[发明专利]多义词词义学习方法及装置、搜索结果显示方法

说明书

多义词词义学习方法及装置、搜索结果显示方法。本公开提供了一种基于胶囊网络模型的多义词词义学习方法及装置，属于计算机技术领域。该方法包括：从待学习文本集中提取多个目标词以及各目标词的一个或多个相邻词组合；根据待学习文本集的词库对各目标词以及各相邻词组合分别进行编码；以各目标词的编码为输入向量，以各目标词对应的各相邻词组合的编码为输出向量，训练并得到一胶囊网络模型；将各目标词输入到胶囊网络模型中，并将得到的多个中间向量确定为目标词的特征向量；将相近的特征向量进行聚类，生成每个类别的代表词，并根据各目标词的特征向量所属的一个或多个类别的代表词，确定各目标词的一个或多个词义。本公开可以实现多义词的词义学习，提高文本识别的准确率。

技术领域

本公开涉及计算机技术领域，尤其涉及一种基于胶囊网络模型的多义词词义识别方法及装置、基于词义识别的搜索结果显示方法、电子设备、计算机可读存储介质。

背景技术

随着计算机技术的发展，人工智能受到越来越多的重视，其中，自然语言处理作为人工智能的一个重要分支，在搜索、智能客服、机器翻译、文字校对、自动摘要等方面得到了广泛的应用。

在自然语言处理中，经常需要对多义词进行词义识别。现有的文本识别方法在多义词识别方面具有较大的局限性，例如Word2vec工具基于特定的语料对词义进行学习，对于每个词只能学习到一个对应的词向量，因此无法区分多义词的多个词义，导致多义词的理解偏差，进而影响很多业务的准确率。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供了一种基于胶囊网络模型的多义词词义识别方法及装置、基于词义识别的搜索结果显示方法、电子设备、计算机可读存储介质，进而至少在一定程度上克服现有的文本识别方法无法准确识别多义词词义的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种基于胶囊网络模型的多义词词义学习方法，包括：从待学习文本集中提取多个目标词以及各所述目标词的一个或多个相邻词组合；根据所述待学习文本集的词库对各所述目标词以及各所述相邻词组合分别进行编码；以各所述目标词的编码为输入向量，以各所述目标词对应的各所述相邻词组合的编码为输出向量，训练并得到一胶囊网络模型；将各所述目标词输入到所述胶囊网络模型中，并将得到的多个中间向量确定为所述目标词的特征向量；将相近的特征向量进行聚类，生成每个类别的代表词，并根据各所述目标词的特征向量所属的一个或多个类别的代表词，确定各所述目标词的一个或多个词义。

在本公开的一种示例性实施例中，所述中间向量为第一中间向量，所述胶囊网络模型至少包括：输入层，用于输入P维的所述输入向量；中间层，用于将所述输入向量转换为M个N维的所述第一中间向量；路由层，用于将所述中间向量转换为P维的第二中间向量；输出层，用于将所述第二中间向量转换为P维的所述输出向量；其中，P为所述待学习文本集的词库的词数，M为预设最大词义数，N为预设特征数。

在本公开的一种示例性实施例中，所述从待学习文本集中提取多个目标词以及各所述目标词的一个或多个相邻词组合包括：对全部待学习文本进行分词，将得到的所有词确定为目标词；对于每个所述目标词，将所述待学习文本中与所述目标词的间距小于第一阈值的其他目标词确定为所述目标词的相邻词；统计每个所述目标词的相邻词之间的互信息，将互信息大于第二阈值的相邻词进行聚类，以得到一个或多个所述相邻词组合。

在本公开的一种示例性实施例中，所述对于每个所述目标词，将所述待学习文本中与所述目标词的间距小于第一阈值的其他目标词确定为所述目标词的相邻词包括：对于每个所述目标词，将所述待学习文本中与所述目标词的间距小于第一阈值的其他目标词确定为所述目标词的准相邻词；统计每个所述准相邻词与所述目标词之间的互信息，将与所述目标词之间的互信息大于第三阈值的准相邻词确定为所述目标词的相邻词。