CN111444676A - 词性标注方法、装置、设备及存储介质 - Google Patents
词性标注方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111444676A CN111444676A CN201811626187.0A CN201811626187A CN111444676A CN 111444676 A CN111444676 A CN 111444676A CN 201811626187 A CN201811626187 A CN 201811626187A CN 111444676 A CN111444676 A CN 111444676A
- Authority
- CN
- China
- Prior art keywords
- speech
- sample
- word
- words
- model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000003062 neural network model Methods 0.000 claims abstract description 21
- 239000002245 particle Substances 0.000 claims description 33
- 230000001419 dependent effect Effects 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000015654 memory Effects 0.000 description 14
- 235000015243 ice cream Nutrition 0.000 description 8
- 241000220223 Fragaria Species 0.000 description 6
- 235000016623 Fragaria vesca Nutrition 0.000 description 6
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000000796 flavoring agent Substances 0.000 description 2
- 235000019634 flavors Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Machine Translation (AREA)
Abstract
本发明实施例公开了一种词性标注方法、装置、设备及存储介质。其中，该方法包括：获取原始语句；将所述原始语句作为词性标注模型的输入，得到所述原始语句中各词语的词性；其中，所述词性标注模型是基于虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练得到的。通过本发明实施例提供的技术方案，提高了原始语句中词语的词性标注准确度。
Description
技术领域
本发明实施例涉及人工智能技术领域，尤其涉及一种词性标注方法、装置、设备及存储介质。
背景技术
自然语言处理中的词性标注是一种获取句子句法语义结构信息的重要分析手段。而汉语是一种缺乏形态变化的语言，高质量的词性分析结果能够有效地提升句法语义分析的水平。但是，汉语词的兼类性强，这为自动的词性标注带来了极大的挑战。
目前主要基于词性标注模型来实现汉语词性的标注，其中，词性标注模型的构建需要高质量的词性标注语料。而获取高质量的词性标注语料对标注者的专业知识要求较高，同时也是一项耗时耗力的工程，很难在短时间内累积大量的语料；且现有的词性标注模型所输出的原始语句中词语的词性标注结果不准确。
发明内容
本发明实施例提供了一种词性标注方法、装置、终端及存储介质，提高了词语的词性标注准确度。
第一方面，本发明实施例提供了一种词性标注方法，该方法包括：
获取原始语句；
将所述原始语句作为词性标注模型的输入，得到所述原始语句中各词语的词性；其中，所述词性标注模型是基于虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练得到的。
第二方面，本发明实施例还提供了一种词性标注装置，该装置包括：
语句获取模块，用于获取原始语句；
词性确定模块，用于将所述原始语句作为词性标注模型的输入，得到所述原始语句中各词语的词性；其中，所述词性标注模型是基于虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练得到的。
第三方面，本发明实施例还提供了一种设备，该设备包括：
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，使得所述一个或多个处理器实现第一方面中任意所述的词性标注方法。
第四方面，本发明实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任意所述的词性标注方法。
本发明实施例提供的词性标注方法、装置、设备及存储介质，通过采用虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练，得到词性标注模型；而后在获取原始语句后，将原始语句输入至该词性标注模型中，可准确的获得原始语句中各词语的词性。相比于现有的词性标注方案，本方案在进行词性标注时，充分考虑了虚词对语句的影响，通过增加词性标注语料增强了词性标注模型的性能，进而提高了原始语句中词语的词性标注准确度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例一中提供的一种词性标注方法的流程图；
图2是本发明实施例二中提供的一种虚词词性确定方法的流程图；
图3是本发明实施例三中提供的一种词性标注方法的流程图；
图4是本发明实施例四中提供的一种词性标注装置的结构框图；
图5是本发明实施例五中提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例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本发明实施例，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种词性标注方法的流程图。本实施例适用于对于给定的原始语句，如何准确给出该原始语句中各词语的词性的情况。该方法可以由本发明实施例提供的词性标注装置来执行，该装置可采用软件和/或硬件的方式实现，该装置可以集成于计算设备上。参见图1，该方法具体包括：
S110，获取原始语句。
本实施例中，原始语句是指待标注词语词性的语句；原始语句可以是直接获取的，用户以文本形式输入的语句；还可以是将用户以语音形式输入的话语转换为文本形式后得到的语句等。
S120，将原始语句作为词性标注模型的输入，得到原始语句中各词语的词性；其中，词性标注模型是基于虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练得到的。
本实施例中，词性是指以词的特点作为划分词类的根据。目前，汉语的词可以分为两类多种词性(或词类)。一类是实词，包括名词、动词、形容词、区别词、代词、数词及量词；另一类是虚词，包括介词、连词、助词、语气词、拟声词及叹词等。
通用词语对应于实词，通过词语词性语料库为大量的样本语句，及只标注实词词性的样本标注语句构成，该通用词语词性语料库可以通过收集海量的现有的词性标注模型的输入及输出结果而构建；虚词词性语料库为大量的样本语句，及只标注虚词词性的样本标注语句构成，其中，虚词词性语料库中的样本虚词的词性的具体确定过程，将在下述实施例中进行介绍。词性标注模型用于对原始语句中的词语进行词性标注。由于汉语拥有丰富的虚词，虚词往往具有极强的句法语义结构的指示性，且虚词的标注精度对句法语义分析的影响要比实词显著得多。因此本实施例在充分考虑虚词特性的基础上，采用大量的样本语句、虚词词性语料库和通用词语词性语料库，共同对神经网络模型训练来构建词性标注模型，以使得词性标注模型能够准确的输出原始语句中各词语的词性。
示例性的，词性标注模型是基于虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练得到的可以包括：
A、采用通用词语词性语料库对神经网络模型进行训练，得到基础词性标注模型；
具体的，可以将通用词语词性语料库作为训练集，输入至神经网络模型中进行训练学习，得到基础词性标注模型。可选的，神经网络模型可以是一阶马尔可夫模型，也可以是其他模型。
B、基于基础词性标注模型的参数，确定虚词词性语料库中样本虚词的词性的后验概率；
本实施例中，后验概率是条件概率中的一种，样本虚词的词性的后验概率中的参数与基础标注模型中的参数相同。
具体的，基于基础词性标注模型的参数，确定虚词词性语料库中样本语句中每一词语的概率分布；而后可以采用前向后向算法确定该样本语句中样本虚词的词性的后验概率。
C、以样本虚词的词性的后验概率作为优化目标，对基础词性标注模型进行优化，得到词性标注模型。
具体的，将样本虚词的词性的后验概率作为优化目标，通过随机梯度等算法来进行求解，从而完成基础词性标注模型中的参数估计；进而依据参数估计结果及基础词性标注模型，即可得到词性标注模型。
需要说明的是，本实施例的技术方案，只需针对虚词来构建优化目标，即可完成在局部标注数据上的模型参数估计，降低了模型优化的复杂度。
本实施例中，在获得原始语句后，可将原始语句输入至预先训练的词性标注模型中，该词性标注模型将准确输出该原始语句中各词语的词性。
本发明实施例提供的技术方案，通过采用虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练，得到词性标注模型；而后在获取原始语句后，将原始语句输入至该词性标注模型中，可准确的获得原始语句中各词语的词性。相比于现有的词性标注方案，本方案在进行词性标注时，充分考虑了虚词对语句的影响，通过增加词性标注语料增强了词性标注模型的性能，进而提高了原始语句中词语的词性标注准确度。
实施例二
图2为本发明实施例二提供的一种虚词词性确定方法的流程图，本实施例在上述实施例一的基础上，进一步的优化，提供了一种确定虚词词性语料库中样本虚词的词性的方案。参见图2，该方法具体包括：
S210，确定样本语句中的样本虚词。
具体的，对于给定的样本语句，可以基于汉语词的特性，从语句中提取样本虚词。例如，样本语句为“我买草莓味冰激凌的时候，张三在打篮球”，其中，样本虚词为“的”。
S220，将样本虚词及样本语句作为语义依存模型的输入，得到与样本虚词相关联的候选词语。
本实施例中，候选词语是指一个语句中除虚词之外的各词语，与该语句中的虚词存在关联关系的词语。可选的，候选词语在语句中的位置，可位于虚词之前或之后。本实施例中，对于给定的语句和虚词，可以采用预先训练的语义依存模型训练得到语句中与虚词相关联的候选词语；还可以通过对语句进行统计分析得到等。可选的，一个样本语句中可能包括一个或多个样本虚词，一个样本语句和一个样本虚词，唯一对应一组候选词语。
语义依存模型用于对给定的语句和虚词，依据虚词与语句中各词语的相关性，从给定的语句中提取出与虚词存在关联关系的候选词语。示例性的，语义依存模型可通过如下方式确定：基于样本虚词及样本语句，采用词语提取规范，对基础语义依存模型进行训练，得到语义依存模型。
本实施例中，语句提取规范是指预先设定的，用于从样本语句中提取候选词语的基准。可选的，语句提取规范能够在保证所提取的候选词语中包括与虚词存在直接依赖关系的词语，同时删除明显不具有语义关系的词语，也就是说，语义依存模型具有较高的召回率，将过滤掉与虚词无关联关系的词语，保留与虚词存在关联关系的词语，降低了后续确定虚词的词性所需的工作量。
将语句提取规范，大量的样本语句、样本虚词及样本虚词相关联的候选词语，作为训练数据集，输入至基础语义依存模型中进行训练学习，直至当把待确定候选词语的原始语句、原始语句中的虚词输入至该模型后，该模型可准确从原始语句中提取出与虚词相关联的候选词语，此时该模型即为语义依存模型。
示例性的基础语义依存模型可以是LSTM(Long Short-Term Memory，长短期记忆)模型、CRF(Conditional random field，条件随机场)及CNN(Convolutional NeuralNetwork，卷积神经网络)模型等中的任意一个；还可以是上述任意模型的组合等。
具体的，将样本虚词及样本语句作为语义依存模型的输入，得到与样本虚词相关联的候选词语。例如，一个样本语句为“我买草莓味冰激凌的时候，张三在打篮球”，样本虚词为“的”。将样本语句和样本虚词输入至语义依存模型中，语义依存模型将从下述各词语：“我”、“买”、“草莓味”、“冰激凌”、“时候”、“张三”、“在”、“打”以及“篮球”中，过滤掉与虚词“的”无关联关系的词语“我”、“张三”、“在”、“打”以及“篮球”；输出与虚词“的”存在关联关系的候选词语“买”、“草莓味”、“冰激凌”以及“时候”。
S230，依据候选词语及样本虚词的语义信息，确定样本虚词的词性。
本实施例中，虚词的语义信息可以包括虚词在语句中的语义，及位置信息等，具体可以为样本虚词在样本语句中的语义等。
具体的，对于一个样本语句以及一个样本虚词，在确定了与该样本虚词相关联的候选词语后，可以依据样本虚词的语义信息，从候选词语中选择一个候选词语，例如可以计算各候选词语与样本虚词在语义上的关联关系值，而后选择关联关系值最大的候选词语，进而依据该候选词语的词性即可样本虚词的词性。为了保证所确定的样本虚词的词性的准确度，还可以是通过与用户进行交互，接收用户通过候选词语及样本虚词的语义信息从候选词语中选择的最终候选词语，而后依据最终候选词语的词性即可样本虚词的词性。
示例性的，依据候选词语及样本虚词的语义信息，确定样本虚词的词性可以包括：
A、依据样本虚词的语义信息，从候选词语中选择与样本虚词存在直接依赖关系的依赖候选词语；
本实施例中，直接依赖关系是指虚词与词语之间，在语义上存在直接关联关系；依赖候选词语即为从候选词语中选出的，与虚词在语义上存在直接关联关系的词语。
具体的，可以对样本语句进行语义分析，确定样本虚词的语义信息；而后基于样本虚词的语义信息，从候选词语中选择与样本虚词存在直接依赖关系的候选词语作为依赖候选词语。也可以是将候选词语和样本语句提供给用户，使用户依据样本虚词的语义信息，从中选择与样本虚词存在直接依赖关系的候选词语作为依赖候选词语。
例如，样本语句为“我买草莓味冰激凌的时候，张三在打篮球”，样本虚词为“的”，候选词语为“买”、“草莓味”、“冰激凌”以及“时候”。基于虚词“的”的语义信息，可得出候选词语“草莓味”、“冰激凌”仅用于修饰或限定场景，候选词语“时候”是结果，而“买”是虚词“的”发出者，因此，可从候选词语中选择“买”作为依赖候选词语。
还可以是词性标注装置直接依据样本虚词的语义信息，从候选词语中选择一个与样本虚词存在直接依赖关系的目标候选词语；而后将候选词语、样本语句，以及所选择的目标候选词语提供给用户，以便用户进行确定；若接收到用户的更改信息，则依据更改信息，从候选词语中选择目标候选词语作为依赖候选词语，并删除之前所选择的目标候选词语；若接收到用户的确定信息，则将目标候选词语作为依赖候选词语。
B、依据所选择的依赖候选词语的词性信息，确定样本虚词的词性。
可选的，候选词语的词性不同，所确定的虚词的词性可能不同。示例性的，若候选词语的词性为动词，则确定的虚词的词性可以为标句词或标句成分。此外，针对虚词“的”而言，所确定的候选词语均为实词。
具体的，在确定与样本虚词存在直接依赖关系的依赖候选词语之后，可以依据该依赖候选词语的词性信息，确定样本虚词的词性。例如，候选词语为“买”、“草莓味”、“冰激凌”以及“时候”，基于虚词“的”的语义信息，从候选词语中选择“买”作为依赖候选词，而后依据“买”的词性信息(即动词)，确定虚词“的”的词性为标句词或标句成分。
本发明实施例提供的技术方案，通过采用间接标注的方式，即依据与虚词在语义上存在直接依赖关系的词语的词性信息，确定虚词的词性，对于母语使用者而言，可以通过对句子语义的理解来完成标注，即对标注者语言学知识的要求较低，从而便于通过众包的方式来构建大规模标注数据。
实施例三
图3为本发明实施例三提供的一种词性标注方法的流程图，本实施例在上述实施例的基础上，进一步的优化，提供了一种优选示例。参见图3，该方法具体包括：
S310，确定样本语句中的样本虚词。
S320，将样本虚词及样本语句作为语义依存模型的输入，得到与样本虚词相关联的候选词语。
S330，依据候选词语及样本虚词的语义信息，确定样本虚词的词性。
S340，采用通用词语词性语料库对神经网络模型进行训练，得到基础词性标注模型。
S350，基于基础词性标注模型的参数，确定虚词词性语料库中样本虚词的词性的后验概率。
S360，以样本虚词的词性的后验概率作为优化目标，对基础词性标注模型进行优化，得到词性标注模型。
S370，获取原始语句。
S380，将原始语句作为词性标注模型的输入，得到原始语句中各词语的词性。
本发明实施例提供的技术方案，通过采用虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练，得到词性标注模型；而后在获取原始语句后，将原始语句输入至该词性标注模型中，可准确的获得原始语句中各词语的词性。相比于现有的词性标注方案，本方案在进行词性标注时，充分考虑了虚词对语句的影响，通过增加词性标注语料增强了词性标注模型的性能，进而提高了原始语句中词语的词性标注准确度。
实施例四
图4为本发明实施例四提供的一种词性标注装置的结构框图，该装置可配置于计算设备中，可执行本发明任意实施例所提供的词性标注方法和/或虚词词性确定方法，具备执行方法相应的功能模块和有益效果。如图4所示，该装置可以包括：
语句获取模块410，用于获取原始语句；
词性确定模块420，用于将原始语句作为词性标注模型的输入，得到原始语句中各词语的词性；其中，词性标注模型是基于虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练得到的。
本发明实施例提供的技术方案，通过采用虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练，得到词性标注模型；而后在获取原始语句后，将原始语句输入至该词性标注模型中，可准确的获得原始语句中各词语的词性。相比于现有的词性标注方案，本方案在进行词性标注时，充分考虑了虚词对语句的影响，通过增加词性标注语料增强了词性标注模型的性能，进而提高了原始语句中词语的词性标注准确度。
示例性的，上述装置还可以包括：词性确定模块，该词性确定模块用于确定虚词词性语料库中样本虚词的词性；
词性确定模块具体通过如下方式确定虚词词性语料库中样本虚词的词性：
确定样本语句中的样本虚词；
将样本虚词及样本语句作为语义依存模型的输入，得到与样本虚词相关联的候选词语；
依据候选词语及样本虚词的语义信息，确定样本虚词的词性。
词性确定模块在依据候选词语及样本虚词的语义信息，确定样本虚词的词性时，可以具体用于：
依据候选词语及样本虚词的语义信息，从候选词语中选择与样本虚词存在直接依赖关系的依赖候选词语；
依据所选择的依赖候选词语的词性信息，确定样本虚词的词性。
示例性的，语义依存模型可以通过如下方式确定：
基于样本虚词及样本语句，采用词语提取规范，对基础语义依存模型进行训练，得到语义依存模型。
示例性的，上述装置还可以包括：模型确定模块，该模型确定模块用于基于虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练得到词性标注模型。
模型确定模块具体可通过如下方式确定词性标注模型：
采用通用词语词性语料库对神经网络模型进行训练，得到基础词性标注模型；
基于基础词性标注模型的参数，确定虚词词性语料库中样本虚词的词性的后验概率；
以样本虚词的词性的后验概率作为优化目标，对基础词性标注模型进行优化，得到词性标注模型。
实施例五
图5为本发明实施例五提供的一种设备的结构示意图，图5示出了适于用来实现本发明实施例实施方式的示例性设备的框图。图5显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的词性标注方法。
实施例六
本发明实施例六还提供一种计算机可读存储介质，其上存储有计算机程序(或称为计算机可执行指令)，该程序被处理器执行时可实现上述任意实施例所述的词性标注方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。
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发明实施例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)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种词性标注方法，其特征在于，包括：
获取原始语句；
将所述原始语句作为词性标注模型的输入，得到所述原始语句中各词语的词性；其中，所述词性标注模型是基于虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练得到的。
2.根据权利要求1所述的方法，其特征在于，所述虚词词性语料库中样本虚词的词性通过如下方式确定：
确定样本语句中的样本虚词；
将所述样本虚词及样本语句作为语义依存模型的输入，得到与所述样本虚词相关联的候选词语；
依据所述候选词语及所述样本虚词的语义信息，确定所述样本虚词的词性。
3.根据权利要求2所述的方法，其特征在于，依据所述候选词语及所述样本虚词的语义信息，确定所述样本虚词的词性，包括：
依据所述样本虚词的语义信息，从所述候选词语中选择与所述样本虚词存在直接依赖关系的依赖候选词语；
依据所选择的依赖候选词语的词性信息，确定所述样本虚词的词性。
4.根据权利要求2所述的方法，其特征在于，所述语义依存模型通过如下方式确定：
基于样本虚词及样本语句，采用词语提取规范，对基础语义依存模型进行训练，得到语义依存模型。
5.根据权利要求1所述的方法，其特征在于，所述词性标注模型是基于虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练得到的，包括：
采用通用词语词性语料库对神经网络模型进行训练，得到基础词性标注模型；
基于所述基础词性标注模型的参数，确定虚词词性语料库中样本虚词的词性的后验概率；
以所述样本虚词的词性的后验概率作为优化目标，对所述基础词性标注模型进行优化，得到所述词性标注模型。
6.一种词性标注装置，其特征在于，包括：
语句获取模块，用于获取原始语句；
词性确定模块，用于将所述原始语句作为词性标注模型的输入，得到所述原始语句中各词语的词性；其中，所述词性标注模型是基于虚词词性语料库和通用词语词性语料库，对神经网络模型进行训练得到的。
7.根据权利要求6所述的装置，其特征在于，还包括：词性确定模块，所述词性确定模块用于确定虚词词性语料库中样本虚词的词性；
所述词性确定模块具体通过如下方式确定虚词词性语料库中样本虚词的词性：
确定样本语句中的样本虚词；
将所述样本虚词及样本语句作为语义依存模型的输入，得到与所述样本虚词相关联的候选词语；
依据所述候选词语及所述样本虚词的语义信息，确定所述样本虚词的词性。
8.根据权利要求7所述的装置，其特征在于，所述词性确定模块在依据所述候选词语及所述样本虚词的语义信息，确定所述样本虚词的词性时，具体用于：
依据所述候选词语及所述样本虚词的语义信息，从所述候选词语中选择与所述样本虚词存在直接依赖关系的依赖候选词语；
依据所选择的依赖候选词语的词性信息，确定所述样本虚词的词性。
9.一种设备，其特征在于，所述设备包括：
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，使得所述一个或多个处理器实现如权利要求1-5中任一项所述的词性标注方法。
10.一种存储介质，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1-5中任一项所述的词性标注方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811626187.0A CN111444676A (zh) | 2018-12-28 | 2018-12-28 | 词性标注方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811626187.0A CN111444676A (zh) | 2018-12-28 | 2018-12-28 | 词性标注方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111444676A true CN111444676A (zh) | 2020-07-24 |
Family
ID=71626497
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811626187.0A Pending CN111444676A (zh) | 2018-12-28 | 2018-12-28 | 词性标注方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111444676A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140079545A (ko) * | 2012-12-14 | 2014-06-27 | 한국전자통신연구원 | 디코딩 방식에 기반한 다국어 형태소 분석 및 품사 태깅 방법 |
| CN105930415A (zh) * | 2016-04-19 | 2016-09-07 | 昆明理工大学 | 一种基于支持向量机的越南语词性标注方法 |
| CN106294311A (zh) * | 2015-06-12 | 2017-01-04 | 科大讯飞股份有限公司 | 一种藏语声调预测方法及系统 |
| CN107608970A (zh) * | 2017-09-29 | 2018-01-19 | 百度在线网络技术（北京）有限公司 | 词性标注模型生成方法和装置 |
| CN107844476A (zh) * | 2017-10-19 | 2018-03-27 | 广州索答信息科技有限公司 | 一种增强的词性标注方法 |
| CN107844473A (zh) * | 2017-09-25 | 2018-03-27 | 沈阳航空航天大学 | 基于语境相似度计算的词义消歧方法 |
-
2018
- 2018-12-28 CN CN201811626187.0A patent/CN111444676A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140079545A (ko) * | 2012-12-14 | 2014-06-27 | 한국전자통신연구원 | 디코딩 방식에 기반한 다국어 형태소 분석 및 품사 태깅 방법 |
| CN106294311A (zh) * | 2015-06-12 | 2017-01-04 | 科大讯飞股份有限公司 | 一种藏语声调预测方法及系统 |
| CN105930415A (zh) * | 2016-04-19 | 2016-09-07 | 昆明理工大学 | 一种基于支持向量机的越南语词性标注方法 |
| CN107844473A (zh) * | 2017-09-25 | 2018-03-27 | 沈阳航空航天大学 | 基于语境相似度计算的词义消歧方法 |
| CN107608970A (zh) * | 2017-09-29 | 2018-01-19 | 百度在线网络技术（北京）有限公司 | 词性标注模型生成方法和装置 |
| CN107844476A (zh) * | 2017-10-19 | 2018-03-27 | 广州索答信息科技有限公司 | 一种增强的词性标注方法 |
Non-Patent Citations (1)
| Title |
|---|
| SUN WEIWEI等, CAPTURING PARADIGMATIC AND SYNTAGMATIC LEXICAL RELATIONS: TOWARDS ACCURATE CHINESE PART-OF-SPEECH TAGGING * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11216504B2 (en) | Document recommendation method and device based on semantic tag | |
| CN108170749B (zh) | 基于人工智能的对话方法、装置及计算机可读介质 | |
| CN108091328B (zh) | 基于人工智能的语音识别纠错方法、装置及可读介质 | |
| CN107220232B (zh) | 基于人工智能的关键词提取方法及装置、设备与可读介质 | |
| CN108829894B (zh) | 口语词识别和语义识别方法及其装置 | |
| US8886514B2 (en) | Means and a method for training a statistical machine translation system utilizing a posterior probability in an N-best translation list | |
| CN107729300B (zh) | 文本相似度的处理方法、装置、设备和计算机存储介质 | |
| CN108052499B (zh) | 基于人工智能的文本纠错方法、装置及计算机可读介质 | |
| CN110276023B (zh) | Poi变迁事件发现方法、装置、计算设备和介质 | |
| CN107729313B (zh) | 基于深度神经网络的多音字读音的判别方法和装置 | |
| CN111090727B (zh) | 语言转换处理方法、装置及方言语音交互系统 | |
| CN108460011B (zh) | 一种实体概念标注方法及系统 | |
| WO2020133960A1 (zh) | 文本质检方法、电子装置、计算机设备及存储介质 | |
| CN103971677A (zh) | 一种声学语言模型训练方法和装置 | |
| CN109284502B (zh) | 一种文本相似度计算方法、装置、电子设备及存储介质 | |
| US11531693B2 (en) | Information processing apparatus, method and non-transitory computer readable medium | |
| CN104573099A (zh) | 题目的搜索方法及装置 | |
| CN111062217A (zh) | 语言信息的处理方法、装置、存储介质及电子设备 | |
| US9311299B1 (en) | Weakly supervised part-of-speech tagging with coupled token and type constraints | |
| CN111597800B (zh) | 同义句的获取方法及装置、设备及存储介质 | |
| CN112347241A (zh) | 一种摘要提取方法、装置、设备及存储介质 | |
| CN110895656B (zh) | 一种文本相似度计算方法、装置、电子设备及存储介质 | |
| CN112185361B (zh) | 一种语音识别模型训练方法、装置、电子设备及存储介质 | |
| CN111126084B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
| CN108268443B (zh) | 确定话题点转移以及获取回复文本的方法、装置 |
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 | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240322 |
|
| AD01 | Patent right deemed abandoned |