[发明专利]一种基于图模型和词向量相结合的词义消歧方法及装置

权利要求书

1.一种基于图模型和词向量相结合的词义消歧方法，其特征在于，包括以下步骤，

步骤一、对数据集进行预处理，获取歧义词；

步骤二、构建图模型，并根据所述图模型获取上下文背景知识；

步骤三、训练词向量模型，并根据所述词向量模型对步骤一获取的歧义词和步骤二获取的上下文背景知识进行词向量表示；

步骤四、将步骤三中以词向量表示的歧义词和上下文背景知识进行交叉加权相似度计算并取均值，将相似度均值最高的确定为歧义词的正确义项。

2.根据权利要求1所述一种基于图模型和词向量相结合的词义消歧方法，其特征在于，步骤一的具体步骤包括，首先进行格式转化，获取文本格式数据；然后进行分词、去除标点符号以及去除停用词处理；最后获得歧义句中的歧义词。

3.根据权利要求1所述一种基于图模型和词向量相结合的词义消歧方法，其特征在于，步骤二的具体步骤包括，首先进行依存句法分析以提取依存关系；然后根据依存关系构建图模型；然后根据图模型获取上下文背景知识与步骤一中获取的歧义词的距离；最后将所述距离和预设最小路径阈值进行比较，获取筛选后的上下文背景知识；其中，依存句法分析表示对句子结构进行分析。

4.根据权利要求3所述一种基于图模型和词向量相结合的词义消歧方法，其特征在于，步骤二中进行依存句法分析以提取依存关系的具体步骤包括，首先对句子语法结构给予形式化定义；然后根据所述定义自动推导出句子的句法结构，并分析句子所包含的句法单位以及句法单位之间的关系。

5.根据权利要求1所述一种基于图模型和词向量相结合的词义消歧方法，其特征在于，步骤三中训练词向量模型的具体步骤包括，首先对中文语料库中的数据进行预处理，所述预处理包括格式转换、中文简繁体转换、去除英文和空格以及中文分词处理；然后基于Word2Vector模型对预处理后的数据进行训练。

6.一种基于图模型和词向量相结合的词义消歧装置，其特征在于，包括，数据预处理模块、图模型构建模块、词向量训练模块和相似度计算模块；其中，所述数据预处理模块用于对数据集进行预处理，获取歧义词；所述图模型构建模块用于构建图模型并根据所述图模型获取上下文背景知识；所述词向量训练模块用于训练词向量模型，并根据所述词向量模型对获取的所述歧义词和所述上下文背景知识进行词向量表示；所述相似度计算模块用于将以词向量表示的歧义词和上下文背景知识进行交叉加权相似度计算并取均值，将相似度均值最高的确定为歧义词的正确义项。

7.根据权利要求6所述一种基于图模型和词向量相结合的词义消歧装置，其特征在于，所述数据预处理模块中对数据集进行预处理的具体步骤包括，首先进行格式转化，获取文本格式数据；然后进行分词、去除标点符号以及去除停用词处理；最后获得歧义句中的歧义词。

8.根据权利要求6所述一种基于图模型和词向量相结合的词义消歧装置，其特征在于，所述图模型构建模块中构建图模型并根据所述图模型获取上下文背景知识的具体步骤包括，首先进行依存句法分析以提取依存关系，即对句子语法结构给予形式化定义，并根据所述定义自动推导出句子的句法结构，并分析句子所包含的句法单位以及句法单位之间的关系；然后在提取依存关系之后根据依存关系构建图模型；然后根据图模型获取上下文背景知识与歧义词的距离，最后将所述距离和预设最小路径阈值进行比较，获取筛选后的上下文背景知识；其中，依存句法分析表示对句子结构进行分析。

9.根据权利要求6所述一种基于图模型和词向量相结合的词义消歧装置，其特征在于，所述词向量训练模块中训练词向量模型的具体步骤包括，首先对中文语料库中的数据进行预处理，所述预处理包括格式转换、中文简繁体转换、去除英文和空格以及中文分词处理；然后基于Word2Vector模型对预处理后的数据进行训练。