骤104,根据预设的字符与字向量的映射关系,确定上下文信息对应的上下文语义向量。
其中,上下文语义向量,是指上下文信息的向量表示。
在本申请实施例中,为准确表达目标词在待处理语句中的语义,可以在目标词的向量表示中融合目标词在待处理语句中的上下文语境信息。从而可以根据预设的字符与字向量的映射关系,确定上下文信息中各字符对应的字向量,进而根据上下文信息中各字符对应的字向量,确定上下文信息对应的上下文语义向量。即在本申请实施例一种可能的实现形式中,上述步骤101,可以包括:
根据预设的字符与字向量的映射关系,确定处于上下文窗口之中的多个字符分别对应的字向量;
根据多个字符分别对应的字向量,确定上下文语义向量。
作为一种可能的实现方式,在利用上下文窗口确定目标词的上下文信息时,可以从预设的字符与字向量的映射关系中,确定的待处理语句中处于上下文窗口中的多个字符分别对应的字向量,进而将多个字符分别对应的字向量之和,确定为上下文信息对应的上下文语义向量。
步骤105,根据上下文无关词向量与上下文语义向量,生成目标词对应的目标词向量。
在本申请实施例中,目标词的上下文无关词向量可以用于表示目标词的基本语义,目标词的上下文信息对应的上下文语义向量,可以用于表示目标词在待处理语句中的上下文语境信息,从而可以将目标词的上下文无关向量与上下文语义向量融合,以生成目标词对应的目标词向量,从而使得目标词向量融合了目标词的上下文语境信息,可以更加准确的表达目标词的语义。
作为一种可能的实现方式,可以将上下文无关词向量与上下文语义向量相加,以生成目标词对应的目标词向量。
根据本申请实施例的技术方案,通过获取待处理语句中的目标词及目标词的上下文信息,并根据预设的分词与词向量的映射关系,确定目标词对应的上下文无关词向量,之后根据预设的字符与字向量的映射关系,确定上下文信息对应的上下文语义向量,进而根据上下文无关词向量与上下文语义向量,生成目标词对应的目标词向量。由此,通过预设分词与词向量的映射关系及字符与字向量的映射关系,以在对待处理语句进行处理时,可以直接通过对词向量及字向量的检索组合,生成目标词融合了上下文语境的词向量表示,从而不仅提高了自然语言理解的可靠性和通用性,而且降低了词向量生成的计算复杂度。
在本申请一种可能的实现形式中,可以根据具体的自然语言理解任务所需的语料信息,构建预设的词典,进而利用预设的语言识别模型对预设的词典进行识别处理,以生成预设的分词与词向量的映射关系及预设的字符与字向量的映射关系。
下面结合图2,对本申请实施例提供的词向量生成方法进行进一步说明。
图2为本申请实施例所提供的另一种词向量生成方法的流程示意图。
如图2所示,该词向量生成方法,包括以下步骤:
步骤201,利用预设的语言识别模型,对预设的词典中包括的每个字符进行识别处理,确定每个字符对应的字向量,以生成预设的字符与字向量的映射关系。
其中,预设的语言识别模型,可以是任意可以将字符向量化的语言模型,本申请实施例对此不做限定。比如,预设的语言识别模型可以是通过知识整合的增强表示(EnhancedRepresentation through Knowledge Integration,简称ERNIE)模型。
作为一种可能的实现方式,由于ERNIE模型构建了句对关系任务来学习句级别信息,具体说ERNIE模型的输入由两个句子组成,并在每个句子后面分别加入句尾标识符[SEP]来表示句尾,以及在句对之前加入句首标识符[CLS]来捕获句对间的语义差异,ERNIE模型的输入格式如下:
[CLS]床前明月光[SEP]疑是地上霜[SEP]。
因此,在利用ERNIE模型对预设的词典中的每个字符进行识别处理时,对于预设的词典中的每个分词,可以在将每个分词输入模型之前,在每个分词之前添加句首标识符,并在分词之后添加两个句尾标识符,即将ERNIE模型标准输入的第二个文本片段设为空,以将每个分词处理成ERNIE模型的标准输入。比如,对分词“苹果”进行处理后的输入格式为:“[CLS]苹果[SEP][SEP]”。
需要说明的是,由于ERNIE模型的字典是基于单个字符的,因此在将预设的词典中处理后的分词输入ERNIE模型之后,ERNIE模型的嵌入层可以确定出分词中每个字符对应的字向量,并存储在嵌入层中,即ERNIE模型的嵌入层中的每行向量对应一个字符,从而将预设的词典中每个分词输入ERNIE模型中之后,即可获得预设的词典中每个字符对应的字向量,进而生成了预设的字符与字向量的映射关系并存储在嵌入层中。
比如,在将对分词“苹果”的处理结果“[CLS]苹果[SEP][SEP]”输入ERNIE模型之后,可以确定出字符“苹”对应的字向量,与字符“果”对应的字向量,并存储在嵌入层中。
步骤202,利用预设的语言识别模型,对预设的词典中包括的每个分词进行识别处理,确定每个分词对应的词向量,以生成预设的分词与词向量的映射关系。
作为一种可能的实现方式,确定预设的词典中每个分词对应的词向量所利用的预设的语言识别模型,也可以是ERNIE模型。即在本申请实施例一种可能的实现形式中,上述步骤202,可以包括:
在第一分词之前添加句首标识字符,以及在第一分词之后分别添加第一句尾标识字符和第二句尾标识字符,以生成第一分词对应的待识别语句;
利用预设的语言识别模型,对第一分词对应的待识别语句进行识别处理,确定第一分词对应的词向量。
其中,第一分词,是指预设的词典中的任意一个分词。
作为一种可能的实现方式,在利用ERNIE模型对预设的词典中的第一分词进行识别处理时,可以在将第一分词输入模型之前,在第一分词之前添加句首标识符,并在分词之后添加第一句尾标识符和第二句尾标识,即将ERNIE模型标准输入的第二个文本片段设为空,以将第一分词处理成ERNIE模型的标准输入。比如,第一分词“苹果”的输入格式为:“[CLS]苹果[SEP][SEP]”。
进一步的,在利用ERNIE模型对第一分词对应的待识别语句进行识别处理之后,可以确定出第一分词中每个字符对应的字向量,进而可以根据第一分词的句首标识符对应的向量及第一分词中每个字符对应的向量,确定第一分词对应的词向量。即在本申请实施例一种可能的实现形式中,上述第一分词对应的词向量,包括:
确定第一分词中每个字符对应的字向量及首标识字符对应的第一向量;
对第一分词中每个字符对应的字向量进行最大池化处理,生成第一分词对应的第二向量;
对第一分词中每个字符对应的字向量进行均值池化处理,生成第一分词对应的第三向量;
根据第一向量、第二向量及第三向量,确定第一分词对应的词向量。
作为一种可能的实现方式,由于ERNIE模型的字典是基于单个字符的,从而可以根据ERNIE模型对第一分词中每个字符的识别结果,确定第一分词对应的词向量。
需要说明的是,由于句首标识字符[CLS]用于捕获句对间的语义差异,从而在第一分词前添加句首标识字符[CLS],以及在第一分词之后添加第一句尾标识字符[SEP]与第二句尾标识字符[SEP]之后,句首标识字符[CLS]对应的第一向量可以用于标识第一分词的整体语义。并且,为进一步提高对第一分词的语义进行表示的准确性,可以对第一分词中每个字符对应的字向量进行最大池化处理,生成第一分词对应的第二向量;以及对第一分词中每个字符对应的字向量进行均值池化处理,生成第一分词对应的第三向量,进而将第一向量、第二向量与第三向量之和,确定为第一分词对应的词向量。
在本申请实施例中,确定出预设的词典中每个分词对应的词向量之后,即可对每个分词及其对应的词向量进行存储,以生成预设的分词与词向量的映射关系,从而实现了通过离线方式生成预设的字符与字向量的映射关系,以及预设的分词与词向量的映射关系,以便于后续可以通过简单的检索组合,即可以获得目标词融合了上下文语境的向量表示,极大了降低了词向量生成的计算复杂度。
步骤203,获取待处理语句,并获取待处理语句中的目标词。
步骤204,获取目标词的上下文信息。
步骤205,根据预设的分词与词向量的映射关系,确定目标词对应的上下文无关词向量。
步骤206,根据预设的字符与字向量的映射关系,确定上下文信息对应的上下文语义向量。
步骤207,根据上下文无关词向量与上下文语义向量,生成目标词对应的目标词向量。
上述步骤203-207的具体实现过程及原理,可以参照上述实施例的详细描述,此处不再赘述。
根据本申请实施例的技术方案,通过利用预设的语言识别模型,对预设的词典中包括的每个字符及每个分词进行识别处理,确定每个字符对应的字向量及每个分词对应的词向量,以生成预设的字符与字向量的映射关系及预设的分词与词向量的映射关系,并在获取到待处理语句时,获取待处理语句中的目标词及目标词的上下文信息,以及根据预设的分词与词向量的映射关系,确定目标词对应的上下文无关词向量,之后根据预设的字符与字向量的映射关系,确定上下文信息对应的上下文语义向量,进而根据上下文无关词向量与上下文语义向量,生成目标词对应的目标词向量。由此,通过离线方式生成预设分词与词向量的映射关系及字符与字向量的映射关系,以在对待处理语句进行处理时,可以直接通过对词向量及字向量的检索组合,生成目标词融合了上下文语境的词向量表示,从而不仅提高了自然语言理解的可靠性和通用性,而且降低了词向量生成的计算复杂度。
为了实现上述实施例,本申请还提出一种词向量生成装置。
图3为本申请实施例提供的一种词向量生成装置的结构示意图。
如图3所示,该词向量生成装置30,包括:
第一获取模块31,用于获取待处理语句,并获取待处理语句中的目标词;
第二获取模块32,用于获取目标词的上下文信息;
第一确定模块33,用于根据预设的分词与词向量的映射关系,确定目标词对应的上下文无关词向量;
第二确定模块34,用于根据预设的字符与字向量的映射关系,确定上下文信息对应的上下文语义向量;
生成模块35,用于根据上下文无关词向量与上下文语义向量,生成目标词对应的目标词向量。
在实际使用时,本申请实施例提供的词向量生成装置,可以被配置在任意电子设备中,以执行前述词向量生成方法。
根据本申请实施例的技术方案,通过获取待处理语句中的目标词及目标词的上下文信息,并根据预设的分词与词向量的映射关系,确定目标词对应的上下文无关词向量,之后根据预设的字符与字向量的映射关系,确定上下文信息对应的上下文语义向量,进而根据上下文无关词向量与上下文语义向量,生成目标词对应的目标词向量。由此,通过预设分词与词向量的映射关系及字符与字向量的映射关系,以在对待处理语句进行处理时,可以直接通过对词向量及字向量的检索组合,生成目标词融合了上下文语境的词向量表示,从而不仅提高了自然语言理解的可靠性和通用性,而且降低了词向量生成的计算复杂度。
在本申请一种可能的实现形式中,上述词向量生成装置30,还包括:
第三确定模块,用于利用预设的语言识别模型,对预设的词典中包括的每个字符进行识别处理,确定每个字符对应的字向量,以生成预设的字符与字向量的映射关系;
第四确定模块,用于利用预设的语言识别模型,对预设的词典中包括的每个分词进行识别处理,确定每个分词对应的词向量,以生成预设的分词与词向量的映射关系。
进一步的,在本申请另一种可能的实现形式中,上述第四确定模块,具体用于:
在第一分词之前添加句首标识字符,以及在第一分词之后分别添加第一句尾标识字符和第二句尾标识字符,以生成第一分词对应的待识别语句;
利用预设的语言识别模型,对第一分词对应的待识别语句进行识别处理,确定第一分词对应的词向量。
进一步的,在本申请再一种可能的实现形式中,上述第四确定模块,还用于:
确定第一分词中每个字符对应的字向量及首标识字符对应的第一向量;
对第一分词中每个字符对应的字向量进行最大池化处理,生成第一分词对应的第二向量;
对第一分词中每个字符对应的字向量进行均值池化处理,生成第一分词对应的第三向量;
根据第一向量、第二向量及第三向量,确定第一分词对应的词向量。
在本申请一种可能的实现形式中,上述第二获取模块,具体用于:
根据目标词在待处理语句中的位置及上下文窗口长度,确定待处理语句中处于上下文窗口之中的多个字符,其中,处于上下文窗口之中的多个字符构成目标词的上下文信息。
在本申请一种可能的实现形式中,上述第二确定模块,具体用于:
根据预设的字符与字向量的映射关系,确定处于上下文窗口之中的多个字符分别对应的字向量;
根据多个字符分别对应的字向量,确定上下文语义向量。
在本申请一种可能的实现形式中,上述生成模块,具体用于:
将上下文无关词向量与上下文语义向量相加,以生成目标词对应的目标词向量。
需要说明的是,前述对图1、图2所示的词向量生成方法实施例的解释说明也适用于该实施例的词向量生成装置30,此处不再赘述。
根据本申请实施例的技术方案,通过利用预设的语言识别模型,对预设的词典中包括的每个字符及每个分词进行识别处理,确定每个字符对应的字向量及每个分词对应的词向量,以生成预设的字符与字向量的映射关系及预设的分词与词向量的映射关系,并在获取到待处理语句时,获取待处理语句中的目标词及目标词的上下文信息,以及根据预设的分词与词向量的映射关系,确定目标词对应的上下文无关词向量,之后根据预设的字符与字向量的映射关系,确定上下文信息对应的上下文语义向量,进而根据上下文无关词向量与上下文语义向量,生成目标词对应的目标词向量。由此,通过离线方式生成预设分词与词向量的映射关系及字符与字向量的映射关系,以在对待处理语句进行处理时,可以直接通过对词向量及字向量的检索组合,生成目标词融合了上下文语境的词向量表示,从而不仅提高了自然语言理解的可靠性和通用性,而且降低了词向量生成的计算复杂度。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图4所示,是根据本申请实施例的词向量生成方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,该电子设备包括:一个或多个处理器401、存储器402,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个电子设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图4中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的词向量生成方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的词向量生成方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的词向量生成方法对应的程序指令/模块(例如,附图3所示的第一获取模块31、第二获取模块32、第一确定模块33、第二确定模块34及生成模块35)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的词向量生成方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据词向量生成方法的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至词向量生成方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
词向量生成方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与词向量生成方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过获取待处理语句中的目标词及目标词的上下文信息,并根据预设的分词与词向量的映射关系,确定目标词对应的上下文无关词向量,之后根据预设的字符与字向量的映射关系,确定上下文信息对应的上下文语义向量,进而根据上下文无关词向量与上下文语义向量,生成目标词对应的目标词向量。由此,通过预设分词与词向量的映射关系及字符与字向量的映射关系,以在对待处理语句进行处理时,可以直接通过对词向量及字向量的检索组合,生成目标词融合了上下文语境的词向量表示,从而不仅提高了自然语言理解的可靠性和通用性,而且降低了词向量生成的计算复杂度。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (10)
1.一种词向量生成方法,其特征在于,包括:
获取待处理语句,并获取所述待处理语句中的目标词;
获取所述目标词的上下文信息;
根据预设的分词与词向量的映射关系,确定所述目标词对应的上下文无关词向量;
根据预设的字符与字向量的映射关系,确定所述上下文信息对应的上下文语义向量;以及
根据所述上下文无关词向量与所述上下文语义向量,生成所述目标词对应的目标词向量;
还包括:
利用预设的语言识别模型,对预设的词典中包括的每个字符进行识别处理,确定所述每个字符对应的字向量,以生成所述预设的字符与字向量的映射关系;
利用所述预设的语言识别模型,对所述预设的词典中包括的每个分词进行识别处理,确定所述每个分词对应的词向量,以生成所述预设的分词与词向量的映射关系;所述获取所述目标词的上下文信息,包括:
根据所述目标词在所述待处理语句中的位置及上下文窗口长度,确定所述待处理语句中处于所述上下文窗口之中的多个字符,其中,处于所述上下文窗口之中的多个字符构成所述目标词的上下文信息;
所述确定所述上下文信息对应的上下文语义向量,包括:
根据所述预设的字符与字向量的映射关系,确定处于所述上下文窗口之中的多个字符分别对应的字向量;
根据所述多个字符分别对应的字向量,确定所述上下文语义向量。
2.如权利要求1所述的方法,其特征在于,所述确定所述每个分词对应的词向量,包括:
在第一分词之前添加句首标识字符,以及在所述第一分词之后分别添加第一句尾标识字符和第二句尾标识字符,以生成所述第一分词对应的待识别语句;
利用所述预设的语言识别模型,对所述第一分词对应的待识别语句进行识别处理,确定所述第一分词对应的词向量。
3.如权利要求2所述的方法,其特征在于,所述确定所述第一分词对应的词向量,包括:
确定所述第一分词中每个字符对应的字向量及所述首标识字符对应的第一向量;
对所述第一分词中每个字符对应的字向量进行最大池化处理,生成所述第一分词对应的第二向量;
对所述第一分词中每个字符对应的字向量进行均值池化处理,生成所述第一分词对应的第三向量;
根据所述第一向量、所述第二向量及所述第三向量,确定所述第一分词对应的词向量。
4.如权利要求1-3任一所述的方法,其特征在于,所述根据所述上下文无关词向量与所述上下文语义向量,生成所述目标词对应的目标词向量,包括:
将所述上下文无关词向量与所述上下文语义向量相加,以生成所述目标词对应的目标词向量。
5.一种词向量生成装置,其特征在于,包括:
第一获取模块,用于获取待处理语句,并获取所述待处理语句中的目标词;
第二获取模块,用于获取所述目标词的上下文信息;
第一确定模块,用于根据预设的分词与词向量的映射关系,确定所述目标词对应的上下文无关词向量;
第二确定模块,用于根据预设的字符与字向量的映射关系,确定所述上下文信息对应的上下文语义向量;以及
生成模块,用于根据所述上下文无关词向量与所述上下文语义向量,生成所述目标词对应的目标词向量;
还包括:
第三确定模块,用于利用预设的语言识别模型,对预设的词典中包括的每个字符进行识别处理,确定所述每个字符对应的字向量,以生成所述预设的字符与字向量的映射关系;
第四确定模块,用于利用所述预设的语言识别模型,对所述预设的词典中包括的每个分词进行识别处理,确定所述每个分词对应的词向量,以生成所述预设的分词与词向量的映射关系;
所述第二获取模块,具体用于:
根据所述目标词在所述待处理语句中的位置及上下文窗口长度,确定所述待处理语句中处于所述上下文窗口之中的多个字符,其中,处于所述上下文窗口之中的多个字符构成所述目标词的上下文信息;
所述第二确定模块,具体用于:
根据所述预设的字符与字向量的映射关系,确定处于所述上下文窗口之中的多个字符分别对应的字向量;
根据所述多个字符分别对应的字向量,确定所述上下文语义向量。
6.如权利要求5所述的装置,其特征在于,所述第四确定模块,具体用于:
在第一分词之前添加句首标识字符,以及在所述第一分词之后分别添加第一句尾标识字符和第二句尾标识字符,以生成所述第一分词对应的待识别语句;
利用所述预设的语言识别模型,对所述第一分词对应的待识别语句进行识别处理,确定所述第一分词对应的词向量。
7.如权利要求6所述的装置,其特征在于,所述第四确定模块,还用于:
确定所述第一分词中每个字符对应的字向量及所述首标识字符对应的第一向量;
对所述第一分词中每个字符对应的字向量进行最大池化处理,生成所述第一分词对应的第二向量;
对所述第一分词中每个字符对应的字向量进行均值池化处理,生成所述第一分词对应的第三向量;
根据所述第一向量、所述第二向量及所述第三向量,确定所述第一分词对应的词向量。
8.如权利要求5-7任一所述的装置,其特征在于,所述生成模块,具体用于:
将所述上下文无关词向量与所述上下文语义向量相加,以生成所述目标词对应的目标词向量。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010015008.0A CN111241819B (zh) | 2020-01-07 | 2020-01-07 | 词向量生成方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010015008.0A CN111241819B (zh) | 2020-01-07 | 2020-01-07 | 词向量生成方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111241819A CN111241819A (zh) | 2020-06-05 |
CN111241819B true CN111241819B (zh) | 2023-03-14 |
Family
ID=70874304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010015008.0A Active CN111241819B (zh) | 2020-01-07 | 2020-01-07 | 词向量生成方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111241819B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523301B (zh) * | 2020-06-05 | 2023-05-05 | 泰康保险集团股份有限公司 | 合同文档合规性检查方法及装置 |
CN112069822A (zh) * | 2020-09-14 | 2020-12-11 | 上海风秩科技有限公司 | 一种词向量表示的获取方法、装置、设备及可读介质 |
CN112380860B (zh) * | 2020-11-13 | 2023-12-29 | 平安科技(深圳)有限公司 | 句子向量处理方法、句子匹配方法、装置、设备和介质 |
CN112395857A (zh) * | 2020-11-13 | 2021-02-23 | 平安科技(深圳)有限公司 | 基于对话***的语音文本处理方法、装置、设备及介质 |
CN112528646B (zh) * | 2020-12-07 | 2023-04-18 | 深圳市优必选科技股份有限公司 | 词向量生成方法、终端设备及计算机可读存储介质 |
CN112802569B (zh) * | 2021-02-05 | 2023-08-08 | 北京嘉和海森健康科技有限公司 | 一种语义信息的获取方法、装置、设备及可读存储介质 |
CN113360602A (zh) * | 2021-06-22 | 2021-09-07 | 北京百度网讯科技有限公司 | 用于输出信息的方法、装置、设备以及存储介质 |
CN113704411B (zh) * | 2021-08-31 | 2023-09-15 | 平安银行股份有限公司 | 基于词向量的相似客群挖掘方法、装置、设备及存储介质 |
CN116306649B (zh) * | 2023-02-20 | 2023-10-31 | 中国科学院自动化研究所 | 词向量的生成方法、装置、电子设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273355B (zh) * | 2017-06-12 | 2020-07-14 | 大连理工大学 | 一种基于字词联合训练的中文词向量生成方法 |
CN107608953B (zh) * | 2017-07-25 | 2020-08-14 | 同济大学 | 一种基于不定长上下文的词向量生成方法 |
CN108170667B (zh) * | 2017-11-30 | 2020-06-23 | 阿里巴巴集团控股有限公司 | 词向量处理方法、装置以及设备 |
CN109740163A (zh) * | 2019-01-09 | 2019-05-10 | 安徽省泰岳祥升软件有限公司 | 应用于深度学习模型的语义表示资源生成方法及装置 |
CN109933795B (zh) * | 2019-03-19 | 2023-07-28 | 上海交通大学 | 基于上下文-情感词向量的文本情感分析*** |
-
2020
- 2020-01-07 CN CN202010015008.0A patent/CN111241819B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111241819A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111241819B (zh) | 词向量生成方法、装置及电子设备 | |
CN111967268B (zh) | 文本中的事件抽取方法、装置、电子设备和存储介质 | |
CN110674314B (zh) | 语句识别方法及装置 | |
CN111104514B (zh) | 文档标签模型的训练方法及装置 | |
KR102431568B1 (ko) | 엔티티 단어 인식 방법 및 장치 | |
CN111259671B (zh) | 文本实体的语义描述处理方法、装置及设备 | |
CN111177355B (zh) | 基于搜索数据的人机对话交互方法、装置和电子设备 | |
US20220067439A1 (en) | Entity linking method, electronic device and storage medium | |
CN112001169B (zh) | 文本纠错的方法、装置、电子设备和可读存储介质 | |
CN112926306B (zh) | 文本纠错方法、装置、设备以及存储介质 | |
CN111079945B (zh) | 端到端模型的训练方法及装置 | |
CN111078878B (zh) | 文本处理方法、装置、设备及计算机可读存储介质 | |
CN111241810B (zh) | 标点预测方法及装置 | |
CN111797216B (zh) | 检索项改写方法、装置、设备以及存储介质 | |
CN112163405A (zh) | 问题的生成方法和装置 | |
CN111127191B (zh) | 风险评估方法及装置 | |
US20220027575A1 (en) | Method of predicting emotional style of dialogue, electronic device, and storage medium | |
CN111241838A (zh) | 文本实体的语义关系处理方法、装置及设备 | |
CN111241234A (zh) | 文本分类方法及装置 | |
CN111522944A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN112232089B (zh) | 语义表示模型的预训练方法、设备和存储介质 | |
CN112270169B (zh) | 对白角色预测方法、装置、电子设备及存储介质 | |
CN112559715B (zh) | 态度的识别方法、装置、设备及存储介质 | |
CN111325000B (zh) | 语言生成方法、装置及电子设备 | |
CN111339314B (zh) | 一种三元组数据的生成方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |