[发明专利]同义短语获取方法及装置

说明书

本公开是关于同义短语获取方法及装置。该方法包括：获取多个样本语料，每个样本语料包括多个词；对多个样本语料进行粘接，每个粘接后的样本语料包括多个短语，每个短语由相邻N个词粘接而成，N＞1；在多个样本语料中确定目标语料，并确定目标短语与目标短语上下文语料，目标短语为粘接后的目标语料中的短语，目标短语上下文语料包括目标语料中目标短语上下文的词；根据目标短语上下文语料、目标短语以及多个粘接后的样本语料获取多个粘接后的样本语料中每个短语与目标短语之间的相似度，并将相似度满足预设要求的一个或多个短语确定为目标短语的同义短语。该技术方案能够提高所确定目标短语的同义短语的准确性，改善了用户体验。

技术领域

本公开涉及数据处理技术领域，尤其涉及同义短语获取方法及装置。

背景技术

同义词是指与给定词发音不同而意义相同或基本相同的词语，为给定词找出相应的同义词集是自然语言理解的一个重要课题，其在自然语言理解领域发挥着关键性的作用，例如通过替换用户提出的问题中的同义词，可以将用户提出的问题与问答数据库中的事先准备好的预设问题关联起来，并进一步根据该预设问题获得相应的答案，达到根据该答案自动回答用户提出的问题的目的

发明内容

为克服相关技术中存在的问题，本公开的实施例提供一种同义短语获取方法及装置。技术方案如下：

根据本公开的实施例的第一方面，提供一种同义短语获取方法，包括：

获取多个样本语料，每个样本语料包括多个词；

对多个样本语料进行粘接，每个粘接后的样本语料包括多个短语，每个短语由相邻N个词粘接而成，N＞1；

在多个样本语料中确定目标语料，并确定目标短语与目标短语上下文语料，目标短语为粘接后的目标语料中的短语，目标短语上下文语料包括目标语料中目标短语上下文的词；

根据目标短语上下文语料、目标短语以及多个粘接后的样本语料获取多个粘接后的样本语料中每个短语与目标短语之间的相似度，并将相似度满足预设要求的一个或多个短语确定为目标短语的同义短语。

本公开的实施例提供的技术方案中，通过获取多个样本语料，并对多个样本语料进行粘接，每个粘接后的样本语料包括多个由相邻N个词粘接而成的短语，在多个样本语料中确定目标语料，并确定目标短语与目标短语上下文语料，根据目标短语上下文语料、目标短语以及多个粘接后的样本语料获取多个粘接后的样本语料中每个短语与目标短语之间的相似度，并将相似度满足预设要求的一个或多个短语确定为目标短语的同义短语。由于在上述步骤中，粘接后的样本语料中的短语是由相邻N个词粘接而成的，而目标短语也是由相邻N个词粘接而成的，因此所确定的相似度满足预设要求的一个或多个短语不但在自身语义上与目标短语较为接近，并且由于短语的含义较单个词更为复杂，既短语能够反映词与词之间的上下文关系，因此该一个或多个短语能够较为准确的体现目标短语在目标语料中的语境，从而提高了确定目标短语的同义短语的准确性，改善了用户体验。

在一个实施例中，根据目标短语上下文语料、目标短语以及多个粘接后的样本语料获取多个粘接后的样本语料中每个短语与目标短语之间的相似度，并将相似度满足预设要求的一个或多个短语确定为目标短语的同义短语，包括：

对多个粘接后的样本语料以及目标短语上下文语料进行编码，每个编码后的样本语料包括该样本语料中每个短语对应的短语向量，编码后的目标短语上下文语料包括目标短语上下文语料中每个词的词向量；

根据编码后的目标短语上下文语料生成训练输出参数；

将目标短语对应的短语向量作为文本向量训练模型的输入，将训练输出参数作为文本向量训练模型的输出，对粘接后的每个样本语料中每个短语对应的短语向量进行训练；

获取训练后的每个短语对应的短语向量与目标短语对应的短语向量之间的相似度，并将相似度满足预设要求的一个或多个短语向量对应的短语确定为目标短语的同义短语。