CN108121699A - 用于输出信息的方法和装置 - Google Patents
用于输出信息的方法和装置 Download PDFInfo
- Publication number
- CN108121699A CN108121699A CN201711392720.7A CN201711392720A CN108121699A CN 108121699 A CN108121699 A CN 108121699A CN 201711392720 A CN201711392720 A CN 201711392720A CN 108121699 A CN108121699 A CN 108121699A
- Authority
- CN
- China
- Prior art keywords
- theme
- word
- vector
- term vector
- target word
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
Abstract
本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括:获取包括目标词语的待处理文本;根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合;确定词语集合所属主题的主题向量以及目标词语的第一词向量;根据主题向量和第一词向量输出目标词语的第二词向量。该实施方式提供了一种基于主题向量输出词向量的机制,提高了输出的词向量的准确度。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及用于输出信息的方法和装置。
背景技术
在自然语言处理领域,词向量模型已经受到广泛地应用,通过现有的词向量工具可以将每个词映射到一个128维(或者其他维度)的实数向量,例如麦克风可以映射为[0.23,0.13,…,0.87]。我们可以通过计算不同词对应的向量的距离来衡量他们之间的相关性,意思相近的词语之间的相关相关性更高,例如“篮球”跟“足球”的相关性要大于“篮球”跟“电脑”的相关性。现有的词向量模型在输出词向量时仅针对词语本身,并没有考虑到词语所处的语境。
发明内容
本申请实施例提出了用于输出信息的方法和装置。
第一方面,本申请实施例提供了一种用于输出信息的方法,该方法包括:获取包括目标词语的待处理文本;根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合;确定词语集合所属主题的主题向量以及目标词语的第一词向量;根据主题向量和第一词向量输出目标词语的第二词向量。
在一些实施例中,根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合,包括:切分待处理文本,得到待扩展文本的词序列;根据目标词语在待处理文本中的位置,获取目标词语附近的预设数目个词语,生成词语集合。
在一些实施例中,确定词语集合所属主题的主题向量以及目标词语的第一词向量,包括:将词语集合输入预先训练的主题模型中,生成目标词语的第一词向量,各个主题的主题向量,以及词语集合属于各个主题的概率,其中,主题模型用于表征词语与第一词向量、词语集合与词语集合属于各个主题的概率,以及主题与主题向量的对应关系;将所生成的概率中最大的概率对应的主题的主题向量确定为词语集合所属主题的主题向量。
在一些实施例中,根据主题向量和第一词向量输出目标词语的第二词向量,包括:拼接主题向量和第一词向量,生成第二词向量;输出第二词向量。
在一些实施例中,方法还包括:获取至少一个待聚类词语,以及至少一个待聚类词语中各个待聚类词语的词向量;根据所获取的词向量和第二词向量,对目标词语和至少一个待聚类词语进行聚类。
第二方面,本申请实施例提供了一种用于输出信息的装置,该装置包括第一获取单元,用于获取包括目标词语的待处理文本;第二获取单元,用于根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合;确定单元,用于确定词语集合所属主题的主题向量以及目标词语的第一词向量;输出单元,用于根据主题向量和第一词向量输出目标词语的第二词向量。
在一些实施例中,第二获取单元,包括:切分子单元,用于切分待处理文本,得到待扩展文本的词序列;获取子单元,用于根据目标词语在待处理文本中的位置,获取目标词语附近的预设数目个词语,生成词语集合。
在一些实施例中,确定单元,包括:输入子单元,用于将词语集合输入预先训练的主题模型中,生成目标词语的第一词向量,各个主题的主题向量,以及词语集合属于各个主题的概率,其中,主题模型用于表征词语与第一词向量、词语集合与词语集合属于各个主题的概率,以及主题与主题向量的对应关系;确定子单元,用于将所生成的概率中最大的概率对应的主题的主题向量确定为词语集合所属主题的主题向量。
在一些实施例中,输出单元,包括:生成子单元,用于拼接主题向量和第一词向量,生成第二词向量;输出子单元,用于输出第二词向量。
在一些实施例中,装置还包括:第三获取单元,用于获取至少一个待聚类词语,以及至少一个待聚类词语中各个待聚类词语的词向量;聚类单元,用于根据所获取的词向量和第二词向量,对目标词语和至少一个待聚类词语进行聚类。
第三方面,本申请实施例提供了一种设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面上述的方法。
第四方面,本申请实施例提供了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第一方面上述的方法。
本申请实施例提供的用于输出信息的方法和装置,通过获取包括目标词语的待处理文本,而后根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合,并确定词语集合所属主题的主题向量以及目标词语的第一词向量,最后根据主题向量和第一词向量输出目标词语的第二词向量,从而提供了一种基于主题向量输出词向量的机制,提高了输出的词向量的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于输出信息的方法的一个实施例的流程图;
图3是根据本申请的用于输出信息的方法的又一个实施例的流程图;
图4是根据本申请的用于输出信息的方法的应用场景的一个示意图;
图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105、106。网络104用以在终端设备101、102、103和服务器105、106之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端设备101、102、103通过网络104与服务器105、106交互,以接收或发送数据等。终端设备101、102、103上可以安装有各种应用,例如购物类应用、地图类应用、支付类应用、社交类应用、网页浏览器应用、搜索引擎类应用、手机助手类应用等。
终端设备101、102、103可以是具有显示屏并且支持数据通信功能的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExperts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPicture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。用户可以通过终端设备101、102、103向服务器上传待处理文本等数据。
服务器105、106可以是提供各种服务的服务器,例如对终端设备101、102、103上安装的应用提供支持的后台服务器,服务器105、106可以获取终端设备发送的包括目标词语的待处理文本;根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合;确定词语集合所属主题的主题向量以及目标词语的第一词向量;根据主题向量和第一词向量输出目标词语的第二词向量。服务器105同样也可以对其他服务器中存储的待处理文本进行处理,之后向其他服务器或终端设备101、102、103发送处理结果。
需要说明的是,本申请实施例所提供的用于输出信息的方法可以由服务器105、106执行,相应地,用于输出信息的装置可以设置于服务器105、106中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法,包括以下步骤:
步骤201,获取包括目标词语的待处理文本。
在本实施例中,用于输出信息的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或无线连接方式远程(例如从用于存储文本数据的其他服务器)获取包括目标词语的待处理文本。目标词语可以是需要对其进行语义分析的词语,例如,需要将其与其他词语进行聚类。待处理文本可以是包括目标词语上下文的文本,可以是完整的文章,也可以是截取自文章中的一个片段。例如,上述电子设备可以获取网页中的内容作为待处理文本。
步骤202,根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合。
在本实施例中,上述电子设备可以根据目标词语在步骤201中获取的待处理文本中的位置,获取待处理文本中包括目标词语的词语集合。目标词语在待处理文本中的位置可以通过目标词语自身的序号或目标词语所属句子在待处理文本中的序号表征,例如,待处理文本中一共有四句话,目标词语所属句子在待处理文本中是第二句,则目标词语在待处理文本中的位置可以通过序号2表征。需要说明的是,句子可以是以句号、问号、省略号、或感叹号分隔的完整的句子,也可是以逗号、分号等符号分隔的短句,具体可以根据实际需要进行设置。此时,可以通过对目标词语所属句子进行分词以及根据停用词表删除停用词等操作,生成包括目标词语的词语集合。
在本实施例的一些可选实现方式中,根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合,包括:切分待处理文本,得到待扩展文本的词序列;根据目标词语在待处理文本中的位置,获取目标词语附近的预设数目个词语,生成词语集合。
在本实现方式中,预设数目可以根据实际需要进行设置,例如,可以是6~16个。目标词语在待处理文本中的位置可以是目标词语在切分后的待处理文本中的标号表征,例如,待处理文本切分后得到了50个词语,目标词语是50个词语中的第10个词语,则待处理文本中的位置可以通过序号10表征。根据目标词语在待处理文本中的位置,获取目标词语附近的预设数目个词语,可以是获取目标词语以及目标词语前的若干个词语和目标词语后的若干个词语,具体可以根据实际需要进行设置。由于目标词语附近的词语与目标词语的关联性最大,因此,基于目标词语附近的词语生成的第二词向量,相比于基于其他位置处的词语生成的第二词向量更加准确。
步骤203,确定词语集合所属主题的主题向量以及目标词语的第一词向量。
在本实施例中,上述电子设备可以确定步骤202中获取的词语集合所属主题的主题向量以及目标词语的第一词向量。上述电子设备可以通过技术人员基于对大量的词语集合和词语集合所属主题的主题向量,以及词语和词向量的统计而预先制定的、存储有多个词语集合和词语集合所属主题的主题向量以及词语和词向量的对应关系的对应关系表,来确定词语集合所属主题的主题向量以及目标词语的第一词向量。上述电子设备也可以通过主题模型确定词语集合所属主题的主题向量以及目标词语的第一词向量,上述主题模型可以是上述电子设备从其他服务器中获取到的,也可以是上述电子设备预先训练得到的。需要说明的是,主题模型可以用于表征词语与第一词向量、词语集合与词语集合属于各个主题的概率,以及主题与主题向量的对应关系的对应关系。
需要说明的是,主题模型(Topic Model)在机器学习和自然语言处理等领域是用来在一系列文档中发现抽象主题的一种统计模型。常用的主题模型包括隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)主题模型、主题词嵌入(Topical Word Embeddings,TWE)模型等。当主题模型是LDA模型时,可以利用训练LDA获得的主题为词向量的训练提供补充信息。训练过程主要分为两个步骤:先利用LDA和MCMC(Markov Chain Monte Carlo,马尔科夫莫特卡洛)算法对训练语料上进行采样,获得MCMC上的一次主题采样,然后再利用该采样获取的主题信息和训练数据得到主题向量和词向量。在马尔可夫链蒙特卡罗的采样算法中,为了在一个指定的分布上采样,根据马尔可夫过程,首先从任一状态出发,模拟马尔可夫过程,不断进行状态转移,最终收敛到平稳分布。
步骤204,根据主题向量和第一词向量输出目标词语的第二词向量。
在本实施例中,上述电子设备可以根据步骤203中确定的主题向量和词向量输出目标词语的第二词向量。上述电子设备可以首先通过拼接、加权等方式根据主题向量和第一词向量生成第二词向量,而后输出第二词向量。可以将输出的第二词向量存入预定位置,以供后续词聚类、文本分类或生成摘要时使用。
在本实施例的一些可选实现方式中,根据主题向量和第一词向量输出目标词语的第二词向量,包括:拼接主题向量和第一词向量,生成第二词向量;输出第二词向量。作为示例,给定目标词语“苹果”以及包括目标词语的词语集合,“今年、九月份、发布、新的、苹果、手机”。确定目标词“苹果”对应的第一词向量为[0.2,0.3,0.21,…,0.13],词语集合所属主题的主题向量为[0.1,0.2,0.12,…,0.03]。拼接主题向量和第一词向量得到“苹果”的第二词向量为[0.2,0.3,0.21,…,0.13,0.1,0.2,0.12,…,0.03]。
在本实施例的一些可选实现方式中,方法还包括:获取至少一个待聚类词语,以及至少一个待聚类词语中各个待聚类词语的词向量;根据所获取的词向量和第二词向量,对目标词语和至少一个待聚类词语进行聚类。待聚类词语的词向量生成过程与第二词向量类似,其也是基于主题向量与词向量生成的,可以通过计算所获取的词向量和第二词向量的距离就可以进行词聚类。具体可以利用JS散度(Jensen-Shannon Divergence,JSD)计算出所获取的词向量和第二词向量的JSD距离。利用计算出的各个JSD距离表征所获取的词向量和第二词向量的相关度。示例性的,JSD距离在0~0.7之间,0表示所获取的词向量和第二词向量完全一致,即两者相关度最大,可归为一类,相反,0.7表示所获取的词向量和第二词向量完全不同,即两者相关度最小,不可归为一类。
需要说明的是,本实施例所采用的计算所获取的词向量和第二词向量的距离的算法不局限于JSD算法,还可以利用KL散度(Kullback–Leibler Divergence,KLD)算法计算所获取的词向量和第二词向量的KLD距离,利用计算出的各个KLD距离表征所获取的词向量和第二词向量的相关度。
本申请的上述实施例提供的方法通过获取包括目标词语的待处理文本;根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合;确定词语集合所属主题的主题向量以及目标词语的第一词向量;根据主题向量和第一词向量输出目标词语的第二词向量,从而提供了一种基于主题向量输出词向量的机制,输出的词向量包含了其所处的语境的信息,提高了输出的词向量的准确度。
进一步参考图3,其示出了用于输出信息的方法的又一个实施例的流程300。该用于输出信息的方法的流程300,包括以下步骤:
步骤301,获取包括目标词语的待处理文本。
在本实施例中,用于输出信息的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或无线连接方式远程(例如从用于存储文本数据的其他服务器)获取包括目标词语的待处理文本。
步骤302,根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合。
在本实施例中,上述电子设备可以根据目标词语在步骤301中获取的待处理文本中的位置,获取待处理文本中包括目标词语的词语集合。
步骤303,将词语集合输入预先训练的主题模型中,生成目标词语的第一词向量,各个主题的主题向量,以及词语集合属于各个主题的概率。
在本实施例中,上述电子设备可以将步骤302中获取的词语集合输入预先训练的主题模型中,生成目标词语的第一词向量,各个主题的主题向量,以及词语集合属于各个主题的概率。主题模型用于表征词语与第一词向量、词语集合与词语集合属于各个主题的概率,以及主题与主题向量的对应关系。主题模型可以是主题词嵌入(Topical WordEmbeddings,TWE)模型,TWE模型可以先使用LDA得到每个词语的主题,然后把词与主题的组合看做一个新词,即每个新词有自己的向量化结果,然后可以使用Skip-Gram模型进行映射,Skip-Gram模型是给定输入的词语来预测上下文的一种模型。
步骤304,将所生成的概率中最大的概率对应的主题的主题向量确定为词语集合所属主题的主题向量。
在本实施例中,上述电子设备可以将步骤303中生成的概率中最大的概率对应的主题的主题向量确定为词语集合所属主题的主题向量。作为示例,词语集合属于主题A为80%,属于主题B的概率为20%,属于主题C的概率为50%,则可以将主题A的主题向量确定为词语集合所属主题的主题向量。
步骤305,根据主题向量和第一词向量输出目标词语的第二词向量。
在本实施例中,上述电子设备可以根据步骤203中确定的主题向量和词向量输出目标词语的第二词向量。
在本实施例中,步骤301、步骤302、步骤305的操作与步骤201、步骤202、步骤204的操作基本相同,在此不再赘述。
从图3中可以看出,与图2对应的实施例相比,本实施例中的用于输出信息的方法的流程300中通过预先训练的主题模型生成目标词语的第一词向量,各个主题的主题向量,以及词语集合属于各个主题的概率,由此,本实施例描述的方案中生成第二词向量所依据的第一词向量与主题向量更准确,从而进一步提高了输出的第二词向量的准确度。
继续参见图4,图4是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图4的应用场景中,服务器401获取到了终端设备402提供的包括目标词语“苹果”的待处理文本404“...今天将在九月发布新的苹果手机...”,以及终端设备403提供的包括目标词语“苹果”的待处理文本405“...哪里的苹果最好吃...”。而后对它们进行处理,并输出了待处理文本404中“苹果”一词的词向量406,与待处理文本405中“苹果”一词的词向量407,由于待处理文本404所属的主题为数码产品,待处理文本405所属的主题为食品,所以目标词语“苹果”对应的词向量406、词向量407不同,在一词多义的情况,输出的词向量更加准确。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于输出信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于输出信息的装置500包括:第一获取单元501、第二获取单元502、确定单元503和输出单元504。其中,第一获取单元501,用于获取包括目标词语的待处理文本;第二获取单元502,用于根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合;确定单元503,用于确定词语集合所属主题的主题向量以及目标词语的第一词向量;输出单元504,用于根据主题向量和第一词向量输出目标词语的第二词向量。
在本实施例中,用于输出信息的装置500的第一获取单元501、第二获取单元502、确定单元503和输出单元504的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204。
在本实施例的一些可选实现方式中,第二获取单元502,包括:切分子单元(图中未示出),用于切分待处理文本,得到待扩展文本的词序列;获取子单元(图中未示出),用于根据目标词语在待处理文本中的位置,获取目标词语附近的预设数目个词语,生成词语集合。
在本实施例的一些可选实现方式中,确定单元503,包括:输入子单元(图中未示出),用于将词语集合输入预先训练的主题模型中,生成目标词语的第一词向量,各个主题的主题向量,以及词语集合属于各个主题的概率,其中,主题模型用于表征词语与第一词向量、词语集合与词语集合属于各个主题的概率,以及主题与主题向量的对应关系;确定子单元(图中未示出),用于将所生成的概率中最大的概率对应的主题的主题向量确定为词语集合所属主题的主题向量。
在本实施例的一些可选实现方式中,输出单元504,包括:生成子单元(图中未示出),用于拼接主题向量和第一词向量,生成第二词向量;输出子单元(图中未示出),用于输出第二词向量。
在本实施例的一些可选实现方式中,装置还包括:第三获取单元(图中未示出),用于获取至少一个待聚类词语,以及至少一个待聚类词语中各个待聚类词语的词向量;聚类单元(图中未示出),用于根据所获取的词向量和第二词向量,对目标词语和至少一个待聚类词语进行聚类。
本申请的上述实施例提供的装置,通过获取包括目标词语的待处理文本;根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合;确定词语集合所属主题的主题向量以及目标词语的第一词向量;根据主题向量和第一词向量输出目标词语的第二词向量,从而提供了一种基于主题向量输出词向量的机制,提高了输出的词向量的准确度。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一获取单元、第二获取单元、确定单元和输出单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“用于获取包括目标词语的待处理文本的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取包括目标词语的待处理文本;根据目标词语在待处理文本中的位置,获取待处理文本中包括目标词语的词语集合;确定词语集合所属主题的主题向量以及目标词语的第一词向量;根据主题向量和第一词向量输出目标词语的第二词向量。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于输出信息的方法,包括:
获取包括目标词语的待处理文本;
根据所述目标词语在所述待处理文本中的位置,获取所述待处理文本中包括所述目标词语的词语集合;
确定所述词语集合所属主题的主题向量以及所述目标词语的第一词向量;
根据所述主题向量和所述第一词向量输出所述目标词语的第二词向量。
2.根据权利要求1所述的方法,其中,所述根据所述目标词语在所述待处理文本中的位置,获取所述待处理文本中包括所述目标词语的词语集合,包括:
切分所述待处理文本,得到所述待扩展文本的词序列;
根据所述目标词语在所述待处理文本中的位置,获取所述目标词语附近的预设数目个词语,生成所述词语集合。
3.根据权利要求1所述的方法,其中,所述确定所述词语集合所属主题的主题向量以及所述目标词语的第一词向量,包括:
将所述词语集合输入预先训练的主题模型中,生成所述目标词语的第一词向量,各个主题的主题向量,以及所述词语集合属于各个主题的概率,其中,所述主题模型用于表征词语与第一词向量、词语集合与词语集合属于各个主题的概率,以及主题与主题向量的对应关系;
将所生成的概率中最大的概率对应的主题的主题向量确定为所述词语集合所属主题的主题向量。
4.根据权利要求1所述的方法,其中,所述根据所述主题向量和所述第一词向量输出所述目标词语的第二词向量,包括:
拼接所述主题向量和所述第一词向量,生成所述第二词向量;
输出所述第二词向量。
5.根据权利要求1-4中任一项所述的方法,其中,所述方法还包括:
获取至少一个待聚类词语,以及所述至少一个待聚类词语中各个待聚类词语的词向量;
根据所获取的词向量和所述第二词向量,对所述目标词语和所述至少一个待聚类词语进行聚类。
6.一种用于输出信息的装置,包括:
第一获取单元,用于获取包括目标词语的待处理文本;
第二获取单元,用于根据所述目标词语在所述待处理文本中的位置,获取所述待处理文本中包括所述目标词语的词语集合;
确定单元,用于确定所述词语集合所属主题的主题向量以及所述目标词语的第一词向量;
输出单元,用于根据所述主题向量和所述第一词向量输出所述目标词语的第二词向量。
7.根据权利要求6所述的装置,其中,所述第二获取单元,包括:
切分子单元,用于切分所述待处理文本,得到所述待扩展文本的词序列;
获取子单元,用于根据所述目标词语在所述待处理文本中的位置,获取所述目标词语附近的预设数目个词语,生成所述词语集合。
8.根据权利要求6所述的装置,其中,所述确定单元,包括:
输入子单元,用于将所述词语集合输入预先训练的主题模型中,生成所述目标词语的第一词向量,各个主题的主题向量,以及所述词语集合属于各个主题的概率,其中,所述主题模型用于表征词语与第一词向量、词语集合与词语集合属于各个主题的概率,以及主题与主题向量的对应关系;
确定子单元,用于将所生成的概率中最大的概率对应的主题的主题向量确定为所述词语集合所属主题的主题向量。
9.根据权利要求6所述的装置,其中,所述输出单元,包括:
生成子单元,用于拼接所述主题向量和所述第一词向量,生成所述第二词向量;
输出子单元,用于输出所述第二词向量。
10.根据权利要求6-9中任一项所述的装置,其中,所述装置还包括:
第三获取单元,用于获取至少一个待聚类词语,以及所述至少一个待聚类词语中各个待聚类词语的词向量;
聚类单元,用于根据所获取的词向量和所述第二词向量,对所述目标词语和所述至少一个待聚类词语进行聚类。
11.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711392720.7A CN108121699B (zh) | 2017-12-21 | 2017-12-21 | 用于输出信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711392720.7A CN108121699B (zh) | 2017-12-21 | 2017-12-21 | 用于输出信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108121699A true CN108121699A (zh) | 2018-06-05 |
CN108121699B CN108121699B (zh) | 2021-10-22 |
Family
ID=62230775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711392720.7A Active CN108121699B (zh) | 2017-12-21 | 2017-12-21 | 用于输出信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108121699B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740130A (zh) * | 2018-11-22 | 2019-05-10 | 厦门市美亚柏科信息股份有限公司 | 用于生成文件的方法和装置 |
CN109933788A (zh) * | 2019-02-14 | 2019-06-25 | 北京百度网讯科技有限公司 | 类型确定方法、装置、设备和介质 |
CN110162769A (zh) * | 2018-07-05 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 文本主题输出方法和装置、存储介质及电子装置 |
CN111353303A (zh) * | 2020-05-25 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 词向量构建方法、装置、电子设备及存储介质 |
WO2020143320A1 (zh) * | 2019-01-07 | 2020-07-16 | 平安科技(深圳)有限公司 | 文本词向量获取方法、装置、计算机设备及存储介质 |
CN111581944A (zh) * | 2020-05-06 | 2020-08-25 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法、装置、设备和介质 |
CN111813940A (zh) * | 2020-07-14 | 2020-10-23 | 科大讯飞股份有限公司 | 一种文本的领域分类方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102193993A (zh) * | 2011-04-20 | 2011-09-21 | 北京百度网讯科技有限公司 | 用于确定字符串信息间相似度信息的方法、装置和设备 |
CN103678275A (zh) * | 2013-04-15 | 2014-03-26 | 南京邮电大学 | 一种基于主客观语义的双层次文本相似度计算方法 |
CN104731771A (zh) * | 2015-03-27 | 2015-06-24 | 大连理工大学 | 一种基于词向量的缩写词歧义消除系统及方法 |
CN105488077A (zh) * | 2014-10-10 | 2016-04-13 | 腾讯科技(深圳)有限公司 | 生成内容标签的方法和装置 |
CN106294662A (zh) * | 2016-08-05 | 2017-01-04 | 华东师范大学 | 基于上下文感知主题的查询表示及混合检索模型建立方法 |
CN106407280A (zh) * | 2016-08-26 | 2017-02-15 | 合网络技术(北京)有限公司 | 查询目标匹配方法及装置 |
CN107423282A (zh) * | 2017-05-24 | 2017-12-01 | 南京大学 | 基于混合特征的文本中语义连贯性主题与词向量并发提取方法 |
-
2017
- 2017-12-21 CN CN201711392720.7A patent/CN108121699B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102193993A (zh) * | 2011-04-20 | 2011-09-21 | 北京百度网讯科技有限公司 | 用于确定字符串信息间相似度信息的方法、装置和设备 |
CN103678275A (zh) * | 2013-04-15 | 2014-03-26 | 南京邮电大学 | 一种基于主客观语义的双层次文本相似度计算方法 |
CN105488077A (zh) * | 2014-10-10 | 2016-04-13 | 腾讯科技(深圳)有限公司 | 生成内容标签的方法和装置 |
CN104731771A (zh) * | 2015-03-27 | 2015-06-24 | 大连理工大学 | 一种基于词向量的缩写词歧义消除系统及方法 |
CN106294662A (zh) * | 2016-08-05 | 2017-01-04 | 华东师范大学 | 基于上下文感知主题的查询表示及混合检索模型建立方法 |
CN106407280A (zh) * | 2016-08-26 | 2017-02-15 | 合网络技术(北京)有限公司 | 查询目标匹配方法及装置 |
CN107423282A (zh) * | 2017-05-24 | 2017-12-01 | 南京大学 | 基于混合特征的文本中语义连贯性主题与词向量并发提取方法 |
Non-Patent Citations (1)
Title |
---|
江大鹏: "基于词向量的短文本分类方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊)》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162769A (zh) * | 2018-07-05 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 文本主题输出方法和装置、存储介质及电子装置 |
CN110162769B (zh) * | 2018-07-05 | 2024-01-02 | 腾讯科技(深圳)有限公司 | 文本主题输出方法和装置、存储介质及电子装置 |
CN109740130A (zh) * | 2018-11-22 | 2019-05-10 | 厦门市美亚柏科信息股份有限公司 | 用于生成文件的方法和装置 |
CN109740130B (zh) * | 2018-11-22 | 2022-12-09 | 厦门市美亚柏科信息股份有限公司 | 用于生成文件的方法和装置 |
WO2020143320A1 (zh) * | 2019-01-07 | 2020-07-16 | 平安科技(深圳)有限公司 | 文本词向量获取方法、装置、计算机设备及存储介质 |
CN109933788B (zh) * | 2019-02-14 | 2023-05-23 | 北京百度网讯科技有限公司 | 类型确定方法、装置、设备和介质 |
CN109933788A (zh) * | 2019-02-14 | 2019-06-25 | 北京百度网讯科技有限公司 | 类型确定方法、装置、设备和介质 |
CN111581944A (zh) * | 2020-05-06 | 2020-08-25 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法、装置、设备和介质 |
CN111581944B (zh) * | 2020-05-06 | 2023-08-08 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法、装置、设备和介质 |
CN111353303B (zh) * | 2020-05-25 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 词向量构建方法、装置、电子设备及存储介质 |
CN111353303A (zh) * | 2020-05-25 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 词向量构建方法、装置、电子设备及存储介质 |
CN111813940B (zh) * | 2020-07-14 | 2023-01-17 | 科大讯飞股份有限公司 | 一种文本的领域分类方法、装置、设备及存储介质 |
CN111813940A (zh) * | 2020-07-14 | 2020-10-23 | 科大讯飞股份有限公司 | 一种文本的领域分类方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108121699B (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108121699A (zh) | 用于输出信息的方法和装置 | |
CN108171276B (zh) | 用于生成信息的方法和装置 | |
CN107729319B (zh) | 用于输出信息的方法和装置 | |
CN108416310B (zh) | 用于生成信息的方法和装置 | |
CN107491547A (zh) | 基于人工智能的搜索方法和装置 | |
CN107491534A (zh) | 信息处理方法和装置 | |
CN107066449A (zh) | 信息推送方法和装置 | |
CN107133202A (zh) | 基于人工智能的文本校验方法和装置 | |
CN108932220A (zh) | 文章生成方法和装置 | |
CN109086719A (zh) | 用于输出数据的方法和装置 | |
CN108628830A (zh) | 一种语义识别的方法和装置 | |
CN109697537A (zh) | 数据审核的方法和装置 | |
CN107943895A (zh) | 信息推送方法和装置 | |
CN109783741A (zh) | 用于推送信息的方法和装置 | |
CN107958247A (zh) | 用于人脸图像识别的方法和装置 | |
CN112466314A (zh) | 情感语音数据转换方法、装置、计算机设备及存储介质 | |
CN109299477A (zh) | 用于生成文本标题的方法和装置 | |
CN108897853A (zh) | 生成推送信息的方法和装置 | |
CN110275963A (zh) | 用于输出信息的方法和装置 | |
CN110119445A (zh) | 生成特征向量和基于特征向量进行文本分类的方法和装置 | |
CN106919711A (zh) | 基于人工智能的标注信息的方法和装置 | |
CN109190123A (zh) | 用于输出信息的方法和装置 | |
CN110188158A (zh) | 关键词及话题标签生成方法、装置、介质及电子设备 | |
CN109325178A (zh) | 用于处理信息的方法和装置 | |
CN113723077B (zh) | 基于双向表征模型的句向量生成方法、装置及计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |