[发明专利]一种句向量生成方法、装置及电子设备

权利要求书

1.一种句向量生成方法，其特征在于，包括：

确定目标文本中的目标语句；其中，所述目标文本包括至少两个语句，所述目标语句为所述至少两个语句中的一个语句；

确定所述目标语句的前N个第一语句以及所述目标语句的后M个第二语句；其中，N与M均为大于或等于1的整数；

获取每一所述第一语句和每一所述第二语句的句向量；

将每一所述第一语句和每一所述第二语句的句向量，作为预设句向量预测模型的输入参数，通过所述预设句向量预测模型，预测出所述目标语句的目标句向量。

2.根据权利要求1所述的句向量生成方法，其特征在于，所述获取每一所述第一语句和每一所述第二语句的句向量，包括：

分别对每一所述第一语句以及每一所述第二语句进行分词；

分别获取每一所述第一语句以及每一所述第二语句的分词对应的词向量；

分别将每一所述第一语句以及每一所述第二语句的分词对应的词向量，输入到预设网络模型，获得每一所述第一语句和每一所述第二语句的句向量；

其中，所述预设网络模型为循环神经网络模型或长短期记忆网络模型。

3.根据权利要求1所述的句向量生成方法，其特征在于，在通过所述预设句向量预测模型，预测出所述目标语句的目标句向量之前，所述句向量生成方法还包括：

通过至少两组样本数据，对所述预设句向量预测模型进行训练，并在所述预设句向量预测模型输出的向量与目标样本语句的初始句向量之间的距离小于或等于预设距离值，或所述样本数据的组数达到预设数值时，停止训练；

其中，每组所述样本数据包括：目标样本文本中的目标样本语句的初始句向量，以及所述目标样本语句的前N个第一样本语句以及所述目标样本语句的后M个第二样本语句。

4.根据权利要求3所述的句向量生成方法，其特征在于，在通过至少两组样本数据，对所述预设句向量预测模型进行训练之前，所述句向量生成方法还包括：

对所述目标样本语句进行分词，并获取每个分词对应的词向量；

计算所有词向量的均值向量；

将所述均值向量确定为所述目标样本语句的初始句向量。

5.根据权利要求1所述的句向量生成方法，其特征在于，在所述目标文本中，若所述目标语句之前的语句的数量X小于N时，则默认存在N个所述第一语句，并设置所述目标语句之前的第N-X个语句以及第N-X个语句之前的语句，对应的句向量为第一预设句向量；

在所述目标语句之后的语句的数量Y小于M时，默认存在M个所述第二语句，并设置所述目标语句之后的第Y+1个语句以及第Y+1个语句之后的语句，对应的句向量为第二预设句向量。

6.一种句向量生成装置，其特征在于，包括：

第一确定模块，用于确定目标文本中的目标语句；其中，所述目标文本包括至少两个语句，所述目标语句为所述至少两个语句中的一个语句；

第二确定模块，用于确定所述目标语句的前N个第一语句以及所述目标语句的后M个第二语句；其中，N与M均为大于或等于1的整数；

第一获取模块，用于获取每一所述第一语句和每一所述第二语句的句向量；

生成模块，用于将每一所述第一语句和每一所述第二语句的句向量，作为预设句向量预测模型的输入参数，通过所述预设句向量预测模型，预测出所述目标语句的目标句向量。

7.根据权利要求6所述的句向量生成装置，其特征在于，所述第一获取模块包括：

分词单元，用于分别对每一所述第一语句以及每一所述第二语句进行分词；

第一获取单元，用于分别获取每一所述第一语句以及每一所述第二语句的分词对应的词向量；

第三生成单元，用于分别将每一所述第一语句以及每一所述第二语句的分词对应的词向量，输入到预设网络模型，获得每一所述第一语句和每一所述第二语句的句向量；

其中，所述预设网络模型为循环神经网络模型或长短期记忆网络模型。