CN112818686A - 领域短语挖掘方法、装置和电子设备 - Google Patents
领域短语挖掘方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112818686A CN112818686A CN202110308803.3A CN202110308803A CN112818686A CN 112818686 A CN112818686 A CN 112818686A CN 202110308803 A CN202110308803 A CN 202110308803A CN 112818686 A CN112818686 A CN 112818686A
- Authority
- CN
- China
- Prior art keywords
- phrase
- word vector
- target
- domain
- target text
- 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
- 238000005065 mining Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000013598 vector Substances 0.000 claims abstract description 273
- 238000006243 chemical reaction Methods 0.000 claims abstract description 29
- 238000012549 training Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 abstract description 10
- 230000011218 segmentation Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
- G06V30/19093—Proximity measures, i.e. similarity or distance measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19107—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/196—Recognition using electronic means using sequential comparisons of the image signals with a plurality of references
- G06V30/1983—Syntactic or structural pattern recognition, e.g. symbolic string recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本公开公开了一种领域短语挖掘方法、装置和电子设备,涉及计算机技术领域,尤其涉及语言处理技术领域。具体实现方案为:对目标文本中的领域短语进行词向量转换以获得第一词向量,对所述目标文本中的未知短语进行词向量转换以获得第二词向量,其中,所述领域短语为所述目标文本所属领域中的短语;获取所述第一词向量和所述第二词向量形成的词向量空间,并识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量;基于所述预设数量的目标词向量与所述第二词向量之间的相似度值,确定所述未知短语是否为所述目标文本所属领域的短语。本公开能够提高对领域短语挖掘的效率和准确性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及语言处理技术领域,具体涉及一种领域短语挖掘方法、装置和电子设备。
背景技术
由于领域短语能够代表领域特性并能够区别于其他领域的特征,领域短语的挖掘成为了文字信息处理中重要的基础工作之一。而随着当今互联网技术的迅速发展,网民的创作内容被广泛挖掘和传播,新短语新词汇也不断涌现,挖掘领域短语也就成为了内容挖掘领域的一项重要工作。
发明内容
本公开提供了一种领域短语挖掘方法、装置和电子设备。
根据本公开的第一方面,提供了一种领域短语挖掘方法,包括:
对目标文本中的领域短语进行词向量转换以获得第一词向量,对所述目标文本中的未知短语进行词向量转换以获得第二词向量,其中,所述领域短语为所述目标文本所属领域中的短语;
获取所述第一词向量和所述第二词向量形成的词向量空间,并识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量;
基于所述预设数量的目标词向量与所述第二词向量之间的相似度值,确定所述未知短语是否为所述目标文本所属领域的短语。
根据本公开的第二方面,提供了一种领域短语挖掘装置,包括:
转换模块,用于对目标文本中的领域短语进行词向量转换以获得第一词向量,对所述目标文本中的未知短语进行词向量转换以获得第二词向量,其中,所述领域短语为所述目标文本所属领域中的短语;
识别模块,用于获取所述第一词向量和所述第二词向量形成的词向量空间,并识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量;
确定模块,用于基于所述预设数量的目标词向量与所述第二词向量之间的相似度值,确定所述未知短语是否为所述目标文本所属领域的短语。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据第一方面所述的方法。
本公开提供的技术方案,通过识别第二词向量周围预设数量的第二词向量,也就相当于在聚类过程中加入了约束条件,以避免噪音加入到聚类簇中引发噪音扩大的问题,也就能够提高对未知短语识别判断的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开一实施例提供的领域短语挖掘方法的流程图;
图2是本公开适用的一种领域短语挖掘模型的结构图;
图3是本公开适用的一种领域短语挖掘模型的样例构造示意图;
图4根据本公开一实施例提供的领域短语挖掘装置的结构图;
图5是用来实现本公开实施例的领域短语挖掘方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开提供了一种领域短语挖掘方法。
请参照图1,图1是本公开一实施例提供的领域短语挖掘方法的流程图。如图1所示,所述方法包括以下步骤:
步骤S101、对目标文本中的领域短语进行词向量转换以获得第一词向量,对所述目标文本中的未知短语进行词向量转换以获得第二词向量,其中,所述领域短语为所述目标文本所属领域中的短语。
需要说明地,本公开实施例所提供的领域短语挖掘方法可以是应用于电子设备,如手机、平板电脑、笔记本计算机、台式计算机等。
可选地,文本的所属领域可以是按照不同的分类规则来划分,例如可以是按照学科来划分,如文本的所属领域可以是包括医学、数学、物理、文学等;或者,还可以是按照新闻属性来划分,如文本的所属领域可以是包括军事、经济、政治、体育、娱乐等;或者,文本的所属领域还可以是其他的划分方式,本公开不做具体限定。
本公开实施例中,所述步骤S101之前还可以包括:
获取目标文本,并确定所述目标文本所属领域;
获取所述目标文本中的领域短语及未知短语。
可选地,所述目标文本可以是电子设备基于网络下载获得,或者所述目标文本可以是电子设备已存储的文本,或者还可以是电子设备在线识别到的文本。例如,所述目标文本可以是电子设备基于网络下载得到的学术论文,或者所述目标文本是显示于电子设备当前运行的应用程序界面中的体育新闻,等。
进一步地,电子设备在获取到目标文本后,则确定所述目标文本所述领域。可选地,电子设备可以是通过对目标文本进行关键词识别,通过关键词来确定目标文本所属领域。例如,目标文本为医学类学术论文,则通过对该论文的关键词进行识别,以确定该论文的所属领域为医学。
本公开实施例中,电子设备在确定目标文本所属领域后,则进一步获取目标文本中的领域短语和未知短语。其中,所述领域短语为所述目标文本所属领域中的短语,所述未知短语为无法判断是否属于所述目标文本所属领域的短语。例如,目标文本为医学类学术论文,则目标文本所属领域为医学,该目标文本中包括的“疫苗”、“慢性疾病”等短语也就属于目标文本所属领域中的短语,该目标文本中出现的“高标准、盐要求”、“气不成声”等无法确定是否需属于医学领域的短语也就可以划分为未知短语。这样,也就能够基于目标文本所属领域,对目标文本中的短语进行针对性的划分。
可选地,电子设备在获取到目标文本后,还可以是对目标文本进行切词、词语筛选等预处理。可以理解地,目标文本通常是由若干语句组成,则可以是对目标文本中的语句进行词语筛选,例如可以是将“我们”、“你们”、“的”、“美丽”等常规词或是形容词进行剔除,而后进行切词处理,以得到若干的短语,并进一步识别这些短语是领域短语还是未知短语。所述切词可以是有特定的切词工具定义库;可选地,可以是基于统计学的互信息,左右信息熵筛选新词,并加入到切词工具自定义库中。
可以理解地,通过对目标文本进行切词、词语筛选等预处理,也就能够避免常规词或是形容词对切词的干扰,也能够有助于提高切词处理的准确度,以得到目标文本的领域短语和未知短语。需要说明地,对文本进行切词处理可以是参照相关技术,本公开对切词处理的具体原理做具体赘述。
本公开实施例中,在获取到目标文本的领域短语和未知短语后,分别对所述领域短语和未知短语进行词向量转换,以得到所述领域短语对应的第一词向量以及所述未知短语对应的第二词向量。可选地,所述词向量转换是指将词语转换成向量形式来表示,例如可以是基于word2vec(word to vector)方式来实现。
需要说明的是,在领域短语为多个的情况下,第一词向量也就为多个,一个领域短语经过词向量转换得到其对应的第一词向量。也就是说,第一词向量的数量与领域短语的数量相同,一个领域短语对应一个第一词向量。同样地,第二词向量的数量也与未知短语的数量相同,一个未知短语对应一个第二词向量。
步骤S102、获取所述第一词向量和所述第二词向量形成的词向量空间,并识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量。
本公开实施例中,目标文本中的领域短语和未知短语在进行词向量转换得到第一词向量和第二词向量后,也就能够得到第一词向量和第二词向量形成的词向量空间,第一词向量和第二词向量也就位于该词向量空间内,则识别第二词向量周围的预设数量的目标词向量。例如,预设数量为10,也就是获取距离第二词向量距离最近的10个目标词向量。其中,所述预设数量可以是电子设备预先设定,或者也可以是基于用户操作进行更改。
需要说明的是,本公开中可以是获取任意一个第二词向量周围预设数量的目标词向量,或者也可以是获取每一个第二词向量周围预设数量的目标词向量。所述目标词向量可以是包括第一词向量、第二词向量以及常规短语转换得到的第三词向量;或者,所述目标词向量也可以是仅包括第一词向量和第三词向量。
步骤S103、基于所述预设数量的目标词向量与所述第二词向量之间的相似度值,确定所述未知短语是否为所述目标文本所属领域的短语。
本公开实施例中,在确定第二词向量周围预设数量的目标词向量后,则可以是计算每一个目标词向量与第二词向量的相似度值,基于计算得到的相似度值来确定第二词向量所对应的未知短语是否为所述目标文本所属领域的短语。
例如,假设目标词向量的预设数量为10,也就会计算每一个目标词向量与第二词向量之间的相似度值,这样也就会得到10个相似度值;可以是计算这10个相似度值的平均值,基于平均值的大小来确定未知短语是否为所述目标文本所属领域的短语;或者也可以是对这10个相似度值求和,基于求和后的大小来确定未知短语是否为所述目标文本所属领域的短语。
可以理解地,基于所述预设数量的目标词向量与所述第二词向量之间的相似度值,也就能够得到所述未知短语为所述目标文本所属领域的短语,或者所述未知短语不为所述目标文本所属领域的短语这两种结果。这样,也就能够挖掘出目标文本中属于目标文本所属领域的短语,进而也就能够扩充目标文本所属领域的领域短语。
本公开实施例中,通过将短语转换成词向量以及通过词向量之间的相似度值来确定未知短语是否属于目标文本所属领域的短语,也就是通过聚类的方式来对未知短语进行识别判断。其中,通过识别第二词向量周围预设数量的第二词向量,也就相当于在聚类过程中加入了约束条件,以避免噪音加入到聚类簇中引发噪音扩大的问题,也就能够提高对未知短语识别判断的准确性,也无需标注人员基于人为主观经验来对未知短语进行判断,避免了人为主观经验的影响,在节省了人力的同时也提高了对未知短语识别判断的准确性。
可选地,所述方法还可以包括:
获取所述第一词向量形成的第一聚类簇,并获取预设常规短语转换成第三词向量后形成的第二聚类簇;
获取所述第二词向量与所述第一聚类簇的簇中心之间的第一距离,以及获取所述第二词向量与所述第二聚类簇的簇中心之间的第二距离;
这种情况下,所述识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量包括:
在所述第一距离小于所述第二距离的情况下,识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量。
可以理解地,目标文本中除了能够确定的领域短语外,还包括一些如“我们”、“你们”、“伟大的”、“美丽的”等常规词或是形容词,本公开实施例中可以是将这类短语称为常规短语。其中,所述预设常规短语可以是电子设备预先存储设置的,所述预设常规短语并非是从目标文本中识别出的常规短语。
本公开实施例中,所述词向量空间不仅包括第一词向量和第二词向量,还包括预设常规短语经过词向量转换后得到的第三词向量,则获取第一词向量形成的第一聚类簇,以及第三词向量形成的第二聚类簇,进而也就能够获取到第一聚类簇的簇中心,以及第二聚类簇的簇中心。其中,所述簇中心可以是聚类簇所包括的所有词向量的平均值,进而簇中心也是向量形式。
可选地,计算第二词向量与第一聚类簇的簇中心之间的第一距离,以及计算第二词向量与第二聚类簇的簇中心之间的第二距离。需要说明的是,这种情况下,是选择任意一个第二词向量来作为第二目标词向量,以计算该第二目标词向量与第一聚类簇的簇中心之间的第一距离,以及计算该第二目标词向量与第二聚类簇的簇中心之间的第二距离。
进一步地,比较第一距离与第二距离的大小,若第一距离小于第二距离,说明第二词向量更靠近第一聚类簇的簇中心,而第一聚类簇由第一词向量形成,则可以认为第二词向量更靠近第一词向量对应的领域短语。这种情况下,则识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量,以基于所述预设数量的目标词向量与所述第二词向量之间的相似度值,来确定所述未知短语是否为所述目标文本所属领域的短语。
需要说明地,若第一距离大于第二距离,说明第二词向量更靠近第二聚类簇的簇中心,而第二聚类簇是由预设常规短语转换成第三词向量后形成的,则可以认为第二词向量更有可能是常规领域短语。这种情况下,未知短语更有可能是常规领域短语,属于所述目标文本所属领域的短语的可能性较小,则可以无需对第二词向量周围的目标词向量进行识别,也就可以不进行后续的对未知短语是否属于目标文本所属领域进行识别判断。
本公开实施例中,分别获取第二词向量与第一聚类簇的簇中心之间的第一距离,以及第二词向量与第二聚类簇的簇中心之间的第二距离,通过比较第一距离和第二距离的大小,来确定是否识别第二词向量周围的目标词向量。这样,也就使得第二词向量必须是在更靠近第一聚类簇的簇中心的情况下,才会进一步来判断未知短语是否为目标文本所属领域的短语,也就更加提升了为未知短语判断的准确性。
可选地,所述步骤S103可以包括:
获取每一个所述目标词向量与所述第二词向量之间的目标相似度值,得到所述预设数量的目标相似度值,并获取所述预设数量的目标相似度值的相似度值之和;
在所述相似度值之和大于预设阈值的情况下,确定所述未知短语为所述目标文本所属领域的短语;
在所述相似度值之和小于所述预设阈值的情况下,确定所述未知短语不为所述目标文本所属领域的短语。
本公开实施例中,在获取到预设数量的目标词向量后,计算每一个目标词向量与第二词向量之间的目标相似度值,这样也就会得到预设数量的目标相似度值,并对预设数量的目标相似度值进行求和。例如,电子设备可以是获取距离第二词向量距离最近的10个目标词向量,并分别计算每一个目标词向量与第二词向量之间的目标相似度值,这样也就会得到10个目标相似度值,对这10个目标相似度值进行求和计算,得到相似度值之和。
进一步地,比较相似度值之和与预设阈值的大小,以确定未知短语是否为目标文本所属领域的短语。若相似度值之和大于预设阈值,则确定所述未知短语为所述目标文本所属领域的短语;若相似度值之和小于预设阈值,则确定所述未知短语不为所述目标文本所属领域的短语。
可以理解地,相似度值之和是基于每一个目标词向量与第二词向量之间的相似度值得到的,而目标词向量为距离第二词向量较近的词向量,若二者之间的相似度值越大,说明第二词向量与目标词向量属于同一类短语的可能性更大。其中,预设阈值为预先设定的阈值,预设阈值可以是与第一词向量相关,例如预设阈值为第一词向量的向量均值,若相似度值之和大于预设阈值,说明第二词向量与第一词向量较为相似,则确定未知短语为目标文本所属领域的短语;若相似度值之和小于预设阈值,说明第二词向量与第一词向量相似性较小,则确定未知短语不为目标文本所属领域的短语。这样,也就能够通过相似度值与阈值的比较,来确定未知短语是否为目标文本所属领域的短语,而不再是通过人为经验来进行判断,有效提升了对未知短语识别判断的准确性。另外,这样的方式也能够更加准确、有效地提升对未知短语识别判断的效率,进而也就能够提升对目标文本所属领域短语的挖掘效率。
可选地,所述预设阈值与所述领域短语的数量及预设常规短语的数量相关。也就是说,领域短语的数量及预设常规短语的数量均会影响预设阈值的大小,例如,领域短语的数量越大,而预设常规短语的数量越小,则预设阈值越大。这样,也就使得对未知短语的识别判断还与领域短语的数量和预设常规短语的数量相关,以提升对未知短语判别的准确性。
例如,假设未知短语A,对该未知短语A进行词向量转换得到第二词向量,获取词向量空间中距离该第二词向量距离最近的n个目标词向量,则计算每一个目标词向量与第二词向量的相似度值,并对获得的n个相似度值进行求和,以得到相似度值之和,比较该相似度值之和与预设阈值的大小。其中,具体的计算公式如下:
其中,psum(X)表示n个目标词向量与第二词向量之间相似度值之和;Pi表示n个目标词向量中对应的第i个目标词向量与第二词向量之间的相似度;r(x)表示第二词向量与其周围的第一词向量的情况以及这些第一词向量与第一聚类簇的簇中心距离的情况;centerpos表示第一聚类簇的簇中心对应的向量;cosine(x,centerpos)表示第二词向量与第一聚类簇的簇中心之间的距离;centerneg表示第二聚类簇的簇中心对应的向量;cosine(x,centerneg)表示第二词向量与第二聚类簇的簇中心之间的距离。
需要说明地,目标词向量为第一词向量的情况下,r(x)=cosine(x,centerpos);当目标词向量为第三词向量的情况下,r(x)=-10*cosine(x,centerneg);当目标词向量为第二词向量的情况下,则r(x)=0。
可选地,所述预设阈值可以是基于如下公式计算得到:
其中,kth(x)表示的是预设阈值,possize表示的是领域短语的数量,negsize表示的是预设常规短语的数量,totalsample表示的是未知短语、领域短语与常规预设短语的总量,tth(x)表示惩罚系数。
可选地,在目标词向量为第一词向量的情况下, 在目标词向量为第三词向量的情况下, 这样,也就使得预设阈值与领域短语的数量及预设常规短语的数量均相关,例如当目标词向量为第一词向量的情况下,领域短语的占比数量更大,惩罚系数也就越大,进而预设阈值也更大。通过这样的设置,也就能够进一步基于领域短语的数量和预设常规短语的数量来对本公开提供的聚类方案进行约束,也就是会影响对未知短语是否属于目标文本所属领域的判别。
需要说明的是,本公开实施例在完成对未知短语的判别之后,可以是再基于上述步骤对目标文本再进行一次未知短语的判别,以挖掘出更多属于目标文本所属领域的短语,扩充目标文本所属领域内的短语数量,有助于更好地辅助下游任务的实现,如文本内容召回、多级标签等。
可选地,本公开实施例所提供的方法还包括:
在确定所述未知短语为所述目标文本所属领域的短语的情况下,将所述未知短语作为领域短语挖掘模型的训练正样本,所述训练正样本进行词向量转换后属于第一聚类簇;
在确定所述未知短语不为所述目标文本所属领域的短语的情况下,将所述未知短语作为领域短语挖掘模型的训练负样本,所述训练负样本进行词向量转换后属于第二聚类簇;
本公开实施例中,在完成对未知短语的识别后,则可以是将识别后的未知短语作为领域短语挖掘模型的训练正样本或训练负样本,进而以通过扩充领域短语挖掘模型的样本数量,以更好地实现对领域短语挖掘模型的训练。
需要说明地,所述领域短语挖掘模型为神经网络模型,对所述领域短语挖掘模型的训练方式可以是参照相关技术中神经网络模型的训练方式,本公开对此不做赘述。
可选地,所述领域短语挖掘模型为孪生网络结构模型。如图2所示,孪生网络结构模型使用三塔的结构,但各塔的网络层参数共享。其中,anchor表示的是目标样例,R-Pos(relative positive sample)表示目标样例对的同类样例中心,如果目标样例为训练正样本,或者说为领域短语,则相对的样例为训练正样本,如果目标样例为训练负样本,或者说预设常规短语,则相对的样例为训练负样本。R-Neg(relative negative sample)表示和目标样例对应的相反样例中心,如果目标样例为训练正样本,则相对的样例为训练负样本,如果目标样例为训练负样本,则相对的样例为训练正样本。R(anchor,R-*):表示余弦相似度(cosine similarity)。余弦相似度表达式为:
其中,cosine(A,B)表示样例A和样例B之间的余弦相似度;所述领域短语挖掘模型的网络层使用rule激活函数,网络参数W={w1,w2,w3},B={b1,b2,b3},初始化使用均匀分布(uniform distribution),均匀分布取值范围为:[-param_range,param_range],其中:
其中,outputsize表示输出参数,inputsize表示输入参数。
可选地,所述领域短语挖掘模型可以是采用Triplet-Center Loss作为损失函数的主体,其中,Triplet-Center Loss可以是遵循如下准则:近似样例之间的距离越小越好;非近似样例的距离如果小于阈值,则通过互斥使两者距离不小于该阈值。其中,损失函数的计算方式如下:
loss=max(margin-cosine(anchor,RPos)+cosine(anchor,RNeg),0)
其中,margin表示阈值,cosine(anchor,RPos)表示目标样例和训练正样本之间的余弦相似度;cosine(anchor,RNeg)表示目标样例和训练负样本之间的余弦相似度。
例如,在所述领域短语挖掘模型的样例构造过程中,可以是遍历正负样本作为anchor,对于正样本P={p1,p2,…,pn},负样本N={n1,n2,…,nn},如果anchor为正样本,则取正样本库中最不相似的样本为R-Pos,取负样本库中最相似的样本为N-Neg,如果anchor为负样本,则取负样本库中最不相似的样本为R-Pos,正样本库中最相似的样本为R-Neg。如图3所示,anchor为0.67,为正样本,则可以是选择正样本库中最不相似的样本0作为R-Pos,选择负样本库中最不相似的-0.3为N-Neg。这样,也就完成了对领域短语挖掘模型的样例构造,进而以更好地实现对领域短语挖掘模型的训练,以提升领域短语挖掘模型的准确性。
本公开还提供了一种领域短语挖掘装置。
请参照图4,图4是本公开一实施例提供的领域短语挖掘装置的结构图。如图4所示,所述领域短语挖掘装置400包括:
转换模块401,用于对目标文本中的领域短语进行词向量转换以获得第一词向量,对所述目标文本中的未知短语进行词向量转换以获得第二词向量,其中,所述领域短语为所述目标文本所属领域中的短语;
识别模块402,用于获取所述第一词向量和所述第二词向量形成的词向量空间,并识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量;
确定模块403,用于基于所述预设数量的目标词向量与所述第二词向量之间的相似度值,确定所述未知短语是否为所述目标文本所属领域的短语。
可选地,所述领域短语挖掘装置400还包括:
第一获取模块,用于获取所述第一词向量形成的第一聚类簇,并获取预设常规短语转换成第三词向量后形成的第二聚类簇;
第二获取模块,用于获取所述第二词向量与所述第一聚类簇的簇中心之间的第一距离,以及获取所述第二词向量与所述第二聚类簇的簇中心之间的第二距离;
所述识别模块402还用于:
在所述第一距离小于所述第二距离的情况下,识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量。
可选地,所述确定模块403还用于:
获取每一个所述目标词向量与所述第二词向量之间的目标相似度值,得到所述预设数量的目标相似度值,并获取所述预设数量的目标相似度值的相似度值之和;
在所述相似度值之和大于预设阈值的情况下,确定所述未知短语为所述目标文本所属领域的短语;
在所述相似度值之和小于所述预设阈值的情况下,确定所述未知短语不为所述目标文本所属领域的短语。
可选地,所述预设阈值与所述领域短语的数量及预设常规短语的数量相关。
可选地,所述确定模块403还用于:
在确定所述未知短语为所述目标文本所属领域的短语的情况下,将所述未知短语作为领域短语挖掘模型的训练正样本,所述训练正样本进行词向量转换后属于第一聚类簇;
在确定所述未知短语不为所述目标文本所属领域的短语的情况下,将所述未知短语作为领域短语挖掘模型的训练负样本,所述训练负样本进行词向量转换后属于第二聚类簇;
其中,所述领域短语挖掘模型为孪生网络结构模型。
需要说明地,本实施例提供的领域短语挖掘装置400能够实现上述领域短语挖掘方法实施例的全部技术方案,因此至少能够实现上述全部技术效果,此处不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元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。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如领域短语挖掘方法。例如,在一些实施例中,领域短语挖掘方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的领域短语挖掘方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行领域短语挖掘方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (13)
1.一种领域短语挖掘方法,包括:
对目标文本中的领域短语进行词向量转换以获得第一词向量,对所述目标文本中的未知短语进行词向量转换以获得第二词向量,其中,所述领域短语为所述目标文本所属领域中的短语;
获取所述第一词向量和所述第二词向量形成的词向量空间,并识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量;
基于所述预设数量的目标词向量与所述第二词向量之间的相似度值,确定所述未知短语是否为所述目标文本所属领域的短语。
2.根据权利要求1所述的方法,还包括:
获取所述第一词向量形成的第一聚类簇,并获取预设常规短语转换成第三词向量后形成的第二聚类簇;
获取所述第二词向量与所述第一聚类簇的簇中心之间的第一距离,以及获取所述第二词向量与所述第二聚类簇的簇中心之间的第二距离;
所述识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量包括:
在所述第一距离小于所述第二距离的情况下,识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量。
3.根据权利要求1所述的方法,其中,所述基于所述预设数量的目标词向量与所述第二词向量之间的相似度值,确定所述未知短语是否为所述目标文本所属领域的短语包括:
获取每一个所述目标词向量与所述第二词向量之间的目标相似度值,得到所述预设数量的目标相似度值,并获取所述预设数量的目标相似度值的相似度值之和;
在所述相似度值之和大于预设阈值的情况下,确定所述未知短语为所述目标文本所属领域的短语;
在所述相似度值之和小于所述预设阈值的情况下,确定所述未知短语不为所述目标文本所属领域的短语。
4.根据权利要求3所述的方法,其中,所述预设阈值与所述领域短语的数量及预设常规短语的数量相关。
5.根据权利要求1所述的方法,还包括:
在确定所述未知短语为所述目标文本所属领域的短语的情况下,将所述未知短语作为领域短语挖掘模型的训练正样本,所述训练正样本进行词向量转换后属于第一聚类簇;
在确定所述未知短语不为所述目标文本所属领域的短语的情况下,将所述未知短语作为领域短语挖掘模型的训练负样本,所述训练负样本进行词向量转换后属于第二聚类簇;
其中,所述领域短语挖掘模型为孪生网络结构模型。
6.一种领域短语挖掘装置,包括:
转换模块,用于对目标文本中的领域短语进行词向量转换以获得第一词向量,对所述目标文本中的未知短语进行词向量转换以获得第二词向量,其中,所述领域短语为所述目标文本所属领域中的短语;
识别模块,用于获取所述第一词向量和所述第二词向量形成的词向量空间,并识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量;
确定模块,用于基于所述预设数量的目标词向量与所述第二词向量之间的相似度值,确定所述未知短语是否为所述目标文本所属领域的短语。
7.根据权利要求6所述的装置,还包括:
第一获取模块,用于获取所述第一词向量形成的第一聚类簇,并获取预设常规短语转换成第三词向量后形成的第二聚类簇;
第二获取模块,用于获取所述第二词向量与所述第一聚类簇的簇中心之间的第一距离,以及获取所述第二词向量与所述第二聚类簇的簇中心之间的第二距离;
所述识别模块还用于:
在所述第一距离小于所述第二距离的情况下,识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量。
8.根据权利要求6所述的装置,其中,所述确定模块还用于:
获取每一个所述目标词向量与所述第二词向量之间的目标相似度值,得到所述预设数量的目标相似度值,并获取所述预设数量的目标相似度值的相似度值之和;
在所述相似度值之和大于预设阈值的情况下,确定所述未知短语为所述目标文本所属领域的短语;
在所述相似度值之和小于所述预设阈值的情况下,确定所述未知短语不为所述目标文本所属领域的短语。
9.根据权利要求8所述的装置,其中,所述预设阈值与所述领域短语的数量及预设常规短语的数量相关。
10.根据权利要求6所述的装置,所述确定模块还用于:
在确定所述未知短语为所述目标文本所属领域的短语的情况下,将所述未知短语作为领域短语挖掘模型的训练正样本,所述训练正样本进行词向量转换后属于第一聚类簇;
在确定所述未知短语不为所述目标文本所属领域的短语的情况下,将所述未知短语作为领域短语挖掘模型的训练负样本,所述训练负样本进行词向量转换后属于第二聚类簇;
其中,所述领域短语挖掘模型为孪生网络结构模型。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110308803.3A CN112818686B (zh) | 2021-03-23 | 2021-03-23 | 领域短语挖掘方法、装置和电子设备 |
KR1020220002376A KR20220010045A (ko) | 2021-03-23 | 2022-01-06 | 영역 프레이즈 마이닝 방법, 장치 및 전자 기기 |
US17/574,671 US20220138424A1 (en) | 2021-03-23 | 2022-01-13 | Domain-Specific Phrase Mining Method, Apparatus and Electronic Device |
JP2022004275A JP7351942B2 (ja) | 2021-03-23 | 2022-01-14 | 分野フレーズマイニング方法、装置及び電子機器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110308803.3A CN112818686B (zh) | 2021-03-23 | 2021-03-23 | 领域短语挖掘方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112818686A true CN112818686A (zh) | 2021-05-18 |
CN112818686B CN112818686B (zh) | 2023-10-31 |
Family
ID=75863512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110308803.3A Active CN112818686B (zh) | 2021-03-23 | 2021-03-23 | 领域短语挖掘方法、装置和电子设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220138424A1 (zh) |
JP (1) | JP7351942B2 (zh) |
KR (1) | KR20220010045A (zh) |
CN (1) | CN112818686B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114818693A (zh) * | 2022-03-28 | 2022-07-29 | 平安科技(深圳)有限公司 | 一种语料匹配的方法、装置、计算机设备及存储介质 |
WO2024043355A1 (ko) * | 2022-08-23 | 2024-02-29 | 주식회사 아카에이아이 | 언어 데이터를 관리하는 방법 및 그를 이용한 서버 |
CN115495507B (zh) * | 2022-11-17 | 2023-03-24 | 江苏鸿程大数据技术与应用研究院有限公司 | 一种工程材料信息价格匹配方法、系统及存储介质 |
CN116450830B (zh) * | 2023-06-16 | 2023-08-11 | 暨南大学 | 一种基于大数据的智慧校园推送方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263343A (zh) * | 2019-06-24 | 2019-09-20 | 北京理工大学 | 基于短语向量的关键词抽取方法及系统 |
CN110442760A (zh) * | 2019-07-24 | 2019-11-12 | 银江股份有限公司 | 一种问答检索系统的同义词挖掘方法及装置 |
CN111814474A (zh) * | 2020-09-14 | 2020-10-23 | 智者四海(北京)技术有限公司 | 领域短语挖掘方法及装置 |
CN111949767A (zh) * | 2020-08-20 | 2020-11-17 | 深圳市卡牛科技有限公司 | 一种文本关键词的查找方法、装置、设备和存储介质 |
CN112101043A (zh) * | 2020-09-22 | 2020-12-18 | 浙江理工大学 | 一种基于注意力的语义文本相似度计算方法 |
CN112328655A (zh) * | 2020-11-02 | 2021-02-05 | 中国平安人寿保险股份有限公司 | 文本标签挖掘方法、装置、设备及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010231526A (ja) * | 2009-03-27 | 2010-10-14 | Nec Corp | 辞書構築装置、辞書構築方法および辞書構築用プログラム |
US10372739B2 (en) * | 2014-03-17 | 2019-08-06 | NLPCore LLC | Corpus search systems and methods |
CN107092588B (zh) * | 2016-02-18 | 2022-09-09 | 腾讯科技(深圳)有限公司 | 一种文本信息处理方法、装置和系统 |
US10929439B2 (en) * | 2018-06-22 | 2021-02-23 | Microsoft Technology Licensing, Llc | Taxonomic tree generation |
US11157539B2 (en) * | 2018-06-22 | 2021-10-26 | Microsoft Technology Licensing, Llc | Topic set refinement |
CN110858217A (zh) * | 2018-08-23 | 2020-03-03 | 北大方正集团有限公司 | 微博敏感话题的检测方法、装置及可读存储介质 |
US10459962B1 (en) * | 2018-09-19 | 2019-10-29 | Servicenow, Inc. | Selectively generating word vector and paragraph vector representations of fields for machine learning |
US11250214B2 (en) * | 2019-07-02 | 2022-02-15 | Microsoft Technology Licensing, Llc | Keyphrase extraction beyond language modeling |
-
2021
- 2021-03-23 CN CN202110308803.3A patent/CN112818686B/zh active Active
-
2022
- 2022-01-06 KR KR1020220002376A patent/KR20220010045A/ko active IP Right Grant
- 2022-01-13 US US17/574,671 patent/US20220138424A1/en active Pending
- 2022-01-14 JP JP2022004275A patent/JP7351942B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263343A (zh) * | 2019-06-24 | 2019-09-20 | 北京理工大学 | 基于短语向量的关键词抽取方法及系统 |
CN110442760A (zh) * | 2019-07-24 | 2019-11-12 | 银江股份有限公司 | 一种问答检索系统的同义词挖掘方法及装置 |
CN111949767A (zh) * | 2020-08-20 | 2020-11-17 | 深圳市卡牛科技有限公司 | 一种文本关键词的查找方法、装置、设备和存储介质 |
CN111814474A (zh) * | 2020-09-14 | 2020-10-23 | 智者四海(北京)技术有限公司 | 领域短语挖掘方法及装置 |
CN112101043A (zh) * | 2020-09-22 | 2020-12-18 | 浙江理工大学 | 一种基于注意力的语义文本相似度计算方法 |
CN112328655A (zh) * | 2020-11-02 | 2021-02-05 | 中国平安人寿保险股份有限公司 | 文本标签挖掘方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112818686B (zh) | 2023-10-31 |
JP2022050622A (ja) | 2022-03-30 |
US20220138424A1 (en) | 2022-05-05 |
JP7351942B2 (ja) | 2023-09-27 |
KR20220010045A (ko) | 2022-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112818686B (zh) | 领域短语挖掘方法、装置和电子设备 | |
CN113239705A (zh) | 语义表示模型的预训练方法、装置、电子设备和存储介质 | |
CN113011155B (zh) | 用于文本匹配的方法、装置、设备和存储介质 | |
CN113128209B (zh) | 用于生成词库的方法及装置 | |
CN112749300A (zh) | 用于视频分类的方法、装置、设备、存储介质和程序产品 | |
CN113988157A (zh) | 语义检索网络训练方法、装置、电子设备及存储介质 | |
CN114254636A (zh) | 文本处理方法、装置、设备及存储介质 | |
CN112925912B (zh) | 文本处理方法、同义文本召回方法及装置 | |
CN112906368B (zh) | 行业文本增量方法、相关装置及计算机程序产品 | |
CN117271884A (zh) | 确定推荐内容的方法、装置、电子设备及存储介质 | |
CN113641724B (zh) | 知识标签挖掘方法、装置、电子设备及存储介质 | |
CN116227569A (zh) | 预训练语言模型及可解释性方法的性能评估方法及装置 | |
CN113190679B (zh) | 关系确定方法、装置、电子设备和存储介质 | |
CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN114329206A (zh) | 标题生成方法和装置、电子设备、计算机可读介质 | |
CN113408269A (zh) | 文本情感分析方法和装置 | |
CN112784046A (zh) | 文本聚簇的方法、装置、设备及存储介质 | |
CN116244432B (zh) | 语言模型的预训练方法、装置及电子设备 | |
CN113360602B (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
EP4109323A2 (en) | Method and apparatus for identifying instruction, and screen for voice interaction | |
CN113869406A (zh) | 噪声样本的识别方法、装置、电子设备以及存储介质 | |
CN115982466A (zh) | 检索数据的方法、装置、设备以及存储介质 | |
CN116955447A (zh) | 标签挖掘方法、装置、电子设备及存储介质 | |
CN117312666A (zh) | 一种意图推荐方法、装置、电子设备及存储介质 | |
CN113343047A (zh) | 数据处理方法、数据检索方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |