[发明专利]一种词义标注方法和装置

摘要

本申请公开的词义标注方法和装置，首先将包含目标词语的单句组成伪文档，进而获取所述伪文档中目标词语的潜层词义，然后利用潜层词义标注语料中目标词语，再将潜层词义与词典词义建立映射关系，最后根据映射关系用词典词义替换潜层词义，实现自动构建词义语料库，减少了构建词义标注语料库的时间和成本。

主权项

1.一种词义标注方法，其特征在于，包括：从语料中获取包含目标词语的全部单句组成伪文档；获取所述伪文档中目标词语的潜层词义；对所述语料中目标词语标注潜层词义；建立所述潜层词义与词典词义的映射关系；根据所述映射关系，将所述语料中目标词语标注的所述潜层词义替换为所述词典词义；所述建立所述潜层词义与词典词义的映射关系，包括：分别建立所述潜层词义和词典词义对应的词义向量；以词语为单位，利用向量间余弦值，分别计算每个所述潜层词义与全部词典词义的相似度；将与所述潜层词义相似度最高的词典词义和所述潜层词义建立映射关系；所述分别建立所述潜层词义和词典词义对应的词义向量，包括：获取所述潜层词义的多个标注有概率的词语的词义向量，并以所述词语对应的概率为权重进行加权求和得到的向量，作为所述潜层词义的词义向量；获取所述词典词义中简述、同义词集和例句中词语的词义向量，并将所述简述、同义词集和例句中词语的词义向量按照一定的权重比率加权求和得到向量，作为所述词典词义的词义向量；在获取所述词典词义中简述、同义词集和例句中词语的词义向量前还包括对所述简述和所述例句进行停止词过滤。