融合句法结构及Tree-LSTM的汉越平行句对抽取方法

摘要

本发明涉及融合句法结构及Tree‑LSTM的汉越平行句对抽取方法。本发明首先预训练汉越双语词向量，将汉越双语映射到同一语义空间中，考虑汉越句子结构具有差异性，通过依存句法树将句子序列结构转化为依存树结构，通过Tree‑LSTM捕获句子的句法结构信息，并将汉越双语句子的词性信息作为特征向量拼接到句子语义向量中，最后将该向量输入至全连接层训练出汉越平行句对分类器。本发明利用深度学习方法，在大量数据中自动学习句子表示规则，解决了传统的平行句对抽取任务需要耗费大量人力资源用以设计特征的问题。同时，该发明考虑并解决了汉越语言的结构差异性特点影响抽取模型性能的问题，提升了平行句对抽取模型的准确率。