[发明专利]词义识别模型训练、词义判断方法、装置、设备及介质

说明书

本发明公开了涉及人工智能技术，公开了一种词义识别模型训练、词义判断方法、装置、设备及介质，该方法对第一待训练句子以及第二待训练句子进行文本预处理，得到初始训练文本；将初始训练文本输入至包含初始参数的预设识别模型中，得到文本分类向量、第一词向量以及第二词向量；根据文本分类向量、第一词向量以及第二词向量，确定与待训练句子组对应的预测词义标签；根据目标词义标签和预测词义标签，确定预设识别模型的预测损失值；在预测损失值未达到预设的收敛条件时，迭代更新预设识别模型中的初始参数，直至预测损失值达到收敛条件时，将收敛之后的预设识别模型记录为词义识别模型。本发明提高了词义识别准确率以及词义消歧准确率。

技术领域

本发明涉及检测模型技术领域，尤其涉及一种词义识别模型训练、词义判断方法、装置、设备及介质。

背景技术

随着科学技术的发展，自然语言处理技术也广泛应用在各个领域，进而可以实现如文字识别，文本相似度比较等功能。然而很多文本中经常出现多义词，因此词义消歧在自然语言处理技术中是非常重要的。

现有技术中，常常通过有监督的词义消歧方法，但是该方法需要基于庞大的数据基础，而往往在一些领域中数据是非常稀缺的，进而导致通过有监督方式训练得到的模型应用范围较小，且容易出现错误，从而导致词义消歧的准确率较低。

发明内容

本发明实施例提供一种词义识别模型训练、词义判断方法、装置、设备及介质，以解决现有技术中词义消歧的准确率较低的问题。

一种词义识别模型训练方法，包括：

获取包括第一待训练句子和第二待训练句子的待训练句子组；所述第一待训练句子与所述第二待训练句子中均具有一个相同的目标词；所述待训练句子组关联目标词义标签；

对所述第一待训练句子以及所述第二待训练句子进行文本预处理，得到初始训练文本；

将所述初始训练文本输入至包含初始参数的预设识别模型中，得到与所述初始训练文本对应的文本分类向量、与所述第一待训练句子中的目标词对应的第一词向量，以及与所述第二待训练句子中的目标词对应的第二词向量；

根据所述文本分类向量、所述第一词向量以及所述第二词向量，确定与所述待训练句子组对应的预测词义标签；

根据所述目标词义标签和所述预测词义标签，确定所述预设识别模型的预测损失值；

在所述预测损失值未达到预设的收敛条件时，迭代更新所述预设识别模型中的初始参数，直至所述预测损失值达到所述收敛条件时，将收敛之后的所述预设识别模型记录为词义识别模型。

一种词义判断方法，包括：

接收词义判断指令；所述词义判断指令中包括第一目标句子以及第二目标句子；所述第一目标句子和所述第二目标句子均具有待判断字词；

将所述第一目标句子以及所述第二目标句子输入至词义识别模型中，以通过所述词义识别模型确定所述待判断字词在所述第一目标句子和所述第二目标句子中的词义是否相同，并得到词义判断结果；所述词义识别模型是根据上述词义识别模型训练方法得到的。

一种词义识别模型训练装置，包括：

数据获取模块，用于获取待训练句子组；一个所述待训练句子组中包括第一待训练句子和第二待训练句子；所述第一待训练句子与所述第二待训练句子均具有一个相同的目标词；所述待训练句子组关联目标词义标签；

文本预处理模块，用于对所述第一待训练句子以及所述第二待训练句子进行文本预处理，得到初始训练文本；

文本识别模块，用于将所述初始训练文本输入至包含初始参数的预设识别模型中，得到与所述初始训练文本对应的文本分类向量、与所述第一待训练句子中的目标词对应的第一词向量，以及与所述第二待训练句子中的目标词对应的第二词向量；