[发明专利]语义词典的构建方法、装置、存储介质和电子装置

说明书

本发明公开一种语义词典的构建方法、装置、存储介质和电子装置。其中，该方法包括：在多个词条中获取已标注等级的第一目标词条，并将具有对应关系的第一目标词条和第一等级数据添加至第一目标语义词典中；对第一目标语义词典中的第一目标词条和第一等级数据进行训练，得到目标分级模型；通过目标分级模型对多个词条中未标注等级的第二目标词条的歧义程度进行分级，得到第二等级数据；将具有对应关系的第二目标词条和第二等级数据添加至第一目标语义词典中，得到第二目标语义词典。本发明解决了相关技术中对语义词典构建的效率低的技术问题。

技术领域

本发明涉及计算机领域，具体而言，涉及一种语义词典的构建方法、装置、存储介质和电子装置。

背景技术

目前，语义词典没有语义歧义程度分级，通常根据语义词典中的实体词抽取前后缀特征，再根据前后缀特征利用模板规则进行抽取识别。比如，现有的音乐语义词典，没有语义歧义程度分级，只有音乐实体的类型、歌曲、歌手、专辑等信息。通常根据音乐语义词典中的实体词抽取前后缀特征，根据这些前后缀特征利用模版规则抽取识别。例如，模版规则为“放一首song”，其中，song用于表示音乐语义词典中的歌曲名称。或者，利用语义词典的手工特征输入到序列标注模型，比如，通过神经网络CRF、RNN、RNN-CRF等来识别用户句子中的音乐实体。

由于现有的语义词典没有对实体的歧义程度进行分级，语义词典构建的效率低，会导致对实体词的误识别。比如，在规则模版“唱首song”中，会将句子“唱首我们喜欢的歌”中的“我们”识别成一首歌，由于“我们”是歌手齐一唱的一首歌，并且具有较高的热度，但是在当前语境中，将“我们”识别成歌曲却是错误的。另外，通过序列标注模型来识别音乐实体，需要大规模的标注数据，来覆盖音乐实体的各种各样的情况，如果标注数据没有覆盖“我们”的各种情况，同样也会导致对实体词的误识别，由于音乐语义词典的量级存在千万级别，将标注数据覆盖所有的实体词很困难，通常通过采样的方法来解决，从而导致基于序列标注模型的音乐实体识别容易产生误识别。

针对上述对语义词典构建的效率低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种语义词典的构建方法、装置、存储介质和电子装置，以至少解决相关技术中对语义词典构建的效率低的技术问题。

根据本发明实施例的一个方面，提供了一种语义词典的构建方法。该方法包括：在多个词条中获取已标注等级的第一目标词条，并将具有对应关系的第一目标词条和第一等级数据添加至第一目标语义词典中，其中，第一等级数据用于指示第一目标词条的歧义程度的等级，第一目标语义词典用于识别词条在目标语料中的语义；对第一目标语义词典中的第一目标词条和第一等级数据进行训练，得到目标分级模型，其中，目标分级模型用于对多个词条中的未标注等级的第二目标词条的歧义程度进行分级；通过目标分级模型对多个词条中未标注等级的第二目标词条的歧义程度进行分级，得到第二等级数据，其中，第二目标词条为多个词条中除第一目标词条之外的词条，第二等级数据用于指示第二目标词条的歧义程度的等级；将具有对应关系的第二目标词条和第二等级数据添加至第一目标语义词典中，得到第二目标语义词典，其中，添加有第一目标词条、第一等级数据、第二目标词条和第二等级数据的第二目标语义词典用于识别多个词条中的目标词条在目标语料中的语义和歧义程度。