[发明专利]多音字消歧方法及装置

权利要求书

1.一种多音字消歧方法，其特征在于，包括：

获取包含多音字的待检测语句文本数据；

根据待检测语句文本数据，在预先构建的四级多音字词表中查询得到待检测语句文本数据所包含的多音字对应的四级字词表；所述四级多音字词表中记录有多个多音字与每个多音字对应的四级字词表之间的关联关系；

根据待检测语句文本数据所包含的多音字对应的四级字词表，得到待检测语句文本数据所包含的多音字对应的候选读音数据集合；

将待检测语句文本数据和所述候选读音数据集合结合后，输入文本匹配模型；其中，所述文本匹配模型是预先构建的用于确定待检测语句文本数据与多音字的候选读音之间的适配度的BERT模型；

根据文本匹配模型的输出结果，确定待检测语句文本数据中所包含的多音字的读音；

每个多音字对应的四级字词表，包括：

每个多音字的文本、每个多音字的不同读音、每个多音字不同读音对应的释义信息以及每个多音字不同读音对应的常用词组；

根据待检测语句文本数据所包含的多音字对应的四级字词表，得到待检测语句文本数据所包含的多音字对应的候选读音数据集合，包括：

根据待检测语句文本数据所包含的多音字对应的四级字词表，确定待检测语句文本数据所包含的多音字对应的多个候选读音及每个候选读音对应的释义信息和常用词组；

根据待检测语句文本数据所包含的多音字对应的多个候选读音及每个候选读音对应的释义信息和常用词组，确定每个候选读音数据子集；

合并多个候选读音数据子集，得到所述候选读音数据集合。

2.如权利要求1所述的方法，其特征在于，还包括：

迭代执行以下步骤，直至文本匹配模型的输出效率和/或输出结果的准确率满足预设要求或迭代次数超过预设值：

根据文本匹配模型的输出效率和/或输出结果的准确率，对所述四级多音字词表进行更新；

利用更新后的四级多音字词表，重新得到待检测语句文本数据所包含的多音字对应的候选读音数据集合；

根据新得到的候选读音数据集合，重新确定文本匹配模型的输出结果。

3.如权利要求2所述的方法，其特征在于，根据文本匹配模型的输出效率和/或输出结果的准确率，对所述四级多音字词表进行更新，包括：

根据文本匹配模型的文本匹配模型的输出效率和/或输出结果的准确率，在所述四级多音字词表中对每个多音字不同读音对应的释义信息以及每个多音字不同读音对应的常用词组，进行调整、增加或删除。

4.如权利要求1所述的方法，其特征在于，将待检测语句文本数据和所述候选读音数据集合结合后，输入文本匹配模型，包括：

将待检测语句文本数据和每个候选读音数据子集逐一进行拼接后，输入文本匹配模型。

5.如权利要求1所述的方法，其特征在于，所述文本匹配模型的建立过程，包括：

获取多个训练数据和多个训练数据对应的正确读音；所述训练数据包括：包含多音字的语句文本数据和所包含多音字对应的多个候选读音数据集合；

根据每个训练数据对应的正确读音，确定语句文本数据和每个候选读音数据集合之间的适配度；

以训练数据为BERT模型的输入，语句文本数据和每个候选读音数据集合之间的适配度为BERT模型的输出，进行深度机器学习构建文本匹配模型。

6.如权利要求5所述的方法，其特征在于，还包括：

将多个训练数据输入构建的文本匹配模型中，得到多个训练数据对应的文本匹配模型输出结果；

根据多个训练数据对应的正确读音和多个训练数据对应的文本匹配模型输出结果，对构建的文本匹配模型进行调整。

7.如权利要求1所述的方法，其特征在于，根据文本匹配模型的输出结果，确定待检测语句文本数据中所包含的多音字的读音，包括：

对文本匹配模型的输出的待检测语句文本数据与多音字的每个候选读音之间的适配度进行排序；

将排序最靠前的候选读音确定为待检测语句文本数据中所包含的多音字的读音。