[发明专利]语料库生成方法及装置、人机交互处理方法及装置在审
申请号: | 201810712333.5 | 申请日: | 2018-06-29 |
公开(公告)号: | CN110727769A | 公开(公告)日: | 2020-01-24 |
发明(设计)人: | 王晓军 | 申请(专利权)人: | 优视科技(中国)有限公司 |
主分类号: | G06F16/332 | 分类号: | G06F16/332;G06F16/33;G06F40/30;G06F40/289 |
代理公司: | 11545 北京合智同创知识产权代理有限公司 | 代理人: | 李杰 |
地址: | 510627 广东省广州市天河区黄埔大*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 语料库 语料 问答系统 向量类型 向量 人机交互处理 向量生成 语料生成 排链式 索引 应用 | ||
1.一种语料库生成方法,其特征在于,包括:
根据获取的初始语料生成初始语料向量,并确定所述初始语料向量的向量类型;
根据所述向量类型和所述初始语料向量生成具有倒排链式索引的初始语料库。
2.根据权利要求1所述的方法,其特征在于,所述根据获取的初始语料生成初始语料向量,包括:
确定所述初始语料的分词结果,以及所述分词结果中各词对应的词向量;
根据分词结果中各词对应的词向量,生成初始语料向量。
3.根据权利要求2所述的方法,其特征在于,所述确定所述分词结果中各词对应的词向量包括:通过从预设的词向量库中查找并确定所述分词结果中各词对应的词向量。
4.根据权利要求2所述的方法,其特征在于,根据分词结果中各词对应的词向量,生成初始语料向量,包括:
将分词结果中的各词对应的词向量加和,以生成初始语料向量。
5.根据权利要求1-4中任一项所述的方法,其特征在于,确定各所述初始语料向量的向量类型包括:通过乘积量化确定所述初始语料向量的向量类型。
6.根据权利要求5所述的方法,其特征在于,若存在多个初始语料向量,则所述通过乘积量化确定所述初始语料向量的向量类型,包括:
将每个所述初始语料向量均切分为k个子向量,并形成k个子向量集合,其中,k为大于或等于1的正整数;
通过聚类算法对每个所述子向量集合进行聚类,且每个所述子向量集合生成m个类中心,其中,m为大于或等于1的正整数;
确定每个初始语料向量的每个子向量所属的类中心;
根据每个初始语料向量的k个子向量所属的类中心确定每个所述初始语料向量的向量类型。
7.根据权利要求6所述的方法,其特征在于,根据所述向量类型和所述初始语料向量生成具有倒排链式索引的初始语料库,包括:
将具有相同向量类型的初始语料向量及对应的向量类型作为一条倒排链索引的记录数据;
根据各所述记录数据生成具有所述倒排链索引的初始语料库。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据获取的增量语料生成增量语料向量,根据所述增量语料向量生成具有平铺索引的增量语料库,所述增量语料库和所述初始语料库向量形成预设的语料库。
9.一种语料库生成装置,其特征在于,包括:
向量类型确定模块,用于根据获取的初始语料生成初始语料向量,并确定各所述初始语料向量的向量类型;
初始语料库生成模块,用于根据所述向量类型和所述初始语料向量生成具有倒排链式索引的初始语料库。
10.根据权利要求9所述的装置,其特征在于,所述向量类型确定模块用于确定所述初始语料的分词结果,以及所述分词结果中各词对应的词向量;根据分词结果中各词对应的词向量,生成初始语料向量,并确定各所述初始语料向量的向量类型。
11.根据权利要求10所述的装置,其特征在于,所述向量类型确定模块用于确定所述初始语料的分词结果,通过从预设的词向量库中查找并确定所述分词结果中各词对应的词向量;根据分词结果中各词对应的词向量,生成初始语料向量,并确定各所述初始语料向量的向量类型。
12.根据权利要求10所述的装置,其特征在于,所述向量类型确定模块用于确定所述初始语料的分词结果,以及所述分词结果中各词对应的词向量,将分词结果中的各词对应的词向量加和,以生成初始语料向量,并确定各所述初始语料向量的向量类型。
13.根据权利要求9-12中任一项所述的装置,其特征在于,所述向量类型确定模块在确定各所述初始语料向量的向量类型中,通过乘积量化确定所述初始语料向量的向量类型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于优视科技(中国)有限公司,未经优视科技(中国)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810712333.5/1.html,转载请声明来源钻瓜专利网。