[发明专利]神经网络训练方法、成语误用检测方法、装置和电子设备

权利要求书

1.一种用于训练神经网络的方法，包括：

获取多个语句文本；

对于所述多个语句文本中的任一语句文本，从所述任一语句文本中提取成语文本，并获取所述成语文本的语义信息，其中由所述任一语句文本和所述语义信息构成一个样本对；

为所述一个样本对添加标签，所述标签表征所述语义信息与所述任一语句文本的语境信息之间是否相适配；以及

利用与所述多个语句文本对应的多个带有标签的样本对对所述神经网络进行训练，得到用于检测成语误用的目标神经网络。

2.根据权利要求1所述的方法，其中，所述神经网络包括第一编码器、第二编码器和分类器；

所述利用与所述多个语句文本对应的多个带有标签的样本对对所述神经网络进行训练包括：

将所述一个样本对输入至所述神经网络，由所述第一编码器和所述第二编码器分别对所述任一语句文本和所述语义信息进行编码，得到语句表示向量和语义表示向量，再由所述分类器基于所述语句表示向量和语义表示向量输出分类结果；

基于所述分类结果和所述一个样本对的标签确定损失函数是否实现收敛；

如果是，则确定训练完成，得到所述目标神经网络；以及

如果否，则调整所述神经网络的参数后重复上述对所述神经网络进行训练的操作，直至所述损失函数实现收敛。

3.根据权利要求2所述的方法，其中，所述由所述分类器基于所述语句表示向量和语义表示向量输出分类结果包括：

对所述语句表示向量和所述语义表示向量进行组合，得到第一特征向量；以及

对所述第一特征向量进行全连接映射，得到关于所述语义信息与所述任一语句文本的语境信息之间是否相适配的分类结果。

4.一种成语误用检测方法，包括：

获取输入语句文本；

获取基于如权利要求1～3所述的方法训练得到的目标神经网络；

从所述输入语句文本中提取输入成语文本，并获取所述输入成语文本的语义信息；以及

利用所述目标神经网络处理所述输入语句文本和所述输入成语文本的语义信息，得到表征所述输入成语文本的语义信息与所述输入语句文本的语境信息之间是否相适配的检测结果。

5.根据权利要求4所述的方法，其中，所述目标神经网络包括第一优化编码器、第二优化编码器和优化分类器；

所述利用所述目标神经网络处理所述输入语句文本和所述输入成语文本的语义信息包括：

利用所述第一优化编码器对所述输入语句文本进行编码，得到输入语句表示向量；

利用所述第二优化编码器对所述输入成语文本的语义信息进行编码，得到成语语义表示向量；以及

利用所述优化分类器基于所述输入语句表示向量和所述成语语义表示向量进行分类处理，得到所述检测结果。

6.根据权利要求5所述的方法，其中，所述利用所述优化分类器基于所述输入语句表示向量和所述成语语义表示向量进行分类处理包括：

对所述输入语句表示向量和所述成语语义表示向量进行组合，得到第二特征向量；以及

对所述第二特征向量进行全连接映射，得到所述检测结果。

7.根据权利要求6所述的方法，其中，所述对所述输入语句表示向量和所述成语语义表示向量进行组合包括：

对所述输入语句表示向量和所述成语语义表示向量进行拼接；并且/或者

对所述输入语句表示向量和所述成语语义表示向量进行指定运算。

8.一种用于训练神经网络的装置，包括：

语句获取模块，用于获取多个语句文本；

样本构建模块，用于对于所述多个语句文本中的任一语句文本，从所述任一语句文本中提取成语文本，并获取所述成语文本的语义信息，其中由所述任一语句文本和所述语义信息构成一个样本对；

标记模块，用于为所述一个样本对添加标签，所述标签表征所述语义信息与所述任一语句文本的语境信息之间是否相适配；以及

训练模块，用于利用与所述多个语句文本对应的多个带有标签的样本对对所述神经网络进行训练，得到用于检测成语误用的目标神经网络。