[发明专利]武器装备属性同义词扩展方法

权利要求书

1.一种武器装备属性同义词扩展方法，其特征在于，包括：

对爬取的文本进行预处理；

对预处理后的文本进行分词；

利用Glove模型和Word2Vec模型分别扩展同义词；

对Glove模型扩展出的同义词和Word2Vec模型扩展出的同义词取交集，获得扩展结果。

2.根据权利要求1所述的方法，其特征在于，所述对爬取的文本进行预处理，包括：去除所述爬取的文本中的停用词和无关标点符号。

3.根据权利要求1所述的方法，其特征在于，所述对预处理后的文本进行分词，包括：选用分词工具对预处理后的文本进行文本分词。

4.根据权利要求3所述的方法，其特征在于，所述对预处理后的文本进行分词，还包括：假设分词工具分词错误，将当前词语和前N个词语或者后N个词语组成一个新的候选词语，统计该候选词语在文章中出现的数量，如果出现的数量大于预设阈值，将该候选词语替换掉分错的词语，作为新的分词结果；N为正整数。

5.根据权利要求1所述的方法，其特征在于，所述利用Glove模型和Word2Vec模型分别扩展同义词，包括：通过Glove模型和Word2Vec模型对分词后的文本进行预训练；通过计算各个词语的词向量和需要扩展同义词词语的词向量的距离，将距离较近的若干词语作为扩展后的同义词。

6.根据权利要求5所述的方法，其特征在于，所述通过Glove模型和Word2Vec模型对分词后的文本进行预训练，包括：训练Glove语言模型和Word2Vec语言模型，将词语转化成一定维度的词向量矩阵。

7.根据权利要求5所述的方法，其特征在于，所述距离为欧氏距离、余弦距离或编辑距离。

8.根据权利要求1所述的方法，其特征在于，所述Word2vec模型中包含CBOW模型和Skip-gram模型；CBOW模型用于训练词向量；Skip-gram模型用于采用中间词语预测其周围词语。

9.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-8中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以实现如权利要求1-8中任一所述的方法。