[发明专利]一种基于孪生神经网络的英语句子词义消岐方法

权利要求书

1.基于孪生神经网络的英语句子词义消岐方法，其特征在于，该方法包括以下步骤：

步骤1：对语料所包含的所有英语句子进行数据清洗，包括停用词处理，标点处理等，然后进行分词、词性标注和语义类标注，选取歧义词汇左右四个邻接词汇单元的词形、词性和语义类作为消岐特征；

步骤2：使用Word2Vec工具将词形、词性和语义类特征进行向量化处理；将处理好的语料分为训练语料和测试语料，其中训练语料占大部分；

步骤3：在训练语料中划分每个语义类别对应的基准样本实例及构建孪生神经网络所需要的输入样本对，包括正样本对和负样本对；

步骤4：训练过程为：将训练语料构建的输入样本对输入到孪生神经网络模型里面进行训练，得到优化后的孪生神经网络模型；

步骤5：测试过程为：将测试语料中的待测样本实例与训练语料中的基准样本实例组成输入样本对，在优化后的孪生神经网络中进行预测，计算待测样本实例与各个基准样本实例的相似性，具有最高相似度基准样本实例所对应的类别作为该待测样本实例的类别，完成词义消歧。

2.根据权利要求1所述的基于孪生神经网络的英语句子词义消岐方法，其特征在于，所述步骤1中，对英语句子进行分词、词性标注和语义类标注，提取消岐特征，具体步骤为：

步骤1-1利用英语句子的特点，对英语句子进行词汇切分；

步骤1-2利用英语词性标注工具对已切分好的词汇进行词性标注；

步骤1-3利用英语语义标注工具对已切分好的词汇进行语义类标注；

利用英语分词工具、英语词性标注工具和英语语义标注工具对语料所包含的所有英语句子进行词汇切分、词性标注和语义类标注，选取歧义词汇左右四个邻接词汇单元的词形、词性和语义类作为消岐特征。

3.根据权利要求1所述的基于孪生神经网络的英语句子词义消岐方法，其特征在于，所述步骤2中，对消歧特征进行向量化处理，具体步骤为：

步骤2-1提取歧义词汇的左右四个邻接词汇单元的词形、词性和语义类；

步骤2-2对提取的词形、词性和语义类特征使用Word2Vec工具分别进行向量化表示；

步骤2-3经过向量化表示后，每个特征对应于100维的特征向量；

选取一小部分处理好的语料作为测试语料，其余的作为训练语料。

4.根据权利要求1所述的基于孪生神经网络的英语句子词义消岐方法，其特征在于，所述步骤3中，在训练语料中划分每个语义类别对应的基准样本实例及构建孪生神经网络所需要的输入样本对，具体步骤为：

步骤3-1将训练语料(N)不同语义类别的样本实例归于一类，待测试阶段使用；

步骤3-2将训练语料(N)的单个样本实例两两随机匹配成输入样本对，同一个语义类别的实例两两构成正样本对，反之为负样本对；

步骤3-3为了提高训练效果，训练阶段对输入样本对进行扩容，输入样本对的数量设置为20*N；

输入样本对构建完成，形成训练集。