[发明专利]共指消解方法及电子设备

权利要求书

1.一种共指消解方法，其特征在于，包括：

将目标语句输入已训练的字向量模型，获得所述字向量模型输出的所述目标语句中每一汉字对应的字向量；其中，所述字向量模型通过如下方式训练得到：将训练集中的样本语句输入预训练的字向量模型，获得所述字向量模型输出的所述样本语句中每一汉字对应的字向量；针对所述样本语句中每个指定词汇，根据所述指定词汇包含的汉字以及所述汉字对应的字向量，得到所述指定词汇对应的词向量；基于指定词汇构建若干词对，并分别依据每个词对的两个词向量确定所述词对的相关度分值；根据所述相关度分值与对应于每一词对的相关度标签之间的差异，调整所述字向量模型的模型权重，获得已训练的字向量模型；

针对所述目标语句中的每个指定词汇，根据所述指定词汇包含的汉字以及所述汉字对应的字向量，得到所述指定词汇对应的词向量；

基于指定词汇构建若干词对，并分别依据每个词对的两个词向量确定所述词对的相关度分值；

针对每个词对，根据所述词对的相关度分值确定所述词对中两个指定词汇是否指代同一实体。

2.根据权利要求1所述的方法，其特征在于，所述目标语句已标注每个指定词汇的起始位置和结束位置；

所述根据所述指定词汇包含的汉字以及所述汉字对应的字向量，得到所述指定词汇对应的词向量，包括：

根据所述指定词汇的起始位置和结束位置，确定与所述起始位置对应汉字和所述汉字对应的字向量、以及与所述结束位置对应的汉字和所述汉字对应的字向量；

确定所述起始位置对应的字向量和所述结束位置对应的字向量的均值，获得所述指定词汇对应的词向量。

3.根据权利要求1所述的方法，其特征在于，所述目标语句已标注每个指定词汇的起始位置和结束位置；

所述根据所述指定词汇包含的汉字以及所述汉字对应的字向量，得到所述指定词汇对应的词向量，包括：

根据所述指定词汇的起始位置和结束位置，确定所述起始位置和所述结束位置之间的所有汉字和每个汉字对应的字向量；

确定每个汉字对应的字向量的均值，获得所述指定词汇对应的词向量。

4.根据权利要求1所述的方法，其特征在于，所述基于指定词汇构建若干词对，包括：

将所述目标语句中不同的指定词汇两两组合，获得若干词对。

5.根据权利要求1所述的方法，其特征在于，所述指定词汇包括指代词和先行词；

所述基于指定词汇构建若干词对，包括：

将每个指代词分别与每个先行词进行组合，获得若干词对。

6.根据权利要求1所述的方法，其特征在于，所述依据每个词对的两个词向量确定所述词对的相关度分值，包括：

确定所述词对的两个词向量之间的余弦相似度；

确定所述余弦相似度对应的差异参数；其中，所述差异参数与所述余弦相似度之和为一；

根据所述余弦相似度和所述差异参数确定所述词对的相关度分值。

7.根据权利要求1所述的方法，其特征在于，所述相关度分值包括正向分值；

所述根据所述词对的相关度分值确定所述词对中两个指定词汇是否指代同一实体，包括：

判断所述词对的正向分值是否达到预设正向分值阈值；

若是，确定所述词对中两个指定词汇指代同一实体；

若否，确定所述词对中两个指定词汇不指代同一实体。

8.根据权利要求1所述的方法，其特征在于，在所述将训练集中的样本语句输入预训练的字向量模型之前，所述方法还包括：

检查所述训练集内是否存在相同的多个样本语句；

如果存在，在保留多个样本语句的标注信息的情况下，将相同的多个样本语句合并为唯一的样本语句；其中，所述标注信息包括指定词汇的起始位置和结束位置，以及构成词对的两个指定词汇的相关度标签。

9.一种电子设备，其特征在于，所述电子设备包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1-8任意一项所述的共指消解方法。