[发明专利]一种基于词嵌入向量的文本检索方法及系统

权利要求书

1.一种基于词嵌入向量的文本检索方法，其特征在于：包括以下过程：

获取目标词语和待检索的包含多个词语的文本数据；

根据获取的目标词语和文本数据，得到所有词语的初始笔画嵌入向量、初始子字符嵌入向量、初始字符嵌入向量和初始词语嵌入向量，进而得到各个词语的词嵌入向量；

根据目标词语与文本数据中各个词语的词嵌入向量的夹角余弦值的差异进行文本数据中词语的聚类，根据聚类结果得到与目标词语匹配的检索结果。

2.如权利要求1所述的基于词嵌入向量的文本检索方法，其特征在于：

将初始笔画嵌入向量与笔画n-gram向量融合，得到融合后的笔画嵌入向量；

根据初始子字符嵌入向量和融合后的笔画嵌入向量，得到子字符嵌入向量；

根据子字符嵌入向量和初始字符嵌入向量，得到字符嵌入向量；

根据字符嵌入向量和初始词嵌入向量，得到各个词语的词嵌入向量。

3.如权利要求2所述的基于词嵌入向量的文本检索方法，其特征在于：

以初始笔画嵌入向量的平均对数似然函数为目标函数，当目标函数取到最大值时，得到笔画嵌入向量。

4.如权利要求2所述的基于词嵌入向量的文本检索方法，其特征在于：

引入笔画关系向量，结合初始子字符嵌入向量、融合后的笔画嵌入向量和笔画关系向量，得到子字符嵌入向量。

5.如权利要求2所述的基于词嵌入向量的文本检索方法，其特征在于：

以子字符嵌入向量的约束项函数和字符嵌入向量的约束项函数的和构建字符嵌入向量的目标函数。

6.如权利要求2所述的基于词嵌入向量的文本检索方法，其特征在于：

引入字符关系向量，根据初始词嵌入向量、字符嵌入向量和字符关系向量，得到词嵌入向量。

7.如权利要求2所述的基于词嵌入向量的文本检索方法，其特征在于：

利用Skip-Gram语言模型得到词语的初始笔画嵌入向量、初始子字符嵌入向量、初始字符嵌入向量和初始词语嵌入向量。

8.一种基于词嵌入向量的文本检索系统，其特征在于：包括：

数据获取模块，被配置为：获取目标词语和待检索的包含多个词语的文本数据；

词嵌入向量获取模块，被配置为：根据获取的目标词语和文本数据，得到所有词语的初始笔画嵌入向量、初始子字符嵌入向量、初始字符嵌入向量和初始词语嵌入向量，进而得到各个词语的词嵌入向量；

词语聚类模块，被配置为：根据目标词语与文本数据中各个词语的词嵌入向量的夹角余弦值的差异进行文本数据中词语的聚类，根据聚类结果得到与目标词语匹配的检索结果。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于词嵌入向量的文本检索方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于词嵌入向量的文本检索方法中的步骤。