[发明专利]一种词汇义原预测方法及装置

说明书

本发明提供一种词汇义原预测方法及装置，所述方法包括：对于待预测词汇中的任一预设部位，若各词汇样本中该预设部位的字符与所述待预测词汇中该预设部位的字符相同，则从预设的义原词汇矩阵中获取各所述词汇样本对应的元素；根据各所述词汇样本对应的元素获取各所述义原属于所述待预测词汇中各预设部位的字符的第一分数，根据各所述义原属于所述待预测词汇中各预设部位的字符的第一分数，获取各所述义原属于所述待预测词汇的第二分数；根据各所述义原属于所述待预测词汇的第二分数，确定所述待预测词汇的义原。本发明提高了标注效率和词汇义原预测的准确性。

技术领域

本发明属于自然语言分析技术领域，更具体地，涉及一种词汇义原预测方法及装置。

背景技术

句子由词汇构成，而不同的词汇之间有共性和差异性。HowNet是一个被广泛使用的人工标注数据库，用来刻画不同词汇的语义，它将词汇标注为一系列义原所组成的结构，而义原是比词更细小的、不可分割的语义集合，表示了比词汇更加基本的意义。例如，铁匠的义原标注包括人、职位、金属、工，由这些义原可知铁匠的含义为铁匠是一类人，这类人是一种职业，与金属有关，并且属于工业领域。HowNet以及其标注的义原信息可以被用于词汇消歧、情感分析、跨语言词汇相似度以及词向量生成等自然语言处理任务中。

虽然义原在自然语言分析和处理中具有重要作用，但义原的人工标注是一项费时费力的工作，且不免存在不一致问题等偏差。随着信息技术的发展，新的词汇层出不穷，已有词汇的含义也在不停地发生着变化，因此亟需一种义原的自动标注方法。

发明内容

为克服上述现有的词汇义原手动标注方法费时费力，且存在偏差的问题或者至少部分地解决上述问题，本发明提供一种词汇义原预测方法及装置。

根据本发明的第一方面，提供一种词汇义原预测方法，包括：

对于待预测词汇中的任一预设部位，若各词汇样本中该预设部位的字符与所述待预测词汇中该预设部位的字符相同，则从预设的义原词汇矩阵中获取各所述词汇样本对应的元素；其中，所述义原词汇矩阵的行与所述词汇样本一一对应，所述义原词汇矩阵的列与所有所述词汇样本的义原一一对应；

根据各所述词汇样本对应的元素获取各所述义原属于所述待预测词汇中各预设部位的字符的第一分数，根据各所述义原属于所述待预测词汇中各预设部位的字符的第一分数，获取各所述义原属于所述待预测词汇的第二分数；

根据各所述义原属于所述待预测词汇的第二分数，确定所述待预测词汇的义原。

根据本发明第二方面提供一种词汇义原预测装置，包括：

第一获取模块，用于对于待预测词汇中的任一预设部位，若各词汇样本中该预设部位的字符与所述待预测词汇中该预设部位的字符相同，则从预设的义原词汇矩阵中获取各所述词汇样本对应的元素；其中，所述义原词汇矩阵的行与所述词汇样本一一对应，所述义原词汇矩阵的列与所有所述词汇样本的义原一一对应；

第二获取模块，用于根据各所述词汇样本对应的元素获取各所述义原属于所述待预测词汇中各预设部位的字符的第一分数，根据各所述义原属于所述待预测词汇中各预设部位的字符的第一分数，获取各所述义原属于所述待预测词汇的第二分数；

确定模块，用于根据各所述义原属于所述待预测词汇的第二分数，确定所述待预测词汇的义原。

根据本发明的第三方面，提供一种电子设备，包括：

至少一个处理器、至少一个存储器和总线；其中，

所述处理器和存储器通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如前所述的方法。