词的检测方法及装置、存储介质、电子装置制造方法及图纸

本发明专利技术实施例提供了一种词的检测方法及装置、存储介质、电子装置，该方法包括：确定待处理句子中的目标词的词隐状态向量和句子的句子隐状态向量；基于词隐状态向量增强目标词与其他词之间的关系，得到增强后的词隐状态向量；拼接增强后的词隐状态向量和句子隐状态向量，得到拼接隐状态向量；利用拼接隐状态向量在句子中对目标词进行检测，以在句子中确定与目标词相关联的词。通过本发明专利技术，解决了相关技术中对词的检测准确性低的问题，达到可以准确的在句子中检测出关联词的效果。

【技术实现步骤摘要】
词的检测方法及装置、存储介质、电子装置
本专利技术实施例涉及通信领域，具体而言，涉及一种词的检测方法及装置、存储介质、电子装置。
技术介绍
随着网络文本信息容量的不断提高，快速且高效地识别出这些文本中所包含的实体信息，对各行各业都具有很重要的意义。目前大多数命名实体识别模型使用经过上下文编码器(比如：长短记忆神经网络(LongShort-termMemoryNetworks，简称为LSTM)，和卷积神经网络(ConvolutionalNeuralNetwork，简称为CNN))，获得的词的上下状态表示去预测最终的实体标签。尽管这些词可以学习到当前的上下文信息，但是，这些词的句子语义信息仍然很弱。针对上述技术问题，相关技术中尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种词的检测方法及装置、存储介质、电子装置，以至少解决相关技术中对词的检测准确性低的问题。根据本专利技术的一个实施例，提供了一种词的检测方法，包括：确定待处理句子中的目标词的词隐状态向量和上述句子的句子隐状态向量；基于上述词隐状态本文档来自技高网...

【技术保护点】
1.一种词的检测方法，其特征在于，包括：/n确定待处理句子中的目标词的词隐状态向量和所述句子的句子隐状态向量；/n基于所述词隐状态向量增强所述目标词与其他词之间的关系，得到增强后的词隐状态向量；/n拼接所述增强后的词隐状态向量和所述句子隐状态向量，得到拼接隐状态向量；/n利用所述拼接隐状态向量在所述句子中对所述目标词进行检测，以在所述句子中确定与所述目标词相关联的词。/n

【技术特征摘要】
1.一种词的检测方法，其特征在于，包括：
确定待处理句子中的目标词的词隐状态向量和所述句子的句子隐状态向量；
基于所述词隐状态向量增强所述目标词与其他词之间的关系，得到增强后的词隐状态向量；
拼接所述增强后的词隐状态向量和所述句子隐状态向量，得到拼接隐状态向量；
利用所述拼接隐状态向量在所述句子中对所述目标词进行检测，以在所述句子中确定与所述目标词相关联的词。


2.根据权利要求1所述的方法，其特征在于，确定待处理句子中的目标词的词隐状态向量和所述句子的句子隐状态向量，包括：
将所述目标词的词向量输入第一双向时间递归神经网络BiLSTM层，得到所述第一BiLSTM层输出的所述目标词的词隐状态向量；
将所述句子的句子向量输入所述第一BiLSTM层，得到所述第一BiLSTM层输出的所述句子的句子隐状态向量。


3.根据权利要求1所述的方法，其特征在于，基于所述词隐状态向量增强所述目标词与其他词之间的关系，得到增强后的词隐状态向量，包括：
将所述词隐状态向量输入自注意力机制Self-Attention层，以使所述Self-Attention层捕捉所述目标词与所述其他词之间的关系，并输出所述增强后的词隐状态向量。


4.根据权利要求1所述的方法，其特征在于，利用所述拼接隐状态向量在所述句子中对所述目标词进行检测，以在所述句子中确定与所述目标词相关联的词，包括：
将所述拼接隐状态向量输入至第二BiLSTM层中，得到所述第二BiLSTM层输出的所述目标词的目标隐状态向量；
在所述句子中查找与所述目标隐状态向量的标签信息对应的目标标签信息；
将与所述目标标签信息对应的词确定为与所述目标词相关联的词。


5.根据权利要求1所述的方法，其特征在于，确定待处理句子中的目标词的词隐状态向量和所述句子的句子隐状态向量之前，所述方法还包括：
将所述目标词映射至分布式表示空间...

【专利技术属性】
技术研发人员：杨聪聪，朱海刚，王鹏，田江，向小佳，丁永建，李璠，
申请(专利权)人：光大科技有限公司，
类型：发明
国别省市：北京;11