[发明专利]词向量处理方法、装置以及电子设备

权利要求书

1.一种词向量处理方法，包括：

对语料分词得到各词；

基于分词得到的所述各词，建立词汇表；具体地，统计出在所述语料中出现过且出现次数不少于设定次数的词，建立词汇表；

确定所述各词对应的各语素；

建立语素表以及语素映射表，所述语素映射表包含所述各词与语素之间的映射关系；建立所述语素表具体包括：将预设语素辞典中所有语素加入语素表；逐一扫描所述词汇表，针对每一个词匹配所述语素表中的语素，将与该词匹配的语素的字符串部分删掉后，将剩余字符串作为语素加入所述语素表；

建立并初始化所述各词的词向量，以及所述各词对应的各语素的语素向量；

根据所述词向量、所述语素向量，以及分词后的所述语料，对所述词向量和所述语素向量进行训练；

其中，所述语素包括其对应词的以下至少一种元素：前缀、后缀、词根、前后缀以外的字符串。

2.如权利要求1所述的方法，所述确定所述各词对应的各语素，具体包括：

根据对所述语料分词的结果，确定在所述语料中出现过的词；

分别针对所述确定的互不相同的词，执行：

确定该词对应的各语素，所述语素包括该词的以下至少一种元素：前缀、后缀、词根、前后缀以外的字符串。

3.如权利要求1所述的方法，所述初始化所述各词的词向量，以及所述各词对应的各语素的语素向量，具体包括：

采用随机初始化的方式或者按照指定概率分布初始化的方式，初始化所述各词的词向量，以及所述各词对应的各语素的语素向量，其中，相同语素的语素向量也相同。

4.如权利要求1所述的方法，所述根据所述词向量、所述语素向量，以及分词后的所述语料，对所述词向量和所述语素向量进行训练，具体包括：

确定分词后的所述语料中的指定词，以及所述指定词在分词后的所述语料中的一个或多个上下文词；

根据所述指定词对应的各语素的语素向量，以及所述上下文词的词向量，确定所述指定词与所述上下文词的相似度；

根据所述指定词与所述上下文词的相似度，对所述上下文词的词向量和所述指定词对应的各语素的语素向量进行更新。

5.如权利要求4所述的方法，所述根据所述指定词与所述上下文词的相似度，对所述上下文词的词向量和所述指定词对应的各语素的语素向量进行更新，具体包括：

从所述各词中选择一个或多个词，作为负样例词；

确定所述指定词与各所述负样例词的相似度；

根据指定的损失函数、所述指定词与所述上下文词的相似度，以及所述指定词与各所述负样例词的相似度，确定所述指定词对应的损失表征值；

根据所述损失表征值，对所述上下文词的词向量和所述指定词对应的各语素的语素向量进行更新。

6.如权利要求5所述的方法，所述根据所述损失表征值，对所述上下文词的词向量和所述指定词对应的各语素的语素向量进行更新，具体包括：

根据所述损失表征值，确定所述损失函数对应的梯度；

根据所述梯度，对所述上下文词的词向量和所述指定词对应的各语素的语素向量进行更新。

7.如权利要求5所述的方法，所述从所述各词中选择一个或多个词，作为负样例词，具体包括：

从所述各词中随机选择一个或多个词，作为负样例词。

8.如权利要求1所述的方法，所述根据所述词向量、所述语素向量，以及分词后的所述语料，对所述词向量和所述语素向量进行训练，具体包括：

对分词后的所述语料进行遍历，分别对分词后的所述语料中的词执行：

确定该词在分词后的所述语料中的一个或多个上下文词；

分别根据所述上下文词，执行：

根据该词对应的各语素的语素向量，以及该上下文词的词向量，确定该词与该上下文词的相似度；

根据该词与该上下文词的相似度，对该上下文词的词向量和该词对应的各语素的语素向量进行更新。