[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；

确定所述各词对应的各n元字符，所述n元字符表征由其对应的词的连续n个字母映射得到的字符串；

建立并初始化所述各词的词向量，以及所述各词对应的各n元字符的字符向量；

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

其中，所述词为阿拉伯文词，或者为马来语的词，或者为印尼语的词。

2.如权利要求1所述的方法，所述确定所述各词对应的各n元字符，所述n元字符表征由其对应的词的连续n个字母映射得到的字符串，具体包括：

获取建立的字母字符映射关系，所述字母字符映射关系为：所述词所属语言的各字母与指定的各字符之间的映射关系；以及，

确定所述各词对应的各n元字母，所述n元字母表征其对应的词的连续n个字母；

根据所述字母字符映射关系，分别对所述各n元字母进行映射，得到所述各词对应的各n元字符，所述n元字符表征由其对应的词的连续n个字母映射得到的字符串。

3.如权利要求2所述的方法，所述词对应的语言的至少部分字母采用unicode编码存储，所述字符为ASCII码。

4.如权利要求1所述的方法，所述确定所述各词对应的各n元字符，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n元字符，该词对应的n元字符表征由该词的连续n个字母映射得到的字符串，n为一个正整数或多个不同的正整数。

5.如权利要求4所述的方法，所述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，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且出现次数不少于设定次数的词。

6.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n元字符的字符向量，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n元字符的字符向量，其中，相同n元字符的字符向量也相同。

7.如权利要求1所述的方法，所述根据所述词向量、所述字符向量，以及分词后的所述语料，对所述词向量和所述字符向量进行训练，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n元字符的字符向量，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n元字符的字符向量进行更新。

8.如权利要求7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n元字符的字符向量进行更新，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n元字符的字符向量进行更新。

9.如权利要求8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n元字符的字符向量进行更新，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n元字符的字符向量进行更新。

10.如权利要求8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。