[发明专利]一种语义相关度的确定方法及确定装置

权利要求书

1.一种语义相关度的确定方法，其特征在于，包括：

在预先采用词向量word2vec训练模型训练获得的词向量中选取第一词语与第二词语，并分别确定所述第一词语与所述第二词语的向量；

确定所述第一词语的向量与所述第二词语的向量之间的第一余弦语义相关度；

在确定在所述第一词语与所述第二词语中至少有一个属于预设的同义词词林时，确定所述第一词语或所述第二词语属于所述同义词词林且属于所述词向量的单义词的向量与所述第二词语或所述第一词语的向量之间的第二余弦语义相关度；将所述第二余弦语义相关度与所述第一余弦语义相关度中的最大值作为所述第一词语与所述第二词语之间的语义相关度；

在确定所述第一词语与所述第二词语均不属于所述同义词词林时，将确定出的所述第一词语的向量与所述第二词语的向量之间的第一余弦语义相关度作为所述第一词语与所述第二词语之间的语义相关度；

所述确定所述第一词语或所述第二词语属于所述同义词词林且属于所述词向量的单义词的向量与所述第二词语或所述第一词语的向量之间的第二余弦语义相关度，具体包括：

确定所述第一词语或所述第二词语在所述同义词词林中具有特定结尾的编码组成的编码集合；

在所述同义词词林中根据预设的词语与编码的对应关系，确定与所述编码集合对应的词语集合；

按照预设的单义词确定规则，确定所述词语集合对应的单义词集合，并确定属于所述词向量的所述单义词的向量；

确定属于所述词向量的所述单义词的向量与所述第二词语或所述第一词语的向量之间的第二余弦语义相关度。

2.如权利要求1所述的确定方法，其特征在于，还包括：

获取中文语料库；

对获取到的所述中文语料库进行中文分词处理；

采用所述word2vec训练模型对中文分词处理后的所述中文语料库进行训练，得到与所述中文语料库对应的词向量。

3.如权利要求2所述的确定方法，其特征在于，所述中文语料库为维基百科中文语料库，在所述对获取到的所述中文语料库进行中文分词处理之前，还包括：

对获取到的所述维基百科中文语料库进行格式转换；

将格式转换后的所述维基百科中文语料库中的繁体字转换为简体字。

4.如权利要求1所述的确定方法，其特征在于，所述确定所述第一词语或所述第二词语在所述同义词词林中具有特定结尾的编码组成的编码集合，具体包括：

确定所述第一词语或所述第二词语在所述同义词词林中结尾为等号或@的编码组成的编码集合。

5.如权利要求1所述的确定方法，其特征在于，所述按照预设的单义词确定规则，确定所述词语集合对应的单义词集合，具体包括：

将所述词语集合中仅与一个编码对应的词语作为单义词，组成所述词语集合对应的单义词集合。