[发明专利]词向量处理方法及装置

权利要求书

1.一种词向量处理方法，包括：

对语料分词得到各词；

确定所述各词对应的各n元四角码字符，所述n元四角码字符表征其对应的词的连续n个四角码字符，其中，所述n元四角码字符用于表现该词的笔画空间方位特征；

建立并初始化所述各词的词向量，以及所述各词对应的各n元四角码字符的四角码字符向量；

根据所述词向量、所述四角码字符向量，以及分词后的所述语料，对所述词向量和所述四角码字符向量进行训练；

其中，所述确定所述各词对应的各n元四角码字符，具体包括：

根据对所述语料分词的结果，确定在所述语料中出现过的词；

分别针对所述确定的互不相同的每个词，执行：

确定该词对应的各n元四角码字符，该词对应的n元四角码字符表征该词连续的n个四角码字符，n为一个正整数或多个不同的正整数。

2.如权利要求1所述的方法，所述根据对所述语料分词的结果，确定在所述语料中出现过的词，具体包括：

根据对所述语料分词的结果，确定在所述语料中出现过且出现次数不少于设定次数的词。

3.如权利要求1所述的方法，所述初始化所述各词的词向量，以及所述各词对应的各n元四角码字符的四角码字符向量，具体包括：

采用随机初始化的方式或者按照指定概率分布初始化的方式，初始化所述各词的词向量，以及所述各词对应的各n元四角码字符的四角码字符向量，其中，相同n元四角码字符的四角码字符向量也相同。

4.如权利要求1所述的方法，所述根据所述词向量、所述四角码字符向量，以及分词后的所述语料，对所述词向量和所述四角码字符向量进行训练，具体包括：

确定分词后的所述语料中的指定词，以及所述指定词在分词后的所述语料中的一个或多个上下文词；

根据所述指定词对应的各n元四角码字符的四角码字符向量，以及所述上下文词的词向量，确定所述指定词与所述上下文词的相似度；

根据所述指定词与所述上下文词的相似度，对所述上下文词的词向量和所述指定词对应的各n元四角码字符的四角码字符向量进行更新。

5.如权利要求4所述的方法，所述根据所述指定词与所述上下文词的相似度，对所述上下文词的词向量和所述指定词对应的各n元四角码字符的四角码字符向量进行更新，具体包括：

从所述各词中选择一个或多个词，作为负样例词；

确定所述指定词与各所述负样例词的相似度；

根据指定的损失函数、所述指定词与所述上下文词的相似度，以及所述指定词与各所述负样例词的相似度，确定所述指定词对应的损失表征值；

根据所述损失表征值，对所述上下文词的词向量和所述指定词对应的各n元四角码字符的四角码字符向量进行更新。

6.如权利要求5所述的方法，所述根据所述损失表征值，对所述上下文词的词向量和所述指定词对应的各n元四角码字符的四角码字符向量进行更新，具体包括：

根据所述损失表征值，确定所述损失函数对应的梯度；

根据所述梯度，对所述上下文词的词向量和所述指定词对应的各n元四角码字符的四角码字符向量进行更新。

7.如权利要求5所述的方法，所述从所述各词中选择一个或多个词，作为负样例词，具体包括：

从所述各词中随机选择一个或多个词，作为负样例词。

8.如权利要求1所述的方法，所述根据所述词向量、所述四角码字符向量，以及分词后的所述语料，对所述词向量和所述四角码字符向量进行训练，具体包括：

对分词后的所述语料进行遍历，分别对分词后的所述语料中的每个词执行：

确定该词在分词后的所述语料中的一个或多个上下文词；

分别根据每个所述上下文词，执行：

根据该词对应的各n元四角码字符的四角码字符向量，以及该上下文词的词向量，确定该词与该上下文词的相似度；

根据该词与该上下文词的相似度，对该上下文词的词向量和该词对应的各n元四角码字符的四角码字符向量进行更新。