[发明专利]基于人工智能的起名方法

权利要求书

1.基于人工智能的起名方法，其特征在于：根据使用者提供的任意名字作为模板，或/和对名字的要求作为标签，基于词向量模型和排序模型，生成候选名字序列。

2.根据权利要求1所述基于人工智能的起名方法，其特征在于：所述模板是使用者希望获得的候选名字范例，所述标签是使用者对名字意蕴的要求；模板和标签数量任意、可以是文字、图片、音频、视频等数据格式；所有模板和标签组成集合T。

3.根据权利要求1所述基于人工智能的起名方法，其特征在于：所述词向量模型，经语料库训练后，可以生成字词向量集V；所述语料库通过对预先搜集的文本集清洗、分词、去停用词和高频词后获得；字词向量集V中包含语料库中字词的特征向量；从V中查找模板和标签集合T中元素的字词向量，得到V的子集VT；同样从V中查找预设名字集H中所有名字对应的字词向量，得到V的另一个子集VH，计算VH中每个向量与VT所有向量在向量空间中距离，获得与模板和标签距离最小、相关度最大的x个名字。

4.根据权利要求3所述的向量在向量空间中距离，用于表征名字与模板或标签的相关度；对于模板和标签的集合T＝{T₁，T₂，...T_i，...T_n)、名字集合H＝{H₁，H₂，...，H_j，...H_m)来说，如果V同时收录了任意T_i和H_j对应的字词向量，那么直接计算字词向量间距离可获得T_i和H_j的相关度；如果V没有同时收录T_i和H_j的字词向量，但收录了组成T_i和H_j的所有单个文字的字词向量，且单个文字数目相等均为s时，分别计算T_i和H_j对应顺位上文字的字词向量距离，获得距离序列D＝{D₁，D₂，...，D_k，...D_s)，其中D_k是T_i与H_j各自第k个文字的字词向量距离，此时T_i和H_j的相关度为

5.根据权利要求4所述的向量空间中距离，其特征在于距离的类型包括但不限于余弦夹角(Cosine)、欧氏距离(Euclidean Distance)、马氏距离(Mahalanobis Distance)、曼哈顿距离(Manhattan Distance)、切比雪夫距离(Chebyshev Distance)、相关系数(Correlation coefficient)等；本发明的一个优选实施例采用将余弦夹角和欧氏距离归一化后加权求和的方式计算；另一个优选实施例采用将余弦夹角和马氏距离归一化后加权求和的方法。

6.根据权利要求1所述的基于人工智能的起名方法，特征在于所述排序模型采用的算法：包括但不限于基于listwise的ListNet、ListMLE等算法，或基于Pairwise的RankNet、LambdaRank等算法；本发明的一个优选实施例采用ListMLE算法；考虑到计算复杂度，另一个优选实施例采用LambdaMART算法；采用上述各类算法的模型通过对训练数据的学习后可得到算分函数对于任意H_j，存在排序总分将作为降序排序依据获得对应的候选名字序列。

7.根据权利要求6所述的训练数据，特征在于包括以下形式：提供基于特定标签或模板的若干名字后，用户对这些名字进行排序的数据；或是专家对这些名字评分的数据，再或是收集使用者在电子终端对这些名字的选择性点击等操作的记录数据。

8.根据权利要求1所述的基于人工智能的起名方法，特征在于：包括在本发明的精神和原则之内，所作的任何更改、等同替换、改进等，均应包含在本发明的保护范围之内，所述的修改、等同替换和改进包括但不限于如下类型：

a.在本发明的优化实施例中，使用者提供了文字形态的模板和标签，但这种形态也可以更改为图片、视频、音频等，但只要在起名过程中，这些形态的数据被转换成文字或字词向量(词向量)用于取名计算，这样的更改同样在本发明的权利保护范围之内；

b.在本发明的优化实施例中，起名过程采用了word2vec词向量模型及其改进后的模型、基于pairwise和listwise的若干排序模型，但在实际应用中，也可以使用其它类型的词向量模型和排序模型进行等同替换，或是在模型使用过程中对模型的某些方法进行更改；只要在起名过程中，采用词向量模型获取名字的字词向量，或采用排序模型进行候选名字排序，这样的等同替换和更改同样在本发明的权利保护范围之内；

c.在本发明的优化实施例中，起名过程用到的词向量模型和排序模型，是以采用本发明所提供方法的技术人员为主体，自行编写程序源代码构建，自行获取数据并进行训练的，但使用这两类模型的方式也可以替换为：集成其它机构或个人提供、基于机器学习及神经网络的模型和方法开发后实现的人工智能框架、软件开发包SDK、开源代码、闭源程序、网络接口API等；不管是显式地采用还是隐式地集成，不论是自行开发还是底层实现，只要采用本发明所描述的方法起名，且起名结果中包含了词向量模型和排序模型的方法要素，同样在本发明的权利保护范围之内；

d.在本发明的优化实施例中，字词向量在向量空间中距离的计算方法采用综合计算余弦夹角和欧氏距离、或综合计算余弦夹角和马氏距离并加权求和的方法，但仍然可以替换为单独或综合计算马氏距离、曼哈顿距离、切比雪夫距离、相关系数等方法；只要在起名过程中通过计算字词向量间距离来获取相关名字，同样在本发明的权利保护范围之内；

e.对本发明各步骤的顺序、模块的取舍、优化实施例中步骤和模块中参数的调整，同样在本发明的权利保护范围之内；

f.本发明的优化实施例中，起名过程不包括对名字的类型、偏好等的显式的筛选和排序，但筛选和排序规则仍然可以被增加在各个环节前后，这些规则包括但不限于：加入对姓氏的考虑、对名字中文字进行增减和修改，对名字类型或名字中任意单字进行限定、设置除语义相关度以外的其它指标对候选名字进行评分和排序。