[发明专利]一种基于字符提取老挝语词特征的方法

摘要

本发明涉及一种基于字符提取老挝语词特征的方法，属于自然语言处理和机器学习技术领域。由于老挝语料少，老挝语形态结构复杂，导致词稀疏，未登录词多。一般传统的NLP技术是基于词或词跟字符的结合构成输入模型向量。应用在老挝语中，存在词特征难以提取，无未登录词向量的问题。为了解决这些问题，本文提出基于字符向量，利用卷积神经网络提取字符向量的方法。基于字符向量的好处是不需要使用预训练好的词向量等信息。本文可以有效的提取老挝语词特征，因此本发明具有一定的研究意义。

主权项

1.一种基于字符提取老挝语词特征的方法，其特征在于：包括如下步骤：Step1、建立老挝语字符向量矩阵由于老挝字符共有65个，所以建立的老挝语字符向量矩阵的行为65，定义列为60，老挝语字符向量矩阵大小为65*60，通过随机初始化对65个字符建立字符向量矩阵；Step2、构建词向量矩阵构建单个老挝词的词向量矩阵，首先在建立好的老挝语字符向量矩阵中分别找到这个老挝词包括的n个字符向量，然后将这个词的n个字符向量拼接为一个大小为n*60的词向量矩阵；Step3、卷积神经网络模型的构建使用的卷积神经网络模型由6个卷积层和6个池化层组成，池化层在卷积层后面；Step3.1、卷积层使用多个不同尺寸的卷积核进行卷积操作，通过卷积层得到词向量矩阵的特征图；Step3.2、池化层池化的方式采用“MAX POOLING”，即只取对应位置的最大值，而其他的值直接被舍弃掉；Step4、提取特征值将老挝语词的字符向量矩阵输入卷积神经网络模型中提取词特征，将这些特征拼接起来，提取到单个老挝词的特征。