【技术实现步骤摘要】
词义识别模型训练、词义判断方法、装置、设备及介质
[0001]本专利技术涉及检测模型
，尤其涉及一种词义识别模型训练、词义判断方法、装置、设备及介质。
技术介绍
[0002]随着科学技术的发展，自然语言处理技术也广泛应用在各个领域，进而可以实现如文字识别，文本相似度比较等功能。然而很多文本中经常出现多义词，因此词义消歧在自然语言处理技术中是非常重要的。
[0003]现有技术中，常常通过有监督的词义消歧方法，但是该方法需要基于庞大的数据基础，而往往在一些领域中数据是非常稀缺的，进而导致通过有监督方式训练得到的模型应用范围较小，且容易出现错误，从而导致词义消歧的准确率较低。
技术实现思路
[0004]本专利技术实施例提供一种词义识别模型训练、词义判断方法、装置、设备及介质，以解决现有技术中词义消歧的准确率较低的问题。
[0005]一种词义识别模型训练方法，包括：
[0006]获取包括第一待训练句子和第二待训练句子的待训练句子组；所述第一待训练句子与所述第二待训练句子中均具有一个相同的...
【技术保护点】
【技术特征摘要】
1.一种词义识别模型训练方法，其特征在于，包括：获取包括第一待训练句子和第二待训练句子的待训练句子组；所述第一待训练句子与所述第二待训练句子中均具有一个相同的目标词；所述待训练句子组关联目标词义标签；对所述第一待训练句子以及所述第二待训练句子进行文本预处理，得到初始训练文本；将所述初始训练文本输入至包含初始参数的预设识别模型中，得到与所述初始训练文本对应的文本分类向量、与所述第一待训练句子中的目标词对应的第一词向量，以及与所述第二待训练句子中的目标词对应的第二词向量；根据所述文本分类向量、所述第一词向量以及所述第二词向量，确定与所述待训练句子组对应的预测词义标签；根据所述目标词义标签和所述预测词义标签，确定所述预设识别模型的预测损失值；在所述预测损失值未达到预设的收敛条件时，迭代更新所述预设识别模型中的初始参数，直至所述预测损失值达到所述收敛条件时，将收敛之后的所述预设识别模型记录为词义识别模型。2.如权利要求1所述的词义识别模型训练方法，其特征在于，所述获取待训练句子组之前，还包括：获取第一待训练句子集；所述第一待训练句子集中包含至少一个所述第一待训练句子；一个所述第一待训练句子具有一个初始样本字词，且关联一个与所述初始样本字词对应的初始词义标签；检测所述第一待训练句子是否为英文句子；在所述第一待训练句子为英文句子时，获取预设英文词典；所述预设英文词典中包括至少一个预设英文字词；一个所述预设英文字词关联至少一个预设英文句子，且所述预设英文字词在与其关联的每一个预设英文句子中均具有一个预设词义标签；将所述初始样本字词与各所述预设英文字词进行匹配，将与所述初始样本字词相同的预设英文字词记录为所述目标词，并将具有所述目标词的预设英文句子记录为第二待训练句子；将所述第一待训练句子以及所述第二待训练句子关联记录为所述待训练句子组，并根据所述初始词义标签以及所述预设词义标签，确定与所述待训练句子组对应的目标词义标签。3.如权利要求2所述的词义识别模型训练方法，其特征在于，所述检测所述第一待训练句子是否为英文句子之后，还包括：在所述第一待训练句子不是英文句子时，通过预设文本处理模型对所述第一待训练句子依次进行翻译和回译处理，得到与所述第一待训练句子对应的回译句子；确定所述第一待训练句子与各所述回译句子之间是否满足预设相似度条件，将满足预设相似度条件的回译句子记录为待筛选句子；检测各所述待筛选句子中是否存在所述初始样本字词，将存在所述初始样本字词的待筛选句子记录为第二待训练句子，并将所述初始样本字词记录为所述目标词；将所述第一待训练句子和所述第二待训练句子关联记录为所述待训练句子组；确定所述目标词在所述第二待训练句子中的样本词义标签，并根据所述样本词义标签
以及所述初始词义标签确定与待训练句子组对应的目标词义标签。4.如权利要求3所述的词义识别模型训练方法，其特征在于，所述通过预设文本处理模型对所述第一待训练句子依次进行翻译和回译处理，得到与所述第一待训练句子对应的回译句子，包括：采用所述预设文本处理模型中的文本翻译模型对所述第一待训练句子进行翻译，得到翻译句子；采用所述预设文本处理模型中的文本回译模型对所述翻译句子进行回译，...
【专利技术属性】
技术研发人员：马建，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。