【技术实现步骤摘要】
词语释义方法、装置及非易失性存储介质
[0001]本专利技术涉及语义特征提取领域,具体而言,涉及一种词语释义方法、装置及非易失性存储介质。
技术介绍
[0002]由于同样的单词在不同语境中的含义不同,因此想要知道一个单词在文本中的确切含义,必须基于上下文来理解。在语言学习过程中,单词释义是一项基础需求。目前一般通过两种方式获得基于上下文语境的确切释义:一种是相关人员(如教研人员或老师等)根据单词上下文语境提供单词释义,即人工释义;另一种是提供字典查询,然后查询者(如学生)根据上下文理解。这两种方式都有其局限性,人工释义的方式虽然能够根据上下文给出单词确切含义,但依赖外部人员;而字典查询会给出多条释义,尤其是高级词典给出的单词语境数量多,释义、例句等信息丰富,需要花费很多精力去分辨理解。导致单词释义查询效率较低,且准确性较差。
[0003]针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
[0004]本专利技术实施例提供了一种词语释义方法、装置及非易失性存储介质,以至少解决相关技术中采用人工方式进行单词释义查询,存在的查询效率低且查询准确性差的技术问题。
[0005]根据本专利技术实施例的一个方面,提供了一种词语释义方法,包括:在检测到词典中存在多个与目标语句中的待查词语对应的语义情景的情况下,获取多个语义情景分别对应的第一语义特征;将上述目标语句输入至预先构建的语义特征提取模型,得到上述目标语句对应的第二语义特征;将上述第二语义特征分别与上述多个语义情景分别对应的第一语义特征 ...
【技术保护点】
【技术特征摘要】
1.一种词语释义方法,其特征在于,包括:在检测到词典中存在多个与目标语句中的待查词语对应的语义情景的情况下,获取多个语义情景分别对应的第一语义特征;将所述目标语句输入至预先构建的语义特征提取模型,得到所述目标语句对应的第二语义特征;将所述第二语义特征分别与所述多个语义情景分别对应的第一语义特征进行相似度匹配,得到所述第二语义特征分别与所述多个语义情景分别对应的第一语义特征之间的相似度得分;根据所述第二语义特征分别与所述多个语义情景分别对应的第一语义特征之间的相似度得分,确定所述待查词语的目标释义结果。2.根据权利要求1所述的方法,其特征在于,所述在检测到词典中存在多个与目标语句中的待查词语对应的语义情景的情况下,获取多个语义情景分别对应的第一语义特征,包括:对所述词典中包括的词语分别进行语义特征提取处理,得到所述词典中包括的词语分别对应的文本信息的语义特征;基于所述词典中包括的词语分别对应的文本信息的语义特征,确定所述词典中包括的词语分别对应的词典释义语义特征表,其中,所述词典中包括的词语分别对应的词典释义语义特征表中包括对应的词语在至少一个语义情景的语义特征;在检测到所述词典中存在多个与所述待查词语对应的语义情景的情况下,从所述词典中包括的词语分别对应的词典释义语义特征表中,确定所述待查词语对应的词典释义语义特征表,其中,所述待查词语对应的词典释义语义特征表中包括所述多个语义情景分别对应的第一语义特征。3.根据权利要求2所述的方法,其特征在于,所述基于所述词典中包括的词语分别对应的文本信息的语义特征,确定所述词典中包括的词语分别对应的词典释义语义特征表,包括:获取所述词典中包括的词语分别对应的文本信息分别对应的权重值,其中,所述文本信息至少包括:所述词典中包括的词语分别在至少一个语义情景下的释义信息、例句信息、短语信息、搭配词信息;基于所述词典中包括的词语分别对应的文本信息分别对应的权重值,以及所述词典中包括的词语分别对应的文本信息的语义特征,得到所述词典中包括的词语分别在至少一个语义情景的语义特征;基于所述词典中包括的词语分别在至少一个语义情景的语义特征,构建所述词典中包括的词语分别对应的词典释义语义特征表。4.根据权利要求1所述的方法,其特征在于,在所述语义特征提取模型包括多个网络层,所述多个网络层中上一网络层的输出作为下一网络层的输入的情况下,所述将所述目标语句输入至预先构建的语义特征提取模型,得到所述目标语句对应的第二语义特征,包括:将所述目标语句输入至所述语义特征提取模型,得到所述多个网络层分别输出的所述目标语句中包括的词语分别对应的语义特征;
从所述多个网络层分别输出的所述目标语句中包括的词语分别对应的语义特征中,确定出所述多个网络层中最后预订数量的网络层分别输出的所述目标语句中包括的词语分别对应的语义特征;基于所述最后预订数量的网络层分别输出的所述目标语句中包括的词语分别对应的语义特征,得到所述目标语句中包括的词语分别对应的第三语义特征;基于所述目标语句中包括的词语分别对应的第三语义特征,得到所述目标语句对应的所述第二语义特征。5.根据权利要求4所述的方法,其特征在于,所述基于所述最后预订数量的网络层分别输出的所述目标语句中包括的词语分别对应的语义特征,得到所述目标语句中包括的词语分别对应的第三语义特征,包括:根据所述最后预订数量的网络层分别输...
【专利技术属性】
技术研发人员:吴延年,王东永,
申请(专利权)人:北京全未来教育科技有限公司,
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。