(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210033645.X (22)申请日 2022.01.12 (71)申请人 车智互联 （北京） 科技有限公司 地址 100080 北京市海淀区丹棱 街3号B座 11层1110、 1111室 (72)发明人 杨雷　张志申　 (74)专利代理 机构 北京思睿峰知识产权代理有 限公司 1 1396 专利代理师 高攀　赵爱军 (51)Int.Cl. G06F 40/289(2020.01) G06F 40/216(2020.01) G06F 40/30(2020.01) G06F 16/36(2019.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种针对领域的新词发现方法及计算设备 (57)摘要 本公开公开了一种针对领域的新词发现方 法及计算设备。 其中， 针对领域的新词发现方法 包括步骤： 基于特定领域的知识图谱， 对文本进 行分词处理， 得到分词结果； 对分词结果进行处 理， 得到多个词汇片段， 并分别统计各词汇片段 所指示词汇的词频； 基于所统计的词频， 来确定 词汇在文本中的统计特征； 确定词汇的语义向 量； 将语义向量输入卷积网络， 输出预测词汇属 于特定领域且 是完整词汇的第一概率； 以及基于 词汇的词频、 统计特征和第一概率， 确定出词汇 为特定领域的新词的第二 概率。 权利要求书2页 说明书11页 附图5页 CN 114462401 A 2022.05.10 CN 114462401 A 1.一种针对领域的新词发现方法， 包括 步骤： 基于特定领域的知识图谱， 对文本进行分词处 理， 得到分词结果； 对所述分词结果进行处理， 得到多个词汇片段， 并分别统计各词汇片段所指示词汇的 词频； 基于所统计的词频， 来确定词汇在文本中的统计特 征； 确定所述词汇的语义向量； 将所述词汇的语义向量输入卷积网络， 输出预测所述词汇属于所述特定领域且是完整 词汇的第一 概率； 以及 基于所述词汇 的词频、 统计特征和第一概率， 确定出所述词汇为所述特定领域的新词 的第二概率。 2.如权利要求1所述的方法， 其中， 基于特定领域的知识图谱， 对文本进行分词处理， 得 到分词结果的步骤 包括： 解析所述特定领域的知识图谱中的概念和实体， 作为属于所述特定领域的领域词汇； 将所述领域词汇作为分词依据， 对文本进行分词， 得到分词结果。 3.如权利要求1或2所述的方法， 其中， 所述词汇的语义向量包括： 表示所述词汇的语义 的第一向量和表示所述词汇在句子中的语义的第二向量。 4.如权利要求3所述的方法， 其中， 所述确定词汇的语义向量的步骤 包括： 利用语言表示模型， 分别确定出第一向量和第二向量； 基于所述第一向量和所述第二向量， 得到所述词汇的语义向量。 5.如权利要求4所述的方法， 其中， 所述利用语言表示模型， 分别确定出第一向量和第 二向量的步骤 包括： 将所述词汇输入第一语言表示模型进行处理， 并将其在第一位置的输出向量， 作为第 一向量； 将包含所述词汇 的句子， 输入第二语言表示模型进行处理， 并利用其在第二位置和第 三位置的输出向量， 生成所述第二向量； 其中， 所述第一位置为CLS位置， 第二位置为所述词汇在所述句子中的开始位置， 所述 第三位置为所述词汇在所述句子中的结束位置 。 6.如权利要求5所述的方法， 其中， 所述将包含所述词汇的句子， 输入第二语言表示模 型进行处 理， 并利用其在第二 位置和第三 位置的输出向量， 生成第二向量的步骤 包括： 从文本中选取部分包 含所述词汇的句子； 针对所选取的句子中的每 个句子， 将所述句子 输入第二语言表示模型， 来确定在第二 位置和第三 位置的输出向量； 将第二位置的输出向量与第 三位置的输出向量拼接， 生成表示所述词汇在所述句子中 语义的第二向量； 将每个句子对应的第 二向量相加并求取均值， 来得到表示所述词汇在句子 中的语义的 第二向量。 7.如权利要求1 ‑5中任一项所述的方法， 其中， 所述基于词汇的词频、 统计特征和第一 概率， 确定出 所述词汇为特定领域的新词的第二 概率的步骤 包括： 对所述词 汇的词频、 统计特征和第 一概率分别进行归一化处理， 得到归一化的词频、 归权　利　要　求　书 1/2 页 2 CN 114462401 A 2一化的统计特 征和归一 化的第一 概率； 基于所述归一化的词频、 所述归一化的统计特征和所述归一化的第一概率， 确定出所 述词汇为所述特定领域的新词的第二 概率。 8.如权利要求1 ‑6中任一项所述的方法， 其中， 所述对分词结果进行处理， 得到多个词 汇片段， 并分别统计各词汇片段 所指示词汇的词频的步骤 包括： 基于N‑Gram模型， 将所述分词结果划分成长度为 N的词汇片段序列； 对各词汇片段 所指示的词汇进行词频统计。 9.一种计算设备， 包括： 一个或多个处 理器； 存储器； 一个或多个程序， 其中所述一个或多个程序存储在所述存储器中并被配置为由所述一 个或多个处理器执行， 所述一个或多个程序包括用于执行如权利要求1 ‑8中任一方法的指 令。 10.一种存储一个或多个程序的计算机可读存储介质， 所述一个或多个程序包括指令， 所述指令在被 计算设备 执行时， 使得 所述计算设备 执行如权利要求1 ‑8任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114462401 A 3