一种基于多重CCA算法的柬汉双语词向量模型构建方法

摘要

本发明涉及一种基于多重CCA算法的柬汉双语词向量模型构建方法，属于自然语言处理技术领域。本发明首先获取英语、柬语、汉语词向量；其次分别将英语、汉语词向量投影至同一特征空间，将英语、柬语词向量投影至同一特征空间，从而得到各自对应的投影转换矩阵；然后以英语作为多语言向量公共空间，分别将柬语和汉语投影到英语词向量空间中，并根据典型相关分析算法，分析计算投影转换矩阵之间的相关关系，得到多语词向量；多语词向量中便包含有柬汉双语词向量，进而可获得柬汉双语词向量模型。本发明有效的解决了无法直接构建柬汉双语词向量模型的问题，并且通过该方法获得的柬汉双语词向量质量较高，准确率方面有很大的提升。