[发明专利]预训练词向量生成方法、系统、电子设备及存储介质

权利要求书

1.一种预训练词向量生成方法，其特征在于，包括：

数据集处理步骤，收集一数据集，对所述数据集进行预处理，将所述数据集中的原始文本数据变换为数字表示；

文本向量生成步骤，建立一向量矩阵，根据所述数字表示在所述向量矩阵中取相应的向量；

隐藏向量生成步骤，将中心词窗口大小范围内的所有的所述向量经过一隐藏层，得到隐藏向量；

输出向量计算步骤，将所述隐藏向量通过线性层，计算得到中心词CBOW的输出向量；

词向量生成步骤，根据所述输出向量和所述数字表示获得矩阵K、矩阵V和矩阵Q，并根据所述矩阵K、所述矩阵V和矩所述阵Q进一步进行词向量生成。

2.根据权利要求1所述的预训练词向量生成方法，其特征在于，所述数据集处理步骤进一步包括：所述预处理包括对所述数据集中所述原始文本数据的字进行实体标注；将进行所述预处理的数据集进行词典构建，根据所述词典将所述原始文本数据变换为所述数字表示。

3.根据权利要求1所述的预训练词向量生成方法，其特征在于，所述词向量生成步骤进一步包括：将所述输出向量按位置排序拼接为所述矩阵K。

4.根据权利要求3所述的预训练词向量生成方法，其特征在于，所述词向量生成步骤进一步包括：复制所述矩阵K得到自注意力机制中的所述矩阵V，并进一步将所述数字表示输入至所述线性层中得到所述自注意力机制中的所述矩阵Q。

5.一种预训练词向量生成系统，其特征在于，包括：

数据集处理模块，收集一数据集，对所述数据集进行预处理，将所述数据集中的原始文本数据变换为数字表示；

文本向量生成模块，建立一向量矩阵，根据所述数字表示在所述向量矩阵中取相应的向量；

隐藏向量生成模块，将中心词窗口大小范围内的所有的所述向量经过一隐藏层，得到隐藏向量；

输出向量计算模块，将所述隐藏向量通过线性层，计算得到中心词CBOW的输出向量；

词向量生成模块，根据所述输出向量和所述数字表示获得矩阵K、矩阵V和矩阵Q，并根据所述矩阵K、所述矩阵V和矩所述阵Q进一步进行词向量生成。

6.根据权利要求5所述的预训练词向量生成系统，其特征在于，所述数据集处理模块进一步包括：所述预处理包括对所述数据集中所述原始文本数据的字进行实体标注；将进行所述预处理的数据集进行词典构建，根据所述词典将所述原始文本数据变换为所述数字表示。

7.根据权利要求5所述的预训练词向量生成系统，其特征在于，所述词向量生成模块进一步包括：将所述输出向量按位置排序拼接为所述矩阵K。

8.根据权利要求7所述的预训练词向量生成系统，其特征在于，所述词向量生成模块进一步包括：复制所述矩阵K得到自注意力机制中的所述矩阵V，并进一步将所述数字表示输入至所述线性层中得到所述自注意力机制中的所述矩阵Q。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的预训练词向量生成方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的预训练词向量生成方法。