[发明专利]基于人工智能的词汇类别挖掘方法、装置及存储介质

说明书

本发明公开了基于人工智能的词汇类别挖掘方法、装置及存储介质，其中方法包括：从待挖掘语料中挖掘出包含主语的主语句，并将每个主语句中的主语分别作为一个词汇，建立词汇与其所在主语句之间的对应关系；从挖掘出的主语句中筛选出主语描述句，主语描述句为能够体现其对应的词汇所属类别的主语句；针对每个词汇，分别通过对词汇对应的主语描述句进行分析，确定出词汇所属的类别。应用本发明所述方案，能够节省人力成本，提高挖掘效率，并具有普遍适用性。

【技术领域】

本发明涉及计算机应用技术，特别涉及基于人工智能的词汇类别挖掘方法、装置及存储介质。

【背景技术】

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

随着人工智能的发展，文本理解技术变得越来越重要，文本理解技术中很重要的一点就是要理解文本中每个词汇的含义，其中，建立词汇的上位类别是词汇理解的基础。比如，在资讯推荐系统中，词汇类别可用于精准理解资讯主题，在对话系统中，词汇类别可用于精准理解用户意图。

相应地，则需要进行词汇类别挖掘，常用的词汇类别挖掘方式主要有以下两种：

1)文本关系抽取方式：即从显式描述了词汇关系的句子中直接抽取词汇关系，比如，可从句子“苦瓜是一种蔬菜”中抽取出词汇“苦瓜”所属的类别为“蔬菜”；

2)领域词表构建方式：即人工构建领域词汇关系，或从领域文本中挖掘领域词汇，比如，从菜谱中可以挖掘出食材、菜品类词汇。

但是，上述两种方式在实际应用中均会存在一定的问题，如对于方式1)来说，需要待挖掘语料如句子中显式地描述了词汇关系，否则该方式则不适用，即该方式具有很大的局限性，对于方式2)来说，由于需要涉及到人工操作，因此增大了人力成本，且效率低下。

【发明内容】

有鉴于此，本发明提供了基于人工智能的词汇类别挖掘方法、装置及存储介质，能够节省人力成本，提高挖掘效率，并具有普遍适用性。

具体技术方案如下：

一种基于人工智能的词汇类别挖掘方法，包括：

从待挖掘语料中挖掘出包含主语的主语句，并将每个主语句中的主语分别作为一个词汇，建立所述词汇与其所在主语句之间的对应关系；

从挖掘出的主语句中筛选出主语描述句，所述主语描述句为能够体现其对应的词汇所属类别的主语句；

针对每个词汇，分别通过对所述词汇对应的主语描述句进行分析，确定出所述词汇所属的类别。

根据本发明一优选实施例，所述从挖掘出的主语句中筛选出主语描述句包括：

针对每个主语句，分别利用预先设定的规则集来确定出所述主语句是否为主语描述句；

或者，针对每个主语句，分别利用预先训练得到的二分类模型，确定出所述主语句是否为主语描述句。

根据本发明一优选实施例，所述针对每个词汇，分别通过对所述词汇对应的主语描述句进行分析，确定出所述词汇所属的类别包括：

针对每个词汇，分别进行以下处理：

根据所述词汇对应的主语描述句进行粗粒度分类，确定出所述词汇所属的粗粒度类别；

根据所述词汇对应的主语描述句对所述粗粒度类别进行细化，确定出所述词汇所属的细粒度类别；

所述细粒度类别为所述粗粒度类别的下位类别。