[发明专利]近义词推送方法、装置、电子设备及介质

权利要求书

1.一种近义词推送方法，其特征在于，所述方法包括：

获取面试题目；

配置第一预设个数与所述面试题目对应的答案的关键词；

基于超大词向量模型预先训练得到目标词向量模型；

根据所述目标词向量模型构建词向量矩阵得到词-索引文件，其中，所述词-索引文件包括词向量与索引之间的对应关系；

基于所述目标词向量模型中的所有词向量构建二叉树；

遍历所述二叉树，从所述二叉树中查询出与所述关键词的距离大于预设距离阈值的第一候选词向量并基于所述第一候选词向量构建优先队列；

对所述优先队列中的所述第一候选词向量进行去重；

获取去重后的优先队列中排序在前第二预设个数的目标词向量；

基于所述第二预设个数的目标词向量和词-索引文件推送第二预设个数近义词供用户选择。

2.如权利要求1所述的近义词推送方法，其特征在于，所述配置第一预设个数与所述面试题目对应的答案的关键词的步骤包括：

根据预先构建的题目解析模型分析所述面试题目得到对应的题目意图；

根据所述题目意图和预先建立的知识库，确定所述面试题目对应的答案；及

根据所述对应的答案提取第一预设个数关键词。

3.如权利要求1所述的近义词推送方法，其特征在于，所述基于超大词向量模型预先训练得到目标词向量模型的步骤包括：

扩充所述超大词向量模型中的机器人面试场景语料，其中，包括对所述机器人面试场景语料进行分词、去停用词及基于CBOW模式增量训练词向量操作；

根据扩充语料后的超大词向量模型训练得到目标词向量模型。

4.如权利要求3所述的近义词推送方法，其特征在于，根据所述目标词向量模型构建词向量矩阵得到词-索引文件的步骤包括:

以每个词的维度为行数，以所述目标词向量模型中所有词的总数为列数构建词向量矩阵；

所述词向量矩阵中的每一行对应一个索引；

根据所述词向量矩阵构建词-索引文件，并输出所述词-索引文件。

5.如权利要求3所述的近义词推送方法，其特征在于，所述基于所述第二预设个数的目标词向量和词-索引文件推送第二预设个数近义词供用户选择包括：

获取所述第二预设个数的目标词向量对应的目标索引；

根据所述词-索引文件查询与所述目标索引对应的词向量；

推送所述词向量对应的近义词供用户选择。

6.如权利要求1所述的近义词推送方法，其特征在于，所述从所述二叉树中查询出与所述关键词的距离大于预设距离阈值的第一候选词向量并基于所述第一候选词向量构建优先队列包括：

以所述关键词作为所述二叉树的根节点；

遍历所述根节点下的所有中间节点；

计算所述根节点与每一个中间节点之间的距离；

确定大于预设距离阈值的目标距离对应的中间节点为第一层目标节点；

遍历所述第一层目标节点下的所有中间节点直至最后一层叶子节点；

将所有叶子节点中的词向量作为第一候选词向量；

计算所述第一候选词向量与所述关键词之间的相似度；

根据相似度的大小顺序将所述第一候选词向量插入优先队列中。

7.如权利要求3所述的近义词推送方法，其特征在于：根据预设规则筛选查找到的第二预设个数近义词，其中，所述预设规则包括一下规则中的至少一种：

根据词语字数调整查询到的第二预设个数近义词的顺序；

按词汇的类型来筛选查询到的第二预设个数近义词；

去除所述第二预设个数近义词中字数多于所述关键字的字数预设个数的词汇。