CN111950259A - 一种文本展示方法、装置、设备和存储介质 - Google Patents

一种文本展示方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111950259A
CN111950259A CN202010843751.5A CN202010843751A CN111950259A CN 111950259 A CN111950259 A CN 111950259A CN 202010843751 A CN202010843751 A CN 202010843751A CN 111950259 A CN111950259 A CN 111950259A
Authority
CN
China
Prior art keywords
similarity
sentences
target text
sentence
same paragraph
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010843751.5A
Other languages
English (en)
Inventor
卓民
杨楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Kaniu Technology Co ltd
Original Assignee
Shenzhen Kaniu Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Kaniu Technology Co ltd filed Critical Shenzhen Kaniu Technology Co ltd
Priority to CN202010843751.5A priority Critical patent/CN111950259A/zh
Publication of CN111950259A publication Critical patent/CN111950259A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0276—Advertisement creation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了一种文本展示方法、装置、设备和存储介质。该方法包括：获取目标文本；将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度；根据同一段落内句子间的相似度展示所述目标文本。本发明实施例实现了过滤文本中不协调的内容。

Description

一种文本展示方法、装置、设备和存储介质
技术领域
本发明实施例涉及文本技术，尤其涉及一种文本展示方法、装置、设备和存储介质。
背景技术
在博眼球、赚点击的时代，很多文本的内容彼此不协调，可能在段落中穿插了广告，商家获取到了点击量，但是用户的时间却因此被浪费。
但在现有的用户获取文本进行阅读的过程中，没有方法对这些文本中的广告进行过滤，用户没有办法跳过这些穿插的无效信息，无法直接找到自己想要看的信息，因此为了让阅读更有效率，过滤掉不相干的只显示切题的、内容有条理的内容，可以节省用户大量的时间，更可以让文本想要表达的中心意思直接触达用户大脑，以提高用户的阅读体验，这些需求越来越迫切。
发明内容
本发明实施例提供一种文本展示方法、装置、设备和存储介质，以实现过滤文本中不协调的内容。
为达此目的，本发明实施例提供了一种文本展示方法，该方法包括：
获取目标文本；
将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度；
根据同一段落内句子间的相似度展示所述目标文本。
进一步的，所述根据同一段落内句子间的相似度展示所述目标文本包括：
根据同一段落内句子间的相似度获取同一段落内每个所述句子的相似度分数；
根据所述相似度分数展示所述目标文本。
进一步的，所述根据所述相似度分数展示所述目标文本包括：
将所述相似度分数从高到低进行排序；
根据所述相似度分数的排名展示所述目标文本。
进一步的，所述根据所述相似度分数的排名展示所述目标文本包括：
获取所述相似度分数排名大于第一阈值的第一句子和所述相似度分数排名小于第二阈值的第二句子；
将所述第一句子以第一方式展示，并将所述第二句子以第二方式展示。
进一步的，所述根据所述相似度分数展示所述目标文本包括：
将所述相似度分数从高到低进行排序；
从所述目标文本中剔除过滤句子后进行展示，所述过滤句子的相似度分数的排名大于第三阈值或小于第四阈值。
进一步的，所述根据同一段落内句子间的相似度展示所述目标文本包括：
获取同一段落内句子间的相似度大于第五阈值的至少两个第三句子；
获取所述第三句子在同一段落内出现的顺序；
根据所述第三句子在同一段落内出现的顺序展示所述目标文本。
进一步的，所述神经网络模型为孪生神经网络模型。
一方面，本发明实施例还提供了一种文本展示装置，该装置包括：
文本获取模块，用于获取目标文本；
相似度获取模块，用于将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度；
文本展示模块，用于根据同一段落内句子间的相似度展示所述目标文本。
另一方面，本发明实施例还提供了一种计算机设备，该计算机设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例提供的方法。
又一方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例提供的方法。
本发明实施例通过获取目标文本；将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度；根据同一段落内句子间的相似度展示所述目标文本，解决了用户没有办法跳过文本中穿插的无效内容的问题，实现了过滤文本中不协调的内容的效果。
附图说明
图1是本发明实施例一提供的一种文本展示方法的流程示意图；
图2是本发明实施例二提供的一种文本展示方法的流程示意图；
图3是本发明实施例三提供的一种文本展示装置的结构示意图；
图4为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一模块称为第二模块，且类似地，可将第二模块称为第一模块。第一模块和第二模块两者都是模块，但其不是同一模块。术语“第一”、“第二”等不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明实施例的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
实施例一
如图1所示，本发明实施例一提供了一种文本展示方法，该方法包括：
S110、获取目标文本。
S120、将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度。
本实施例中，首先获取到用户输入的目标文本，然后将文本以段落进行划分，每个段落以句子进行划分，然后将目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型，从而得到同一段落内句子间的相似度。
示例性的，目标文本包括段落一，段落一中包括句子A、句子B和句子C，然后将句子A和句子B作为一组，句子A和句子C作为一组，句子B和句子C作为一组，一次输入至预先训练好的神经网络模型，其中神经网络模型已经过预先训练，输入两个句子后就可以得到这两个句子的相似度，由此可以得到句子A和句子B的相似度，句子A和句子C的相似度，句子B和句子C的相似度。然后按同样的方法处理段落二、段落三等，直至将整个目标文本处理完毕。
S130、根据同一段落内句子间的相似度展示所述目标文本。
本实施例中，得到同一段落内句子间的相似度后，就可以据此展示目标文本。示例性的，句子A和句子B的相似度高，句子A和句子C的相似度低，且句子B和句子C的相似度低，那么可以说明句子C是该段落中无效的信息，因此将句子C过滤掉后展示目标文本。
作为优选的，过滤掉同一段落内句子间的相似度低的句子后，还可以过滤目标文本中无关的词语。具体的，采用命名实体识别技术(NER，Named Entity Recognition)提取出所述目标文本中的第一实体词语，并将第一实体词语输入至预先训练好的Word2vec(word to vector)神经网络模型以得到每个第一实体词语的第一词向量，确定第一词向量的中心点，最后获取与第二词向量对应的第一实体词语作为所述目标文本的过滤词，其中第二词向量为与中心点的距离最远的前第一预设数量的第一词向量。其中第一预设数量为用户设置的，用户根据过滤需求设定第一预设数量，然后获取到与第二词向量对应的第一实体词语，因第二词向量距离中心点远，则说明第二词向量对应的第一实体词语与目标文本的主要含义相关性较低，因此将其作为目标文本的过滤词。由此将相似度低的句子和过滤词过滤掉后展示目标文本，用户可以快速的获取到自己需要的信息。
作为优选的，在获取目标文本之前，若用户输入了多个目标文本，还可以进一步过滤目标文本，过滤掉文本标题和文本内容不符的目标文本。具体的，获取目标文本和目标文本的文本标题，然后从目标文本中提取出第一预设数量的第一关键词，并从文本标题中提取出第二预设数量的第二关键词，将第一关键词输入至预先训练好的Word2vec(word tovector)神经网络模型以得到第一词组向量，并将第二关键词输入至预先训练好的Word2vec神经网络模型以得到第二词组向量，然后确定第一词组向量的平均向量为第一向量，并确定第二词组向量的平均向量为第二向量，最后确定第一向量和第二向量的第一余弦相似度，根据第一余弦相似度过滤所述目标文本，判断第一余弦相似度是否小于第一阈值，若第一余弦相似度小于第一阈值，则过滤掉该目标文本，避免无效文本的展示。作为优选的，在获取目标文本之前，还可以从目标文本的任一段落中提取出第一预设数量的第一关键词，采用上述方法过滤掉目标文本中和文本标题不相关的段落。
本发明实施例通过获取目标文本；将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度；根据同一段落内句子间的相似度展示所述目标文本，解决了用户没有办法跳过文本中穿插的无效内容的问题，实现了过滤文本中不协调的内容的效果。
实施例二
如图2所示，本发明实施例二提供了一种文本展示方法，本发明实施例二是在本发明实施例一的基础上进一步的说明解释，该方法包括：
S210、获取目标文本。
S220、将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度。
本实施例中，神经网络模型为孪生神经网络(Siamese Network)模型。
S230、根据同一段落内句子间的相似度获取同一段落内每个所述句子的相似度分数。
S240、将所述相似度分数从高到低进行排序。
S250、获取所述相似度分数排名大于第一阈值的第一句子和所述相似度分数排名小于第二阈值的第二句子。
S260、将所述第一句子以第一方式展示，并将所述第二句子以第二方式展示。
本实施例中，得到据同一段落内句子间的相似度后，可以据此获取同一段落内每个句子的相似度分数。示例性的，句子A和句子B的相似度高，设置为1分，句子A和句子C的相似度低，设置为0.5分，句子B和句子C的相似度低，设置为0.5分，那么句子A的相似度分数为1分和0.5分的平均数，0.75分，句子B的相似度分数为1分和0.5分的平均数，0.75分，句子C的相似度分数为0.5分和0.5分的平均数，0.5分，然后将相似度分数从高到低进行排序，并获取相似度分数排名大于第一阈值的第一句子和相似度分数排名小于第二阈值的第二句子，第一阈值和第二阈值可以为2，那么第一句子为句子A和句子B，第二句子为句子C。最后将第一句子以第一方式展示，并将第二句子以第二方式展示，即将句子A和句子B以高亮、加粗的方式展示，并将句子C以低亮、灰色展示，这样用户在阅读时就很容易注意到句子A和句子B这种相关内容，而会忽视句子C这种无效内容。
在一替代实施例中，步骤S250-步骤S260可以替换为如下：
S350、将所述相似度分数从高到低进行排序。
S360、从所述目标文本中剔除过滤句子后进行展示，所述过滤句子的相似度分数的排名大于第三阈值或小于第四阈值。
本实施例中，将相似度分数从高到低进行排序后，还可以找出排名大于第三阈值或小于第四阈值的相似度分数，即排名靠前和排名靠后的相似度分数对应的句子，当目标文本的句子很多时，这些句子都可能偏离了中心思想，或者是不具备显著意义的句子，因此将其过滤后展示目标文本。
在一替代实施例中，步骤S230-步骤S260可以替换为如下：
S430、获取同一段落内句子间的相似度大于第五阈值的至少两个第三句子。
S440、获取所述第三句子在同一段落内出现的顺序。
S450、根据所述第三句子在同一段落内出现的顺序展示所述目标文本。
本实施例中，得到同一段落内句子间的相似度后，还可以获取同一段落内句子间的相似度大于第五阈值的至少两个第三句子，示例性的，第三句子为句子A和句子B，句子A和句子B的相似度大于第五阈值，则说明句子A和句子B的相似度很高，然后获取第三句子在同一段落内出现的顺序，并根据第三句子在同一段落内出现的顺序展示目标文本，例如句子A先出现，那么将句子A加粗、高亮显示，而相同含义的句子B可以进行折叠、过滤、低亮或灰度显示，这样用户在阅读时就可以过滤掉相同含义的句子，避免无效阅读，节省时间。
实施例三
如图3所示，本发明实施例三提供了一种文本展示装置100，本发明实施例三所提供的文本展示装置100可执行本发明任意实施例所提供的文本展示方法，具备执行方法相应的功能模块和有益效果。该文本展示装置100包括文本获取模块200、相似度获取模块300和文本展示模块400。
具体的，文本获取模块200用于获取目标文本；相似度获取模块300用于将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度；文本展示模块400用于根据同一段落内句子间的相似度展示所述目标文本。
本实施例中，文本展示模块400具体用于根据同一段落内句子间的相似度获取同一段落内每个所述句子的相似度分数；根据所述相似度分数展示所述目标文本。文本展示模块400具体还用于将所述相似度分数从高到低进行排序；根据所述相似度分数的排名展示所述目标文本。文本展示模块400具体还用于获取所述相似度分数排名大于第一阈值的第一句子和所述相似度分数排名小于第二阈值的第二句子；将所述第一句子以第一方式展示，并将所述第二句子以第二方式展示。文本展示模块400具体还用于将所述相似度分数从高到低进行排序；从所述目标文本中剔除过滤句子后进行展示，所述过滤句子的相似度分数的排名大于第三阈值或小于第四阈值。文本展示模块400具体还用于获取同一段落内句子间的相似度大于第五阈值的至少两个第三句子；获取所述第三句子在同一段落内出现的顺序；根据所述第三句子在同一段落内出现的顺序展示所述目标文本。作为优选的，神经网络模型为孪生神经网络模型。
实施例四
图4为本发明实施例四提供的一种计算机设备12的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，***存储器28，连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的方法：
获取目标文本；
将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度；
根据同一段落内句子间的相似度展示所述目标文本。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的方法：
获取目标文本；
将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度；
根据同一段落内句子间的相似度展示所述目标文本。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种文本展示方法，其特征在于，包括：
获取目标文本；
将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度；
根据同一段落内句子间的相似度展示所述目标文本。
2.根据权利要求1所述的方法，其特征在于，所述根据同一段落内句子间的相似度展示所述目标文本包括：
根据同一段落内句子间的相似度获取同一段落内每个所述句子的相似度分数；
根据所述相似度分数展示所述目标文本。
3.根据权利要求2所述的方法，其特征在于，所述根据所述相似度分数展示所述目标文本包括：
将所述相似度分数从高到低进行排序；
根据所述相似度分数的排名展示所述目标文本。
4.根据权利要求3所述的方法，其特征在于，所述根据所述相似度分数的排名展示所述目标文本包括：
获取所述相似度分数排名大于第一阈值的第一句子和所述相似度分数排名小于第二阈值的第二句子；
将所述第一句子以第一方式展示，并将所述第二句子以第二方式展示。
5.根据权利要求2所述的方法，其特征在于，所述根据所述相似度分数展示所述目标文本包括：
将所述相似度分数从高到低进行排序；
从所述目标文本中剔除过滤句子后进行展示，所述过滤句子的相似度分数的排名大于第三阈值或小于第四阈值。
6.根据权利要求1所述的方法，其特征在于，所述根据同一段落内句子间的相似度展示所述目标文本包括：
获取同一段落内句子间的相似度大于第五阈值的至少两个第三句子；
获取所述第三句子在同一段落内出现的顺序；
根据所述第三句子在同一段落内出现的顺序展示所述目标文本。
7.根据权利要求1所述的方法，其特征在于，所述神经网络模型为孪生神经网络模型。
8.一种文本展示装置，其特征在于，包括：
文本获取模块，用于获取目标文本；
相似度获取模块，用于将所述目标文本中同一段落内的句子依次两两输入至预先训练好的神经网络模型以得到同一段落内句子间的相似度；
文本展示模块，用于根据同一段落内句子间的相似度展示所述目标文本。
9.一种计算机设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN202010843751.5A 2020-08-20 2020-08-20 一种文本展示方法、装置、设备和存储介质 Pending CN111950259A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010843751.5A CN111950259A (zh) 2020-08-20 2020-08-20 一种文本展示方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010843751.5A CN111950259A (zh) 2020-08-20 2020-08-20 一种文本展示方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN111950259A true CN111950259A (zh) 2020-11-17

Family

ID=73359024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010843751.5A Pending CN111950259A (zh) 2020-08-20 2020-08-20 一种文本展示方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN111950259A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304445A (zh) * 2017-12-07 2018-07-20 新华网股份有限公司 一种文本摘要生成方法和装置
CN111125301A (zh) * 2019-11-22 2020-05-08 泰康保险集团股份有限公司 文本方法及装置、电子设备和计算机可读存储介质
CN111414746A (zh) * 2020-04-10 2020-07-14 中国建设银行股份有限公司 一种匹配语句确定方法、装置、设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304445A (zh) * 2017-12-07 2018-07-20 新华网股份有限公司 一种文本摘要生成方法和装置
CN111125301A (zh) * 2019-11-22 2020-05-08 泰康保险集团股份有限公司 文本方法及装置、电子设备和计算机可读存储介质
CN111414746A (zh) * 2020-04-10 2020-07-14 中国建设银行股份有限公司 一种匹配语句确定方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN110083688A (zh) 搜索结果召回方法、装置、服务器及存储介质
CN108845806B (zh) 小程序分发方法、装置、服务器和存储介质
CN109325108B (zh) 查询处理方法、装置、服务器及存储介质
CN107909088B (zh) 获取训练样本的方法、装置、设备和计算机存储介质
CN110377750B (zh) 评论生成及评论生成模型训练方法、装置及存储介质
CN107948730B (zh) 基于图片生成视频的方法、装置、设备及存储介质
CN109657127B (zh) 一种答案获取方法、装置、服务器及存储介质
CN110850982A (zh) 基于ar的人机交互学习方法、***、设备及存储介质
CN111738009A (zh) 实体词标签生成方法、装置、计算机设备和可读存储介质
CN107729944B (zh) 一种低俗图片的识别方法、装置、服务器及存储介质
CN109672706B (zh) 一种信息推荐方法、装置、服务器及存储介质
US12014276B2 (en) Deterministic training of machine learning models
CN112231444A (zh) 结合rpa和ai的语料数据的处理方法、装置和电子设备
CN112035732A (zh) 一种搜索结果的扩展方法、***、设备和存储介质
CN109241281B (zh) 软件失效原因生成方法、装置及设备
WO2019231635A1 (en) Method and apparatus for generating digest for broadcasting
CN111949765B (zh) 基于语义的相似文本搜索方法、***、设备和存储介质
CN111950259A (zh) 一种文本展示方法、装置、设备和存储介质
CN111949767A (zh) 一种文本关键词的查找方法、装置、设备和存储介质
CN111552780B (zh) 医用场景的搜索处理方法、装置、存储介质及电子设备
CN110276001B (zh) 盘点页识别方法、装置、计算设备和介质
CN109857838B (zh) 用于生成信息的方法和装置
CN111694951B (zh) 兴趣主题生成方法、装置、设备及存储介质
CN109460511B (zh) 一种获取用户画像的方法、装置、电子设备及存储介质
CN112802454A (zh) 一种唤醒词的推荐方法、装置、终端设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination