[发明专利]语句获取方法及装置

说明书

本申请提供一种语句获取方法及装置。该方法包括：获取本体词，根据本体词从数据库中确定与本体词对应的至少一个比喻句，数据库中包括多个本体词以及与每个本体词对应的至少一个比喻句，与每个本体词对应的至少一个比喻句根据至少一个三元组和预设的比喻句模板生成，至少一个三元组根据本体词集合、喻体词集合、修饰词集合和三元组的相关性距离确定，相关性距离根据本体词与修饰词的第一向量余弦距离、喻体词与修饰词的第二向量余弦距离和第一向量余弦距离与第二向量余弦距离的差值确定，向量余弦距离根据两个单词的嵌入向量计算得到，将至少一个比喻句发送给终端设备。从而大幅增加了比喻句的数量，提高了比喻句的多样性。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种语句获取方法及装置。

背景技术

随着计算机应用领域的不断扩大，自然语言处理受到了人们的高度重视，比喻是一种常用的修辞手法，是指用跟本体有相似之点的喻体来描写或说明本体，在书写和交谈中使用比喻句，可以体现语言水平的较高层次，一直是自然语言处理的难点之一。随着近年智能化技术的发展，聊天机器人或创作机器人在从“准确性”向“开放性”和“拟人性”进化。一般地，在对话或文本中使用比喻句，能大幅提高用户的好感度，促使用户持续交谈或阅读。

现有的聊天机器人中，通过先收集语料库中的比喻句，该语料库包括聊天日志或评论日志，接着识别所收集的比喻句中的本体词和喻体词，并将本体词和对应的比喻句存储在数据库中，在接收到用户输入的本体词时，可直接使用与该本体词对应的比喻句。

但是，上述生成比喻句的语料库是有限的，从而数据库中存储的比喻句的数量不多，会存在反复使用的情况，用户体验不高。

发明内容

本申请提供一种语句获取方法及装置，可以得到汉语所有常用词汇的可用比喻句，大幅增加比喻句的数量。

第一方面，本申请提供一种语句获取方法，包括：

获取本体词；

根据所述本体词，从数据库中确定与所述本体词对应的至少一个比喻句，所述数据库中包括多个本体词以及与每个本体词对应的至少一个比喻句，所述与每个本体词对应的至少一个比喻句根据至少一个三元组和预设的比喻句模板生成，所述至少一个三元组根据本体词集合、喻体词集合、修饰词集合和三元组的相关性距离确定，所述三元组包括本体词、喻体词和修饰词，所述相关性距离根据本体词与修饰词的第一向量余弦距离、喻体词与修饰词的第二向量余弦距离和所述第一向量余弦距离与所述第二向量余弦距离的差值确定，向量余弦距离根据两个单词的嵌入向量计算得到；

将所述至少一个比喻句发送给终端设备。

可选的，所述方法还包括：

对接收到的语料进行分词处理，得到单词样本集，并根据预设的训练模型，确定与所述单词样本集对应的单词嵌入向量索引，所述单词嵌入向量索引用于存储每个单词的嵌入向量；

根据所述单词嵌入向量索引与所述喻体词集合确定所述喻体词嵌入向量索引，并根据所述单词嵌入向量索引和所述修饰词集合确定所述修饰词嵌入向量索引；

对所述本体词集合中的每个本体词，根据所述喻体词嵌入向量索引和所述修饰词嵌入向量索引确定出M个三元组，所述M为预设正整数；

根据所述M个三元组中每个三元组的相关性距离和预设的比喻句模板生成至少一个比喻句。

可选的，所述根据所述多个三元组中每个三元组的相关性距离和预设的比喻句模板生成至少一个比喻句，包括：

分别计算所述M个三元组中每个三元组的的相关性距离；

从所述M个三元组中确定出所述相关性距离最小的P个三元组，所述P为预设正整数；

根据所述P个三元组和预设的比喻句模板生成所述至少一个比喻句。