CN110457325A - 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
- CN110457325A CN110457325A CN201910738514.XA CN201910738514A CN110457325A CN 110457325 A CN110457325 A CN 110457325A CN 201910738514 A CN201910738514 A CN 201910738514A CN 110457325 A CN110457325 A CN 110457325A
- Authority
- CN
- China
- Prior art keywords
- node
- concept
- training sample
- sampling
- concept system
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2237—Vectors, bitmaps or matrices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的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:基于从目标知识体系获得的至少一对上下位词扩展概念体系,其中,概念体系是预先构建的有向无环图结构的树状概念层次网络,有向无环图中的节点是概念,节点间的边是可传递的概念上下位关系;基于扩展后的概念体系构造训练样本;基于扩展后的概念体系构建概念转向量模型;基于训练样本训练概念转向量模型,输出训练好的每个概念的特征向量。该实施方式解决了将概念体系的树状层次结构嵌入到向量空间的问题,同时通过引入外部词类信息的方式,补充概念体系中的上下位关系,解决概念体系中上下位不足导致的概念特征训练不充分的问题。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及输出信息的方法和装置。
背景技术
概念体系是现实知识的树形结构表示,它主要描述了词的上下位关系,如“演员”的上位是“人物”,“电影”的上位是“作品”等。实际上概念体系难以做到完全覆盖现实世界的知识,其中会存在一些概念的上下位不够丰富,如一些领域专业术语等。
在文本处理任务中,文本特征需要具备较好的泛化性能,即相似但不同的两个文本需要具有相似的语义特征,从而在文本处理任务中引入语义信息,提高算法的效果。概念体系之中,概念的层级结构即代表了语义结构,将概念层级结构嵌入到向量空间中,可以使之捕捉到上下位相似性,则可以在文本处理任务中引入上下位特征,从而提高文本处理算法的泛化能力。
概念关系特征表示目前普遍采用如下三种方案来解决:
方案(1)基于上下文语料训练词向量,通过词语在语料中的上下文共现信息计算词语的相似性。不能捕捉到概念的层次泛化关系。
方案(2)基于知识图谱训练实体向量,通过知识图谱中三元组共现信息计算实体的相似性。同样不能捕捉到概念的层次泛化关系。
方案(3)虽然能捕捉到概念层次的泛化关系,但当收录不足时,其底层节点难以训练充分,这些节点的向量表示难以准确学习到概念体系的层次泛化关系。
发明内容
本公开的实施例提出了用于输出信息的方法和装置。
第一方面,本公开的实施例提供了一种用于输出信息的方法,包括:基于从目标知识体系获得的至少一对上下位词扩展概念体系,其中,概念体系是预先构建的有向无环图结构的树状概念层次网络,有向无环图中的节点是概念,节点间的边是可传递的概念上下位关系;基于扩展后的概念体系构造训练样本;基于扩展后的概念体系构建概念转向量模型;基于训练样本训练概念转向量模型,输出训练好的每个概念的特征向量。
在一些实施例中,基于从目标知识体系获得的至少一对上下位词扩展概念体系,包括:将百科数据的上位体系与概念体系直接映射,构造至少一对上下位词直接补充到概念体系中。
在一些实施例中,基于从目标知识体系获得的至少一对上下位词扩展概念体系,包括:从专业资料中获取垂直领域的知识体系,利用上位预测模型或文本匹配等方式关联到概念体系的节点上,将之补充到概念体系中。
在一些实施例中,基于从目标知识体系获得的至少一对上下位词扩展概念体系,包括:从搜索文本中挖掘词汇,使用序列标注模型预测这些词汇的概念上位,并去掉命名实体,筛选结果补充到概念体系中。
在一些实施例中,基于扩展后的概念体系构造训练样本,包括:将有向无环图转换成概念体系树;根据概念体系树的每个节点的最相似节点集以及节点的上下位关系,构造每个节点与概念体系树中其他节点的相似度的偏序关系;基于上述偏序关系,对于每一个节点,构造该节点的采样集合,在该节点的采样集合中采样得到该节点的训练样本。
在一些实施例中,在该节点的采样集合中采样得到该节点的训练样本,包括:若该节点的后代节点集中节点数量不小于最少样本量,则将该节点的后代节点集作为该节点的训练样本;否则,根据偏序关系补充训练样本。
在一些实施例中,在该节点的采样集合中采样得到该节点的训练样本,包括:在该节点下挂接至少一个虚节点作为该节点的后代节点;若该节点的后代节点集中节点数量不小于最少样本量,则将该节点的后代节点集作为该节点的训练样本;否则,根据偏序关系补充训练样本。
在一些实施例中,在该节点的采样集合中采样得到该节点的训练样本,包括:基于该节点的后代节点的数量和该节点的虚节点的数量计算概念初始权重;根据概念初始权重计算采样分布;根据采样分布在该节点的采样集合中采样得到该节点的训练样本。
第二方面,本公开的实施例提供了一种用于输出信息的装置,包括:扩展单元,被配置成基于从目标知识体系获得的至少一对上下位词扩展概念体系,其中,概念体系是预先构建的有向无环图结构的树状概念层次网络,有向无环图中的节点是概念,节点间的边是可传递的概念上下位关系;采样单元,被配置成基于扩展后的概念体系构造训练样本;构建单元,被配置成基于扩展后的概念体系构建概念转向量模型;训练单元,被配置成基于训练样本训练概念转向量模型,输出训练好的每个概念的特征向量。
在一些实施例中,扩展单元进一步被配置成:将百科数据的上位体系与概念体系直接映射,构造至少一对上下位词直接补充到概念体系中。
在一些实施例中,扩展单元进一步被配置成:从专业资料中获取垂直领域的知识体系,利用上位预测模型或文本匹配等方式关联到概念体系的节点上,将之补充到概念体系中。
在一些实施例中,扩展单元进一步被配置成:从搜索文本中挖掘词汇,使用序列标注模型预测这些词汇的概念上位,并去掉命名实体,筛选结果补充到概念体系中。
在一些实施例中,采样单元进一步被配置成:将有向无环图转换成概念体系树;根据概念体系树的每个节点的最相似节点集以及节点的上下位关系,构造每个节点与概念体系树中其他节点的相似度的偏序关系;基于上述偏序关系,对于每一个节点,构造该节点的采样集合,在该节点的采样集合中采样得到该节点的训练样本。
在一些实施例中,采样单元进一步被配置成:若该节点的后代节点集中节点数量不小于最少样本量,则将该节点的后代节点集作为该节点的训练样本;否则,根据偏序关系补充训练样本。
在一些实施例中,采样单元进一步被配置成:在该节点下挂接至少一个虚节点作为该节点的后代节点;若该节点的后代节点集中节点数量不小于最少样本量,则将该节点的后代节点集作为该节点的训练样本;否则,根据偏序关系补充训练样本。
在一些实施例中,采样单元进一步被配置成:基于该节点的后代节点的数量和该节点的虚节点的数量计算概念初始权重;根据概念初始权重计算采样分布;根据采样分布在该节点的采样集合中采样得到该节点的训练样本。
第三方面,本公开的实施例提供了一种用于输出信息的电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一的方法。
本公开的实施例提供的用于输出信息的方法和装置,引入外部数据,扩展原有概念体系,基于扩展的概念体系中的树结构关系计算概念的相似性,从而捕捉到概念的层次泛化关系。使概念的向量化表示能够得到更加丰富的概念层次泛化特征,同时也使概念特征可以灵活应用于不同的垂直领域文本处理任务中。
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,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于输出信息的方法的一个实施例的流程图;
图3a-3c是根据本公开的用于输出信息的方法的概念体系的示意图;
图4是根据本公开的用于输出信息的装置的一个实施例的结构示意图;
图5是适于用来实现本公开的实施例的电子设备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公开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,本公开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公开。
图1示出了可以应用本公开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。网络104用以在终端设备101、102、103和服务器105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。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持网页浏览的各种电子设备,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 Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture 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。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的文本提供支持的后台文本服务器。后台文本服务器可以对接收到的文本处理任务,如文本分类、语义解析等进行分析等处理,并将处理结果(例如文本分类结果)反馈给终端设备。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的用于输出信息的方法一般由服务器105执行,相应地,用于输出信息的装置一般设置于服务器105中。
继续参考图2,示出了根据本公开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,基于从目标知识体系获得的至少一对上下位词扩展概念体系。
在本实施例中,用于输出信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从第三方服务器获得至少一对上下位词。然后基于所获得的上下位词扩展概念体系。其中,概念体系是预先构建的有向无环图结构的树状概念层次网络,有向无环图中的节点是概念,节点间的边是可传递的概念上下位关系。
可通过从网页数据中提取网页文本中的概念以及概念之间的属种关系。概念可以是反映对象的本质属性的思维形式,概念通常是以词或词组来标识和记载的。属种关系也可以称为真包含关系、上属关系或上下位关系,通常是指一个概念的部分外延与另一个概念的全部外延重合的关系。这就是说,在概念a和概念b的关系上,如果所有的b都是a,但有的a不是b,那么a和b这两个概念之间就是属种关系。其中,外延大的概念叫属概念,或上位概念;外延小的概念叫种概念,或下位概念。例如,国家安全学中所讲的“安全”与“国家安全”、数学中的“数”与“整数”、几何中的“三角形”与“直角三角形”,物理学中的“力”与“反作用力”、化学中的“元素”与“金属元素”、生物学中的“动物”与“两栖动物”等,其间的关系都是属种关系。在如上具有属种关系的概念中,“安全”、“数”、“三角形”、“力”、“元素”、“动物”,是属概念或上位概念,而与之相对应的“国家安全”、“整数”、“直角三角形”、“反作用力”、“金属元素”、“两栖动物”,是种概念或下位概念。
本公开所使用的概念体系是一个事先构建的有向无环图结构的树状概念层次网络,图中的节点是概念,节点间的边是可传递的概念上下位关系,如下图3a所示,其中,G节点有两个上位节点,即其与B节点和H节点均存在语义相似关系。
概念体系本身难以覆盖到所有的词汇,在一些概念上,会存在上下位关系构造不足,导致嵌入向量无法充分获取层次结构信息,针对这些节点,需要引入外部的词类数据进行补充。补充的数据为词与词上位概念的pair对,比如齿形垫片(概念体系未收录)的上位是垫片(概念体系已收录),则补充的数据格式为<齿形垫片,垫片>。
外部词类数据可以从以下三种途径补充:
1、将百科数据(例如百度百科数据或维基百科数据)的上位体系与概念体系直接映射,构造词类pair对直接补充到概念体系中。这种方式可补充通用的概念。
2、从专业资料(例如专业垂站或专业文献等资料)中获取垂直领域的知识体系,利用上位预测模型或文本匹配等方式关联到概念体系的节点上,将之补充到概念体系中。这一引入方式可扩展为通用概念体系到领域知识体系的适配,即在处理不同专业领域(如生物学领域,金融领域)的任务时,预先引入该领域的知识体系,使概念体系能够得到该领域更加深入的知识,辅助提升专业领域文本处理任务的效果。其中,上位预测模型是一种分类器,可用于预测一个概念的上位概念,然后在概念体系找到该上位概念,并将该概念和找到的上位概念补充到概念体系中。这种方式可补充相关专业的概念。
3、从大规模文本(例如,用户进行搜索时输入的搜索关键词query)中挖掘词汇,使用序列标注模型预测这些词汇的概念上位,并去掉命名实体(实体知识不应作为概念词汇信息引入到概念体系中,如引入会带来错误的先验,如大规模用户文本中,娱乐明星占很大比重,会导致娱乐明星的上位概念更加偏向娱乐明星),筛选结果补充到概念体系中。序列标注模型也是一种分类器,可进行上下文统计分析出概念的类别标签,然后预测出上位概念。这种方式可补充用户数据。
步骤202,基于扩展后的概念体系构造训练样本。
在本实施例中,如步骤201中描述,图3a中G节点与B节点和H节点均存在语义相似关系,在实际计算过程中,需同时捕捉G节点与B子树节点、H子树节点的语义相似关系,为解决这一问题,将图结构转换为树结构。
如图3b中所示,G节点可拆分为G1节点与G2节点,通过分别计算G1节点与B子树节点、G2节点与H子树节点的语义相似性,可得到G1的特征向量和G2的特征向量。可将G1节点与G2节点的特征向量均作为G节点的特征向量输出,也可以将G1节点与G2节点的特征向量加权平均输出,以整合表示G节点在B子树中与在H子树中的语义相似性。
树结构中节点的语义相似性表示方式如下:首先,定义每一个节点node的最相似节点集为其所有后代节点son(node),这样,如果两个节点间存在上下位关系,下位节点的最相似节点集就是上位节点最相似节点集的子集,二者之间存在可传递的层次泛化关系;其次,根据每个节点的最相似节点集以及节点的上下位关系,构造每个节点与树中其他节点的相似度的偏序关系:{后代节点集}>{父节点}>{父节点的其他后代节点集}>{祖父节点}>{祖父节点的其他后代节点集}>…。例如,图3b中,节点D与其他节点的相似度偏序为:{E,F}>{B}>{C,G1}>{A}>{H,I,G2,J}。如果节点D对应的概念为“专业演员”,如下图3c所示,它与子树中其他概念节点的相似度偏序为:{配音演员,特技演员}>{演员}>{实力派演员,电影明星1}>{人物}>{明星,体育明星、球星、电影明星2};而“明星”这个概念节点与子树中其他概念节点的相似度偏序为:{体育明星、球星、电影明星2}>{人物}>{演员,配音演员,特技演员,实力派演员,电影明星1}
基于上面定义的每个节点与树中其他节点的相似度的偏序关系,对于每一个概念节点nodeC,构造其采样集合sample(nodeC),在sample(nodeC)中采样得到train(nodeC),为保证每个概念节点都有充足的训练样本,一般定义每个节点所需的最少样本量为minTrain。引入外部数据的方式不同,采样的方法也不同:
①将外部数据直接作为概念节点引入概念体系:
对nodeC获取其所有后代节点集son(nodeC),如果son(nodeC)中节点数量≥minTrain,则将sample(nodeC)=son(nodeC);如果son(nodeC)中节点数量<minTrain,则按照上面定义的相似度偏序关系补充训练样本,直至sample(nodeC)中节点数量≥minTrain。
例如,设minTrain=3,则sample(nodeC=“专业演员”)={配音演员,特技演员,演员},补充了“专业演员”的父节点“演员”作为训练样本;设minTrain=4,则sample(nodeC=“专业演员”)={配音演员,特技演员,演员,实力派演员,电影明星},补充了“专业演员”的父节点的其他后代节点集“实力派演员,电影明星”作为训练样本。
这样引入概念节点比较简单直观,引入的节点参与了向量计算,但是不会直接应用。
②将外部数据作为虚节点引入概念体系,外部数据不参与向量计算:
假设nodeC下挂接了x个虚节点(虚节点指的是不作为概念转向量模型的输入但作为概念转向量模型的输出的类别标签),则在nodeC节点上赋值虚节点编号[virtual_sonC,virtual_sonC+x),虚节点编号必须在概念体系已有节点的索引值范围之外,如概念体系有1000个节点,则virtual_sonC应>1000,且不同节点的虚节点集应没有交集。那么对于nodeC后代节点集则变更为:sonvirtual(nodeC)={son(nodeC),[virtual_sonC,virtual_sonC+x)},采样方式复用①中描述的方式即可。
这样引入的虚节点不会进行采样,不参与向量计算,避免了资源消耗。
③:将外部数据作为点计数引入到概念节点的后代计数中,记为概念初始权重:
假设nodeC本身有x个后代节点,同时挂接了y个虚节点,则为nodeC赋值权重x+λy,其中λ为虚权重系数,与采样中心到nodeC的距离相关。对于nodeC的后代节点集son(nodeC),则可以根据权重计算采样分布,按照分布采样或将分布权重作为类别权重训练,采样方式复用①中描述的方式即可。例如,“配音演员”的权重如果为0.4,“特技演员”的权重如果是0.6,则在采样时,“配音演员”训练样本的数量与“特技演员”训练样本的数量的比值为2∶3。
这种方式不用引入额外数据,但对于每一个节点,需计算其采样集合中所有节点的分布。
步骤203,基于扩展后的概念体系构建概念转向量模型。
在本实施例中,模型输入为每一个概念节点nodeC的特征向量(初始输入为随机向量),输出为该节点最相似节点的概率分布。模型的优化目标为:最大化概率P(train(nodeC)|nodeC)。在此步骤中,模型可使用任一可优化这个目标函数的机器学习模型,常用的模型如SkipGram、卷积神经网络、CBOW(Continuous Bag-Of-Words Model,连续词袋模型)等,训练过程中不断地调整特征向量以达到优化目标。根据本公开的实施例,可以在向量空间中来表示概念体系。在这种情况下,概念节点本身可以被认为是一个符号,即,一种符号化的表示,其中每个概念节点可以利用特征向量来表示,这样的向量表示可以被理解为是针对概念节点的参数集。前述向量空间可以是200维至500维的向量空间,此时每个概念的特征向量可以被表示为数目与向量空间的维数相等的浮点数的数组。例如,当向量空间是200维向量空间时,每个概念可以被表示为200个浮点数的数组以表示针对这一概念的特征向量,具体而言,该浮点数的数组可以表示这一概念节点在向量空间中的位置。
步骤204,基于训练样本训练概念转向量模型,输出训练好的每个概念的特征向量。
在本实施例中,将步骤202中构造的训练集输入到步骤203中的模型训练,迭代更新包括概念节点的特征向量在内的模型参数,待模型收敛后,输出训练好的每个概念的特征向量。
本公开的上述实施例提供的方法提出了扩充概念体系的方法,使概念的向量化表示能够得到更加丰富的概念层次泛化特征,同时也使概念特征可以灵活应用于不同的垂直领域文本处理任务中。
进一步参考图4,作为对上述各图所示方法的实现,本公开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4所示,本实施例的用于输出信息的装置400包括:扩展单元401、采样单元402、构建单元403和训练单元404。其中,扩展单元401,被配置成基于从目标知识体系获得的至少一对上下位词扩展概念体系,其中,所述概念体系是预先构建的有向无环图结构的树状概念层次网络,所述有向无环图中的节点是概念,节点间的边是可传递的概念上下位关系;采样单元402,被配置成基于扩展后的概念体系构造训练样本;构建单元403,被配置成基于扩展后的概念体系构建概念转向量模型;训练单元404,被配置成基于所述训练样本训练所述概念转向量模型,输出训练好的每个概念的特征向量。
在本实施例中,用于输出信息的装置400的扩展单元401、采样单元402、构建单元403和训练单元404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、步骤204。
在本实施例的一些可选的实现方式中,扩展单元401进一步被配置成:将百科数据的上位体系与概念体系直接映射,构造至少一对上下位词直接补充到概念体系中。
在本实施例的一些可选的实现方式中,扩展单元401进一步被配置成:从专业资料中获取垂直领域的知识体系,利用上位预测模型或文本匹配等方式关联到概念体系的节点上,将之补充到概念体系中。
在本实施例的一些可选的实现方式中,扩展单元401进一步被配置成:从搜索文本中挖掘词汇,使用序列标注模型预测这些词汇的概念上位,并去掉命名实体,筛选结果补充到概念体系中。
在本实施例的一些可选的实现方式中,采样单元402进一步被配置成:将有向无环图转换成概念体系树;根据概念体系树的每个节点的最相似节点集以及节点的上下位关系,构造每个节点与概念体系树中其他节点的相似度的偏序关系;基于上述偏序关系,对于每一个节点,构造该节点的采样集合,在该节点的采样集合中采样得到该节点的训练样本。
在本实施例的一些可选的实现方式中,采样单元402进一步被配置成:若该节点的后代节点集中节点数量不小于最少样本量,则将该节点的后代节点集作为该节点的训练样本;否则,根据偏序关系补充训练样本。
在本实施例的一些可选的实现方式中,采样单元402进一步被配置成:在该节点下挂接至少一个虚节点作为该节点的后代节点;若该节点的后代节点集中节点数量不小于最少样本量,则将该节点的后代节点集作为该节点的训练样本;否则,根据偏序关系补充训练样本。
在本实施例的一些可选的实现方式中,采样单元402进一步被配置成:基于该节点的后代节点的数量和该节点的虚节点的数量计算概念初始权重;根据概念初始权重计算采样分布;根据采样分布在该节点的采样集合中采样得到该节点的训练样本。
下面参考图5,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)500的结构示意图。图5示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
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装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例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。在本公开的实施例中,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。而在本公开的实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备:基于从目标知识体系获得的至少一对上下位词扩展概念体系,其中,概念体系是预先构建的有向无环图结构的树状概念层次网络,有向无环图中的节点是概念,节点间的边是可传递的概念上下位关系;基于扩展后的概念体系构造训练样本;基于扩展后的概念体系构建概念转向量模型;基于训练样本训练概念转向量模型,输出训练好的每个概念的特征向量。
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公开的实施例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,图示了按照本公开各种实施例的系统、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。
描述于本公开的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:一种处理器包括扩展单元、采样单元、构建单元和训练单元。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,扩展单元还可以被描述为“基于从目标知识体系获得的至少一对上下位词扩展概念体系的单元”。
以上描述仅为本公开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,本公开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所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。例如上述特征与本公开中公开的(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 (18)
1.一种用于输出信息的方法,包括:
基于从目标知识体系获得的至少一对上下位词扩展概念体系,其中,所述概念体系是预先构建的有向无环图结构的树状概念层次网络,所述有向无环图中的节点是概念,节点间的边是可传递的概念上下位关系;
基于扩展后的概念体系构造训练样本;
基于扩展后的概念体系构建概念转向量模型;
基于所述训练样本训练所述概念转向量模型,输出训练好的每个概念的特征向量。
2.根据权利要求1所述的方法,其中,所述基于从目标知识体系获得的至少一对上下位词扩展概念体系,包括:
将百科数据的上位体系与概念体系直接映射,构造至少一对上下位词直接补充到所述概念体系中。
3.根据权利要求1所述的方法,其中,所述基于从目标知识体系获得的至少一对上下位词扩展概念体系,包括:
从专业资料中获取垂直领域的知识体系,利用上位预测模型或文本匹配等方式关联到概念体系的节点上,将之补充到所述概念体系中。
4.根据权利要求1所述的方法,其中,所述基于从目标知识体系获得的至少一对上下位词扩展概念体系,包括:
从搜索文本中挖掘词汇,使用序列标注模型预测这些词汇的概念上位,并去掉命名实体,筛选结果补充到概念体系中。
5.根据权利要求1所述的方法,其中,所述基于扩展后的概念体系构造训练样本,包括:
将所述有向无环图转换成概念体系树;
根据所述概念体系树的每个节点的最相似节点集以及节点的上下位关系,构造每个节点与所述概念体系树中其他节点的相似度的偏序关系;
基于上述偏序关系,对于每一个节点,构造该节点的采样集合,在该节点的采样集合中采样得到该节点的训练样本。
6.根据权利要求5所述的方法,其中,所述在该节点的采样集合中采样得到该节点的训练样本,包括:
若该节点的后代节点集中节点数量不小于最少样本量,则将该节点的后代节点集作为该节点的训练样本;
否则,根据所述偏序关系补充训练样本。
7.根据权利要求5所述的方法,其中,所述在该节点的采样集合中采样得到该节点的训练样本,包括:
在该节点下挂接至少一个虚节点作为该节点的后代节点;
若该节点的后代节点集中节点数量不小于最少样本量,则将该节点的后代节点集作为该节点的训练样本;
否则,根据所述偏序关系补充训练样本。
8.根据权利要求5所述的方法,其中,所述在该节点的采样集合中采样得到该节点的训练样本,包括:
基于该节点的后代节点的数量和该节点的虚节点的数量计算概念初始权重;
根据所述概念初始权重计算采样分布;
根据所述采样分布在该节点的采样集合中采样得到该节点的训练样本。
9.一种用于输出信息的装置,包括:
扩展单元,被配置成基于从目标知识体系获得的至少一对上下位词扩展概念体系,其中,所述概念体系是预先构建的有向无环图结构的树状概念层次网络,所述有向无环图中的节点是概念,节点间的边是可传递的概念上下位关系;
采样单元,被配置成基于扩展后的概念体系构造训练样本;
构建单元,被配置成基于扩展后的概念体系构建概念转向量模型;
训练单元,被配置成基于所述训练样本训练所述概念转向量模型,输出训练好的每个概念的特征向量。
10.根据权利要求9所述的装置,其中,所述扩展单元进一步被配置成:
将百科数据的上位体系与概念体系直接映射,构造至少一对上下位词直接补充到所述概念体系中。
11.根据权利要求9所述的装置,其中,所述扩展单元进一步被配置成:
从专业资料中获取垂直领域的知识体系,利用上位预测模型或文本匹配等方式关联到概念体系的节点上,将之补充到所述概念体系中。
12.根据权利要求9所述的装置,其中,所述扩展单元进一步被配置成:
从搜索文本中挖掘词汇,使用序列标注模型预测这些词汇的概念上位,并去掉命名实体,筛选结果补充到概念体系中。
13.根据权利要求9所述的装置,其中,所述采样单元进一步被配置成:
将所述有向无环图转换成概念体系树;
根据所述概念体系树的每个节点的最相似节点集以及节点的上下位关系,构造每个节点与所述概念体系树中其他节点的相似度的偏序关系;
基于上述偏序关系,对于每一个节点,构造该节点的采样集合,在该节点的采样集合中采样得到该节点的训练样本。
14.根据权利要求13所述的装置,其中,所述采样单元进一步被配置成:
若该节点的后代节点集中节点数量不小于最少样本量,则将该节点的后代节点集作为该节点的训练样本;
否则,根据所述偏序关系补充训练样本。
15.根据权利要求13所述的装置,其中,所述采样单元进一步被配置成:
在该节点下挂接至少一个虚节点作为该节点的后代节点;
若该节点的后代节点集中节点数量不小于最少样本量,则将该节点的后代节点集作为该节点的训练样本;
否则,根据所述偏序关系补充训练样本。
16.根据权利要求13所述的装置,其中,所述采样单元进一步被配置成:
基于该节点的后代节点的数量和该节点的虚节点的数量计算概念初始权重;
根据所述概念初始权重计算采样分布;
根据所述采样分布在该节点的采样集合中采样得到该节点的训练样本。
17.一种用于输出信息的电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
18.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910738514.XA CN110457325B (zh) | 2019-08-12 | 2019-08-12 | 用于输出信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910738514.XA CN110457325B (zh) | 2019-08-12 | 2019-08-12 | 用于输出信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110457325A true CN110457325A (zh) | 2019-11-15 |
CN110457325B CN110457325B (zh) | 2022-05-03 |
Family
ID=68485855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910738514.XA Active CN110457325B (zh) | 2019-08-12 | 2019-08-12 | 用于输出信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110457325B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241095A (zh) * | 2020-01-03 | 2020-06-05 | 北京百度网讯科技有限公司 | 用于生成节点的向量表示的方法和装置 |
CN111539209A (zh) * | 2020-04-15 | 2020-08-14 | 北京百度网讯科技有限公司 | 用于实体分类的方法和装置 |
CN111737487A (zh) * | 2020-06-10 | 2020-10-02 | 深圳数联天下智能科技有限公司 | 一种辅助本体构建的方法、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630314A (zh) * | 2008-07-16 | 2010-01-20 | 中国科学院自动化研究所 | 一种基于领域知识的语义查询扩展方法 |
CN103020293A (zh) * | 2012-12-28 | 2013-04-03 | 百度在线网络技术(北京)有限公司 | 一种移动应用的本体库的构建方法及系统 |
CN103970729A (zh) * | 2014-04-29 | 2014-08-06 | 河海大学 | 一种基于语义类的多主题提取方法 |
CN104754001A (zh) * | 2013-12-30 | 2015-07-01 | 方正宽带网络服务股份有限公司 | 云存储系统和数据存储方法 |
US20160019190A1 (en) * | 2012-04-27 | 2016-01-21 | Workiva Inc. | Systems and methods for automated taxonomy concept replacement in an xbrl document |
CN106776884A (zh) * | 2016-11-30 | 2017-05-31 | 江苏大学 | 一种基于多标签组合多分类器的恐怖行为预测方法 |
CN106897437A (zh) * | 2017-02-28 | 2017-06-27 | 北明智通(北京)科技有限公司 | 一种知识系统的高阶规则多分类方法及其系统 |
CN107657035A (zh) * | 2017-09-28 | 2018-02-02 | 北京百度网讯科技有限公司 | 用于生成有向无环图的方法和装置 |
CN109189941A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 用于更新模型参数的方法、装置、设备和介质 |
CN109992665A (zh) * | 2019-03-14 | 2019-07-09 | 广州智语信息科技有限公司 | 一种基于问题目标特征扩展的分类方法 |
-
2019
- 2019-08-12 CN CN201910738514.XA patent/CN110457325B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630314A (zh) * | 2008-07-16 | 2010-01-20 | 中国科学院自动化研究所 | 一种基于领域知识的语义查询扩展方法 |
US20160019190A1 (en) * | 2012-04-27 | 2016-01-21 | Workiva Inc. | Systems and methods for automated taxonomy concept replacement in an xbrl document |
CN103020293A (zh) * | 2012-12-28 | 2013-04-03 | 百度在线网络技术(北京)有限公司 | 一种移动应用的本体库的构建方法及系统 |
CN104754001A (zh) * | 2013-12-30 | 2015-07-01 | 方正宽带网络服务股份有限公司 | 云存储系统和数据存储方法 |
CN103970729A (zh) * | 2014-04-29 | 2014-08-06 | 河海大学 | 一种基于语义类的多主题提取方法 |
CN106776884A (zh) * | 2016-11-30 | 2017-05-31 | 江苏大学 | 一种基于多标签组合多分类器的恐怖行为预测方法 |
CN106897437A (zh) * | 2017-02-28 | 2017-06-27 | 北明智通(北京)科技有限公司 | 一种知识系统的高阶规则多分类方法及其系统 |
CN107657035A (zh) * | 2017-09-28 | 2018-02-02 | 北京百度网讯科技有限公司 | 用于生成有向无环图的方法和装置 |
CN109189941A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 用于更新模型参数的方法、装置、设备和介质 |
CN109992665A (zh) * | 2019-03-14 | 2019-07-09 | 广州智语信息科技有限公司 | 一种基于问题目标特征扩展的分类方法 |
Non-Patent Citations (4)
Title |
---|
HANADY ABDULSALAM: "Classification Using Streaming Random Forests", 《IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING》 * |
崔婉秋: "面向微博短文本的社交与概念化语义扩展搜索方法", 《计算机研究与发展》 * |
李卫疆等: "基于深度学习的概念语义空间查询扩展研究", 《软件导刊》 * |
汤新民等: "基于元模型的模糊Petri网反向传播学习算法", 《系统仿真学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241095A (zh) * | 2020-01-03 | 2020-06-05 | 北京百度网讯科技有限公司 | 用于生成节点的向量表示的方法和装置 |
CN111539209A (zh) * | 2020-04-15 | 2020-08-14 | 北京百度网讯科技有限公司 | 用于实体分类的方法和装置 |
CN111539209B (zh) * | 2020-04-15 | 2023-09-15 | 北京百度网讯科技有限公司 | 用于实体分类的方法和装置 |
CN111737487A (zh) * | 2020-06-10 | 2020-10-02 | 深圳数联天下智能科技有限公司 | 一种辅助本体构建的方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110457325B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11620532B2 (en) | Method and apparatus for generating neural network | |
CN107491534A (zh) | 信息处理方法和装置 | |
US20220100972A1 (en) | Configurable generic language understanding models | |
CN107210033A (zh) | 基于众包来更新用于数字个人助理的语言理解分类器模型 | |
CN109697641A (zh) | 计算商品相似度的方法和装置 | |
CN107251060A (zh) | 针对序列标签器的预训练和/或迁移学习 | |
CN110309316B (zh) | 一种知识图谱向量的确定方法、装置、终端设备和介质 | |
CN110457325A (zh) | 用于输出信息的方法和装置 | |
CN109189938A (zh) | 用于更新知识图谱的方法和装置 | |
CN109740018A (zh) | 用于生成视频标签模型的方法和装置 | |
CN110096584A (zh) | 一种应答方法和装置 | |
CN107145485A (zh) | 用于压缩主题模型的方法和装置 | |
WO2022121801A1 (zh) | 信息处理方法、装置和电子设备 | |
CN110275962A (zh) | 用于输出信息的方法和装置 | |
CN110263287A (zh) | 页面渲染方法及设备 | |
WO2023124005A1 (zh) | 地图兴趣点查询方法、装置、设备、存储介质及程序产品 | |
US11341418B2 (en) | Ascriptive and descriptive entities for process and translation: a limited iterative ontological notation | |
CN110275963A (zh) | 用于输出信息的方法和装置 | |
CN109598304A (zh) | 分类模型校准方法、装置、设备及可读介质 | |
CN109359281A (zh) | 动态表单生成方法及装置 | |
CN110059152A (zh) | 一种文本信息预测模型的训练方法、装置及设备 | |
CN109933217A (zh) | 用于推送语句的方法和装置 | |
CN111008213B (zh) | 用于生成语言转换模型的方法和装置 | |
CN109062560A (zh) | 用于生成信息的方法和装置 | |
EP4083860A1 (en) | Method and apparatus for training item coding model |
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 |