CN112328751A - 用于处理文本的方法和装置 - Google Patents
用于处理文本的方法和装置 Download PDFInfo
- Publication number
- CN112328751A CN112328751A CN202011396279.1A CN202011396279A CN112328751A CN 112328751 A CN112328751 A CN 112328751A CN 202011396279 A CN202011396279 A CN 202011396279A CN 112328751 A CN112328751 A CN 112328751A
- Authority
- CN
- China
- Prior art keywords
- text
- sentence
- processed
- matching
- vector
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000012545 processing Methods 0.000 title claims abstract description 53
- 239000013598 vector Substances 0.000 claims abstract description 267
- 238000000605 extraction Methods 0.000 claims description 55
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 230000000306 recurrent effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000011218 segmentation Effects 0.000 description 8
- 230000002457 bidirectional effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本公开的实施例公开了用于处理文本的方法和装置。该方法的一具体实施方式包括:获取待处理文本;确定待处理文本作为目标文本,执行如下生成步骤:分别获取目标文本中的各句子的特征向量;利用预先训练的文本向量生成模型对目标文本中的各句子的特征向量进行处理,生成目标文本的特征向量,其中,文本向量生成模型包括第一注意力模型;根据待处理文本的特征向量,从匹配数据集中选取匹配数据作为待处理文本的匹配结果。该实施方式能够根据文本的语义实现文本匹配。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于处理文本的方法和装置。
背景技术
信息检索(Information Retrieval)是用户进行信息查询和获取的主要方式之一。一般地,信息检索是指将信息按一定的方式进行加工、整理、组织并存储起来,然后根据用户的需求将相关信息准确的查找出来的过程。目前,常用的信息检索方法就包括基于文本匹配的各种方法。
文本匹配是当前自然语言处理中的重要的基础问题之一,其不仅可以应用于信息检索中,还可以应用于问答***、对话***、机器翻译等许多自然语言处理的任务中。
常见的文本匹配的方法的具体过程通常都是先提取文本的关键词,并将文本和对应关键词关联存储,然后通过匹配用户输入的文本和预先存储的各个关键词来检索与用户输入的文本所匹配的文本。或者,预先对存储的文本建立索引,然后基于索引对用户输入的文本进行匹配。
这些现有的文本匹配方法一般都属于精确匹配,即要求用户输入的文本必须包含与存储的关键词完全一致的文本。与之对应的,逐渐出现了一种新的文本匹配方法为模糊匹配。当前,基于模糊匹配的文本匹配方法一般是通过对文本中的一些关键词进行同义词或近义词替换来实现。
发明内容
本公开的实施例提出了用于处理文本的方法和装置。
第一方面,本公开的实施例提供了一种用于处理文本的方法,该方法包括:获取待处理文本;确定待处理文本作为目标文本,执行如下生成步骤:分别获取目标文本中的各句子的特征向量;利用预先训练的文本向量生成模型对目标文本中的各句子的特征向量进行处理,生成目标文本的特征向量,其中,文本向量生成模型包括第一注意力模型;根据待处理文本的特征向量,从匹配数据集中选取匹配数据作为待处理文本的匹配结果。
在一些实施例中,分别获取目标文本中的各句子的特征向量,包括:对于目标文本中的句子,分别获取该句子中的各词的词向量,以及利用预先训练的句子向量生成模型对该句子中的各词的词向量进行处理,生成该句子的特征向量,其中,句子向量生成模型包括第二注意力模型。
在一些实施例中,匹配数据集为匹配文本集;以及根据待处理文本的特征向量,从匹配数据集中选取匹配数据作为待处理文本的匹配结果,包括:分别获取匹配文本集中的各匹配文本的特征向量,其中,匹配文本的特征向量通过预先将匹配文本确定为目标文本以及执行生成步骤得到;确定待处理文本的特征向量分别与匹配文本集中的各匹配文本的特征向量之间的相似度;根据对应的相似度,从匹配文本集中选取匹配文本作为待处理文本的匹配结果。
在一些实施例中,文本向量生成模型还包括第一特征提取网络,其中,第一特征提取网络的输出为第一注意力模型的输入。
在一些实施例中,句子向量生成模型还包括第二特征提取网络,其中,第二特征提取网络的输出为第二注意力模型的输入。
在一些实施例中,第一特征提取网络为循环神经网络。
在一些实施例中,第二特征提取网络为循环神经网络。
第二方面,本公开的实施例提供了一种用于处理文本的装置,该装置包括:获取单元,被配置成获取待处理文本;生成单元,被配置成确定待处理文本作为目标文本,执行如下生成步骤:分别获取目标文本中的各句子的特征向量;利用预先训练的文本向量生成模型对目标文本中的各句子的特征向量进行处理,生成目标文本的特征向量,其中,文本向量生成模型包括第一注意力模型;选取单元,被配置成根据待处理文本的特征向量,从匹配数据集中选取匹配数据作为待处理文本的匹配结果。
在一些实施例中,上述生成单元进一步被配置成:对于目标文本中的句子,分别获取该句子中的各词的词向量,以及利用预先训练的句子向量生成模型对该句子中的各词的词向量进行处理,生成该句子的特征向量,其中,句子向量生成模型包括第二注意力模型。
在一些实施例中,匹配数据集为匹配文本集;以及上述选取单元及进一步被配置成:分别获取匹配文本集中的各匹配文本的特征向量,其中,匹配文本的特征向量通过预先将匹配文本确定为目标文本以及执行生成步骤得到;确定待处理文本的特征向量分别与匹配文本集中的各匹配文本的特征向量之间的相似度;根据对应的相似度,从匹配文本集中选取匹配文本作为待处理文本的匹配结果。
在一些实施例中,文本向量生成模型还包括第一特征提取网络,其中,第一特征提取网络的输出为第一注意力模型的输入。
在一些实施例中,句子向量生成模型还包括第二特征提取网络,其中,第二特征提取网络的输出为第二注意力模型的输入。
在一些实施例中,第一特征提取网络为循环神经网络。
在一些实施例中,第二特征提取网络为循环神经网络。
第三方面,本公开的实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的用于处理文本的方法和装置,利用包括注意力模型的文本向量生成模型对待处理文本中的各句子的特征向量进行处理,以生成待处理文本的特征向量,从而使得生成的待处理文本的特征向量包含有待处理文本中的各句子的语义信息,即考虑了不同句子对待处理文本的语义分别具有不同的重要性,以及同一句子在不同文本所构成的语境中分别具有不同的语义等文本本身存在的语义问题,进而利用待处理文本的特征向量完成待处理文本的匹配,可以提升待处理文本的匹配结果的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性***架构图;
图2是根据本公开的用于处理文本的方法的一个实施例的流程图;
图3是根据本公开的用于处理文本的方法的又一个实施例的流程图;
图4是根据本公开的实施例的用于处理文本的方法的一个应用场景的示意图;
图5是根据本公开的实施例的句子向量生成模型和文本向量生成模型的一个示意性的网络结构;
图6是根据本公开的用于处理文本的装置的一个实施例的结构示意图;
图7是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开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仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于处理文本的方法或用于处理文本的装置的实施例的示例性架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如搜索类应用、浏览器类应用、即时通信工具、社交平台软件、购物类应用、信息流类应用等等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如为终端设备101、102、103提供后端支持的后端服务器。服务器105可以从终端设备101、102、103接收待处理文本,并生成待处理文本的特征向量,然后利用待处理文本的特征向量得到待处理文本的匹配结果。进一步地,服务器105还可以将待处理文本的匹配结果返回终端设备101、102、103。
需要说明的是,上述待处理文本也可以直接存储在服务器105的本地,服务器105可以直接提取本地所存储的待处理文本并进行处理,此时,可以不存在终端设备101、102、103和网络104。
需要说明的是,本公开的实施例所提供的用于处理文本的方法一般由服务器105执行,相应地,用于处理文本的装置一般设置于服务器105中。
还需要指出的是,终端设备101、102、103中也可以安装有文本处理类应用,终端设备101、102、103也可以基于文本处理类应用对待处理文本进行处理,此时,用于处理文本的方法也可以由终端设备101、102、103执行,相应地,用于处理文本的装置也可以设置于终端设备101、102、103中。此时,示例性***架构100可以不存在服务器105和网络104。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,其示出了根据本公开的用于处理文本的方法的一个实施例的流程200。该用于处理文本的方法包括以下步骤:
步骤201,获取待处理文本。
在本实施例中,文本可以是任意类型和内容的文本。待处理文本可以指任意的文本。例如,待处理文本可以是一篇文章、一段说明等等。一般地,待处理文本可以由若干句子组成。每个句子可以由若干字和/或词组成。
用于处理文本的方法的执行主体(如图1所示的服务器)可以从其本地或其所连接的存储设备(如图1所示的终端设备101、102、103、所连接的数据库、第三方数据平台等等)获取待处理文本。
作为示例,用户可以通过其所使用的终端设备输入文本,并将输入的文本发送至上述执行主体。此时,上述执行主体可以接收用户利用其所使用的终端设备发送的文本作为待处理文本。
步骤202,确定待处理文本作为目标文本,执行如下生成步骤2021-2022:
步骤2021,分别获取目标文本中的各句子的特征向量。
在本实施例中,一个句子的特征向量可以指对该句子进行编码(embedding)后得到的、可以用于表示该句子的向量。上述执行主体可以从本地或其它存储设备获取目标文本中的各句子的特征向量。
具体地,对于目标文本,可以通过如下步骤得到其中各句子的特征向量:
步骤一,对目标文本进行分句处理,得到句子集合。
在本步骤中,可以利用自然语言处理中现有的各种分句的方法对目标文本进行分句处理。例如,采用基于正则表达式的分句方法对目标文本进行分句、利用开源地一些分句工具对目标文本进行分句等等。
步骤二,对于句子集合中的每个句子,对该句子进行编码得到该句子的特征向量。
在本步骤中,可以利用现有的各种句子编码(Sentence Embedding)方法对句子集合中的每个句子进行编码,得到可以表示每个句子的特征向量。
例如,可以基于预先训练的句子表示学习模型得到学习每个句子的表示。其中,句子表示学习模型可以是如PV-DM(Paragraph Vector:A distributed memory model)、PV-DBOW(Paragraph Vector without word ordering:Distributed bag of words)等现有的一些句子学习表示模型,也可以是基于这些现有的句子学习表示模型构建的模型等。
目标文本中的各句子的特征向量可以并行生成,以提升处理速度。
需要说明的是,目标文本中的各句子的特征向量可以由其它电子设备执行上述步骤生成,也可以由上述执行主体执行上述步骤生成。
步骤2022,利用预先训练的文本向量生成模型对目标文本中的各句子的特征向量进行处理,生成目标文本的特征向量。
在本实施例中,一个文本的特征向量可以指对该文本进行编码(embedding)后得到的、可以用于表示该文本的向量。文本向量生成模型用于根据文本中的各个句子分别对应的特征向量,生成用于表征该文本的特征向量。
文本向量生成模型可以包括第一注意力模型。其中,第一注意力模型可以是基于注意力机制(Attention Mechanism)实现的注意力模型。注意力机制是机器学习中的一种数据处理方法,应用在自然语言处理、图像识别、语音识别等各种不同类型的机器学习任务中。注意力机制是机器对人类阅读、听说中的注意力行为进行的一种模拟。具体地,模拟人脑在阅读或听说的场景中对场景内的每一位置处的注意力分布是不同的,人脑会优先从场景中获取其认为有用的信息,而忽略或抛弃低价值的信息。
以文本为示例,文本中的每一句话对文本的语义可能具有不同的重要性。例如,有些句子的有或无对该文本的语义影响较弱,甚至无影响。又例如,有些句子若被删掉,会直接影响对该文本的理解。另外,文本中的每个句子通常都具有上下文,而该句子与作为其上下文的各句子之间具有语义关联。例如,有些句子的语义需要结合其前几个句子或后几个句子的语义来理解。
基于此,第一注意力模型可以用于对目标文本中的各个句子施加不同的权重,以加强对目标文本的语义具有较强影响的句子,而弱化对目标文本的语义具有较弱影响的句子,从而学习到目标文本的句子结构和各个句子之间的依赖关系,使得生成的目标文本的特征向量能够更准确地表达目标文本的语义。
第一注意力模型可以是各种注意力模型。例如,第一注意力模型可以是常见的翻译模型中的编码器和解码器所使用的注意力模型、各种预训练模型(如BERT等等)中所使用的注意力模型等等。又例如,第一注意力模型也可以是由技术人员基于现有的注意力模型所构建的模型。
文本向量生成模型可以利用第一注意力模型对目标文本中的各个句子的特征向量分别进行不同的注意力计算,然后利用第一注意力模型输出的各个句子分别对应的特征向量,生成目标文本的特征向量。
具体生成目标文本的特征向量的方法可以根据实际的应用需求灵活设置。例如,可以直接将第一注意力模型输出的各个句子分别对应的特征向量进行顺序组合以生成目标文本的特征向量。又例如,可以将第一注意力模型输出的各个句子分别对应的特征向量进行加权和计算以生成目标文本的特征向量。
步骤203,根据待处理文本的特征向量,从匹配数据集中选取匹配数据作为待处理文本的匹配结果。
在本实施例中,匹配数据集可以由至少一个匹配数据组成。匹配数据可以是各种类型和内容的数据。例如,匹配数据包括但不限于文本、图像、视频、音频等等。
待处理文本的匹配结果可以指与待处理文本匹配的数据。根据不同的应用需求和应用场景,具体的匹配任务可以灵活设置。例如,匹配任务可以是选取与待处理文本相似的数据。又例如,匹配任务可以是选取与待处理文本差异较大的数据。
具体地,可以通过计算待处理文本的特征向量和匹配数据集中的每个匹配数据的特征向量之间的相似度,根据具体的匹配任务,从匹配数据集中选取匹配数据作为待处理文本的匹配结果。
其中,匹配数据集中的每个匹配数据的特征向量可以预先设置。根据匹配数据的类型的不同,可以采用不同的方法预先获取匹配数据集中的每个匹配数据的特征向量。例如,可以利用现有的各种特征提取方法(如基于特征提取网络的特征提取方法等)提取匹配数据的特征向量。
可选地,对于匹配数据集中的匹配数据,可以先确定匹配数据对应的文本,然后将匹配数据对应的文本确定为目标文本,并利用上述生成步骤生成匹配数据对应的文本的特征向量。
例如,匹配数据为文本时,可以直接利用上述生成步骤生成匹配数据的特征向量。进一步地,可以通过计算待处理文本的特征向量与匹配数据的特征向量之间的相似度作为这两个文本之间的相似度。
又例如,匹配数据为音频时,可以利用现有的各种语音识别方法识别音频对应的文本,然后利用上述生成步骤得到音频对应的文本的特征向量。具体地,分别获取音频对应的文本中的各句子的特征向量,再利用预先训练的文本向量生成模型对音频对应的文本中的各句子的特征向量进行处理,生成音频对应的文本的特征向量。进一步地,可以通过计算待处理文本的特征向量与音频对应的文本的特征向量之间的相似度,并将得到的相似度确定为待处理文本与音频的相似度。
其中,特征向量之间的相似度可以采用现有的各种相似度计算方法确定。例如,基于余弦相似度的计算方法、基于欧氏距离的计算方法等等。
在本实施例的一些可选的实现方式中,匹配数据集可以为匹配文本集。即匹配数据集由若干文本组成。此时,在得到待处理文本的特征向量之后,可以通过如下步骤从匹配文本集中选取匹配数据作为待处理文本的匹配结果:
步骤一,分别获取匹配文本集中的各匹配文本的特征向量。
在本步骤中,匹配文本集中的每个匹配文本的特征向量可以预先作为目标文本通过执行上述生成步骤得到并存储。具体地,对于匹配文本集中的每个匹配文本,可以分别获取该匹配文本中的各句子的特征向量,然后利用预先训练的文本向量生成模型对该匹配文本中的各句子的特征向量进行处理,生成该匹配文本的特征向量。
步骤二,确定待处理文本的特征向量分别与匹配文本集中的各匹配文本的特征向量之间的相似度。
步骤三,根据对应的相似度,从匹配文本集中选取匹配文本作为待处理文本的匹配结果。
在本步骤中,可以根据实际的匹配任务,从匹配文本集中选取匹配文本作为待处理文本的匹配结果。例如,若匹配任务是选取与待处理文本相似的文本,则可以按照相似度从大到小的顺序,从匹配文本集中选取若干匹配文本作为待处理文本的匹配结果。
需要指出的是,匹配文本集中的各个匹配数据的特征向量可以并行生成,从而提升文本处理速度。
这样一来,利用文本向量生成模型可以生成能够准确表达待处理文本的语义的特征向量,从而通过计算文本的特征向量之间的相似度可以准确地从匹配文本集中检索出与待处理文本的语义匹配或不匹配的文本。
在本实施的一些可选的实现方式中,上述文本向量生成模型还可以包括第一特征提取网络。其中,第一特征提取网络可以是各种用于特征提取的网络。第一特征提取网络的输出可以作为第一注意力模型的输入。
此时,第一特征提取网络可以对输入的目标文本中的每个句子的特征向量进行进一步地特征提取,得到每个句子对应的经过进一步特征提取后的特征向量,然后第一注意力模型可以对各个句子分别对应的经过进一步特征提取后的特征向量进行处理,生成目标文本的特征向量。
可选地,第一特征提取网络可以是循环神经网络(RNN,Recurrent NeuralNetwork)。例如,第一特征提取网络可以是单向或双向的LSTM(Long Short-Term Memory,长短期记忆网络),也可以是单向或双向的GRU(Gated Recurrent Unit,门控循环单元网络)等等。
由此,可以根据实际的文本匹配任务灵活设置文本向量生成模型的网络结构,以更具针对性地对文本进行处理,以得到能够更充分和全面地表达文本的语义且便于后续进行文本匹配的特征向量,
目前,常见的文本匹配的方法通常基于关键词匹配实现的,这些方法无法考虑到文本所包含的语义信息,从而会直接影响匹配结果。这对这一文本,本公开的实施例提供的方法利用注意力模型根据文本中的各句子特征向量生成文本的特征向量,从而使得文本的特征向量包含有文本的语义信息,且包含有文本的句子结构和文本的句子之间的语义关联,进而基于文本的特征向量进行文本匹配,能够提升匹配结果的准确性。
进一步参考图3,其示出了用于处理文本的方法的又一个实施例的流程300。该用于处理文本的方法的流程300,包括以下步骤:
步骤301,获取待处理文本。
步骤302,确定待处理文本作为目标文本,执行如下生成步骤3021-3022:
步骤3021,对于目标文本中的句子,获取该句子中的各词的词向量,以及将该句子中的各词的词向量输入至预先训练的句子向量生成模型,得到该句子的特征向量。
在本实施例中,一个词的词向量可以指对该词进行编码后得到的、可以用于表示该词的向量。具体地,可以先利用现有的各种分词方法(如基于词典的分词方法、基于统计的分词方法、基于深度学习的分词方法等等)对该句子进行分词处理,得到该句子对应的词集。可选地,可以将该句子中的每个字都作为一个词进行分词处理,得到该句子对应的词集。
对于目标文本中的每个句子,可以利用现有的各种生成词向量的方法来得到该句子对应的词集中的每个词的词向量。例如,可以基于one-hot编码生成每个词的词向量。又例如,可以利用Word2Vec模型生成每个词的词向量。
可选地,对于目标文本中的每个句子,该句子中的各个词的词向量可以并行生成,以提升处理速度。
句子向量生成模型可以包括第二注意力模型。其中,第二注意力模型可以是基于注意力机制实现的注意力模型。第二注意力模型可以用于对一个句子中的各个词施加不同的权重,以加强对该句子的语义具有较强影响的词,而弱化对该句子的语义具有较弱影响的词,从而学习到该句子的句子结构和组成该句子的各个词之间的依赖关系,使得生成的该句子的特征向量能够更准确地表达该句子的语义。
第二注意力模型可以是各种注意力模型。例如,第二注意力模型可以是常见的翻译模型中的编码器和解码器所使用的注意力模型、各种预训练模型(如BERT等等)中所使用的注意力模型等等。又例如,第二注意力模型也可以是由技术人员基于现有的注意力模型所构建的模型。上述第一注意力模型和第二注意力模型可以采用相同的模型结构,也可以采用不同的模型结构。
句子向量生成模型可以利用第二注意力模型对每个句子中的各个词的词向量分别进行不同的注意力计算,然后利用第二注意力模型输出的各个词分别对应的词向量,生成该句子的特征向量。
具体生成该句子的特征向量的方法可以根据实际的应用需求灵活设置。例如,可以直接将第二注意力模型输出的该句子中的各个词分别对应的词向量进行顺序组合以生成该句子的特征向量。又例如,可以将第二注意力模型输出的该句子中的各个词分别对应的词向量进行加权和计算以生成该句子的特征向量。
需要说明的是,在本公开中,为了便于描述两个注意力模型,将两个注意力模型分别命名为第一注意力模型和第二注意力模型。本领域技术人员应当理解,其中的第一和第二并不构成对注意力模型的特殊限定。
对于一个句子来说,该句子中的每个词对该句子的语义可能具有不同的重要性。例如,有些词的有或无对该句子的语义影响较弱,甚至无影响。又例如,有些词若被删掉,会直接影响对该句子的理解。另外,该句子中的各个词之间通常也具有语义关联性。例如,该句子中的有些词的语义需要结合该词的前几个词或后几个词的语义来理解。
因此,利用注意力模型对待处理文本中的每个句子中的词向量进行处理以生成每个句子的特征向量,可以使得每个句子的特征向量包含有组成该句子的各个词的语义信息,考虑了一个句子中的不同词对该句子的语义的影响,以及一个词在不同句子所构成的语境中分别具有不同的语义等问题,提升了句子的特征向量的准确性,进而利用生成的、待处理文本中的各句子的特征向量生成待处理文本的特征向量,并利用待处理文本特征向量完成待处理文本的匹配,也可以提升待处理文本的匹配结果的准确度。
步骤3022,将目标文本中的各句子的特征向量输入至预先训练的文本向量生成模型,得到目标文本的特征向量。
步骤303,确定待处理文本的特征向量分别与匹配文本集中的各匹配文本的特征向量之间的相似度。
在本实施例中,匹配文本集中的每个匹配文本的特征向量可以预先生成并存储。而且,匹配文本集中的每个匹配文本的特征向量的生成方法可以与待处理文本的特征向量的生成方法相同。即可以将匹配文本集中的每个匹配文本作为目标文本,通过执行上述步骤3021和3022得到每个匹配文本的特征向量。
步骤304,根据对应的相似度,从匹配文本集中选取匹配文本作为待处理文本的匹配结果。
在本实施的一些可选的实现方式中,上述句子向量生成模型还可以包括第二特征提取网络。其中,第二特征提取网络可以是各种用于特征提取的网络。第二特征提取网络的输出可以作为第二注意力模型的输入。
此时,第二特征提取网络可以对输入的目标文本中的每个句子中的每个词的词向量进行进一步地特征提取,得到每个词对应的经过进一步特征提取后的词向量,然后第二注意力模型可以对各个词分别对应的经过进一步特征提取后的词向量进行处理,生成目标文本中的每个句子的特征向量。
可选地,第二特征提取网络可以是循环神经网络(RNN,Recurrent NeuralNetwork)。例如,第二特征提取网络可以是单向或双向的LSTM(Long Short-Term Memory,长短期记忆网络),也可以是单向或双向的GRU(Gated Recurrent Unit,门控循环单元网络)等等。
上述第一特征提取网络和第二提取网络的网络结构可以相同,也可以不同。需要说明的是,在本公开中,为了便于描述两个特征提取网络,将两个特征提取网络分别命名为第一特征提取网络和第二特征提取网络。本领域技术人员应当理解,其中的第一和第二并不构成对特征提取网络的特殊限定。
文本向量生成模型和句子向量生成模型可以基于机器学习的方法训练得到。具体地,可以根据实际的应用需求和应用场景灵活调整训练过程。例如,可以使用Adam进行参数优化、采用Dropout技术避免出现过拟合情况等等,以此来改善模型训练过程,从而得到符合需求的文本向量生成模型和句子向量生成模型。
上述步骤301-304中未详细说明的内容可参考图2对应实施例中的相关说明,在此不再赘述。
继续参见图4,图4是根据本实施例的用于处理文本的方法的一个示意性的应用场景400。在图4的应用场景中,可以接收用户输入的检索文本401,然后对检索文本401进行分句处理,得到检索文本对应的句子集合402。然后利用句子向量生成模型4031分别生成句子集合402中的各句子对应的句子向量,得到句子向量集合404。
具体如图中标号403所示,对于句子集合402中的每个句子,先对该句子进行分词处理,得到该句子对应的词集。然后利用词向量提取方法提取词集中的各个词的词向量,得到词向量集。然后将词向量集输入至预先训练的句子向量生成模型4031,得到该句子的句子向量。
然后,可以将句子向量集合404输入至预先训练的文本向量生成模型405,生成检索文本401的文本向量406。之后,可以分别计算文本向量406与预先构建的文本库407中的各个文本分别对应的特征向量之间的相似度。其中,文本库407中的每个文本的特征向量都可以预先利用句子向量生成模型4031和文本向量生成模型405生成并存储。
进一步地,可以从文本库407中选取对应的相似度大于预设的相似度阈值的文本作为与检索文本401相关的文本,并将与检索文本401相关的文本作为检索结果408返回至用户。
下面参见图5,图5是根据本实施例的句子向量生成模型和文本向量生成模型的一个示意性的网络结构500。
如图5所示,句子向量生成模型501可以包括双向循环神经网络和注意力模型。具体地,可以将一个句子的各个词分别对应的词向量输入至句子向量生成模型501,生成该句子的特征向量,即句子向量。
文本向量生成模型502可以包括双向循环神经网络、注意力模型和人工神经网络(ANN,Artificial Neural Network)5021。具体地,可以将一个文本的各个句子分别对应的句子向量输入至文本向量生成模型502,生成该文本的特征向量,即文本向量。
其中,文本向量生成模型502除了双向循环神经网络和注意力模型之外,根据实际的应用需求还可以包括各种人工神经网络5021。例如,文本向量生成模型502还可以包括用于降维的人工神经网络5021等等。
需要说明的是,图5所示的仅仅是句子向量生成模型和文本向量生成模型的一个示例性的网络结构。技术人员根据实际的应用需求或不同的应用场景,可以灵活地调整句子向量生成模型501和文本向量生成模型502的网络结构。
本公开的上述实施例提供的方法不仅利用注意力模型根据文本的各句子的特征向量生成文本的特征向量,而且还利用注意力模型根据每个句子的各个词的词向量生成该句子的特征向量。由此一来,使得最后生成的文本特征向量不仅能表征文本的句子结构和文本的句子之间的语义关联,而且还能表征每个句子的组成结构和文本的词之间的语义关联,从而更全面地表征文本的语义特性,进一步提升基于文本的特征向量得到的匹配结果的准确性。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了用于处理文本的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例提供的用于处理文本的装置600包括获取单元601、生成单元602和选取单元603。其中,获取单元601被配置成获取待处理文本;生成单元602被配置成确定待处理文本作为目标文本,执行如下生成步骤:分别获取目标文本中的各句子的特征向量;利用预先训练的文本向量生成模型对目标文本中的各句子的特征向量进行处理,生成目标文本的特征向量,其中,文本向量生成模型包括第一注意力模型;选取单元603被配置成根据待处理文本的特征向量,从匹配数据集中选取匹配数据作为待处理文本的匹配结果。
在本实施例中,用于处理文本的装置600中:获取单元601、生成单元602和选取单元603的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述生成单元602进一步被配置成:对于目标文本中的句子,分别获取该句子中的各词的词向量,以及利用预先训练的句子向量生成模型对该句子中的各词的词向量进行处理,生成该句子的特征向量,其中,句子向量生成模型包括第二注意力模型。
在本实施例的一些可选的实现方式中,匹配数据集为匹配文本集;以及上述选取单元603及进一步被配置成:分别获取匹配文本集中的各匹配文本的特征向量,其中,匹配文本的特征向量通过预先将匹配文本确定为目标文本以及执行生成步骤得到;确定待处理文本的特征向量分别与匹配文本集中的各匹配文本的特征向量之间的相似度;根据对应的相似度,从匹配文本集中选取匹配文本作为待处理文本的匹配结果。
在本实施例的一些可选的实现方式中,文本向量生成模型还包括第一特征提取网络,其中,第一特征提取网络的输出为第一注意力模型的输入。
在本实施例的一些可选的实现方式中,句子向量生成模型还包括第二特征提取网络,其中,第二特征提取网络的输出为第二注意力模型的输入。
在本实施例的一些可选的实现方式中,第一特征提取网络为循环神经网络。
在本实施例的一些可选的实现方式中,第二特征提取网络为循环神经网络。
本公开的上述实施例提供的装置,通过获取单元获取待处理文本;生成单元确定待处理文本作为目标文本,执行如下生成步骤:分别获取目标文本中的各句子的特征向量;利用预先训练的文本向量生成模型对目标文本中的各句子的特征向量进行处理,生成目标文本的特征向量,其中,文本向量生成模型包括第一注意力模型;选取单元根据待处理文本的特征向量,从匹配数据集中选取匹配数据作为待处理文本的匹配结果。由此,可以使得文本的特征向量包含有文本的语义信息,进而基于文本的特征向量进行文本匹配,能够提升匹配结果的准确性。
下面参考图7,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)700的结构示意图。图7示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开的实施例中,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。而在本公开的实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取待处理文本;确定待处理文本作为目标文本,执行如下生成步骤:分别获取目标文本中的各句子的特征向量;利用预先训练的文本向量生成模型对目标文本中的各句子的特征向量进行处理,生成目标文本的特征向量,其中,文本向量生成模型包括第一注意力模型;根据待处理文本的特征向量,从匹配数据集中选取匹配数据作为待处理文本的匹配结果。
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公开的实施例的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)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、生成单元和选取单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取待处理文本的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种用于处理文本的方法,包括:
获取待处理文本;
确定所述待处理文本作为目标文本,执行如下生成步骤:分别获取目标文本中的各句子的特征向量;利用预先训练的文本向量生成模型对目标文本中的各句子的特征向量进行处理,生成目标文本的特征向量,其中,所述文本向量生成模型包括第一注意力模型;
根据所述待处理文本的特征向量,从匹配数据集中选取匹配数据作为所述待处理文本的匹配结果。
2.根据权利要求1所述的方法,其中,所述分别获取目标文本中的各句子的特征向量,包括:
对于目标文本中的句子,分别获取该句子中的各词的词向量,以及利用预先训练的句子向量生成模型对该句子中的各词的词向量进行处理,生成该句子的特征向量,其中,所述句子向量生成模型包括第二注意力模型。
3.根据权利要求1所述的方法,其中,所述匹配数据集为匹配文本集;以及
所述根据所述待处理文本的特征向量,从匹配数据集中选取匹配数据作为所述待处理文本的匹配结果,包括:
分别获取所述匹配文本集中的各匹配文本的特征向量,其中,匹配文本的特征向量通过预先将匹配文本确定为目标文本以及执行所述生成步骤得到;
确定所述待处理文本的特征向量分别与所述匹配文本集中的各匹配文本的特征向量之间的相似度;
根据对应的相似度,从所述匹配文本集中选取匹配文本作为所述待处理文本的匹配结果。
4.根据权利要求1-3之一所述的方法,其中,所述文本向量生成模型还包括第一特征提取网络,其中,所述第一特征提取网络的输出为所述第一注意力模型的输入。
5.根据权利要求2所述的方法,其中,所述句子向量生成模型还包括第二特征提取网络,其中,所述第二特征提取网络的输出为所述第二注意力模型的输入。
6.根据权利要求4所述的方法,其中,所述第一特征提取网络为循环神经网络。
7.根据权利要求5所述的方法,其中,所述第二特征提取网络为循环神经网络。
8.一种用于处理文本的装置,包括:
获取单元,被配置成获取待处理文本;
生成单元,被配置成确定所述待处理文本作为目标文本,执行如下生成步骤:分别获取目标文本中的各句子的特征向量;利用预先训练的文本向量生成模型对目标文本中的各句子的特征向量进行处理,生成目标文本的特征向量,其中,所述文本向量生成模型包括第一注意力模型;
选取单元,被配置成根据所述待处理文本的特征向量,从匹配数据集中选取匹配数据作为所述待处理文本的匹配结果。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
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。
10.一种计算机可读介质,其上存储有计算机程序,其中,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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011396279.1A CN112328751A (zh) | 2020-12-03 | 2020-12-03 | 用于处理文本的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011396279.1A CN112328751A (zh) | 2020-12-03 | 2020-12-03 | 用于处理文本的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112328751A true CN112328751A (zh) | 2021-02-05 |
Family
ID=74301339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011396279.1A Pending CN112328751A (zh) | 2020-12-03 | 2020-12-03 | 用于处理文本的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112328751A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113988027A (zh) * | 2021-09-23 | 2022-01-28 | 阿里巴巴达摩院(杭州)科技有限公司 | 文本生成方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382563A (zh) * | 2020-03-20 | 2020-07-07 | 腾讯科技(深圳)有限公司 | 文本相关性的确定方法及装置 |
CN111444700A (zh) * | 2020-04-02 | 2020-07-24 | 山东山大鸥玛软件股份有限公司 | 一种基于语义文档表达的文本相似度量方法 |
CN111858919A (zh) * | 2019-04-30 | 2020-10-30 | 中移(苏州)软件技术有限公司 | 一种文本分类方法及装置、计算机可读存储介质 |
-
2020
- 2020-12-03 CN CN202011396279.1A patent/CN112328751A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858919A (zh) * | 2019-04-30 | 2020-10-30 | 中移(苏州)软件技术有限公司 | 一种文本分类方法及装置、计算机可读存储介质 |
CN111382563A (zh) * | 2020-03-20 | 2020-07-07 | 腾讯科技(深圳)有限公司 | 文本相关性的确定方法及装置 |
CN111444700A (zh) * | 2020-04-02 | 2020-07-24 | 山东山大鸥玛软件股份有限公司 | 一种基于语义文档表达的文本相似度量方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113988027A (zh) * | 2021-09-23 | 2022-01-28 | 阿里巴巴达摩院(杭州)科技有限公司 | 文本生成方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107491547B (zh) | 基于人工智能的搜索方法和装置 | |
CN107273503B (zh) | 用于生成同语言平行文本的方法和装置 | |
CN111428010B (zh) | 人机智能问答的方法和装置 | |
KR20210092147A (ko) | 텍스트의 엔티티 포커스의 마이닝 방법 및 장치 | |
CN109543058B (zh) | 用于检测图像的方法、电子设备和计算机可读介质 | |
CN110046254B (zh) | 用于生成模型的方法和装置 | |
CN107861954B (zh) | 基于人工智能的信息输出方法和装置 | |
CN110019742B (zh) | 用于处理信息的方法和装置 | |
CN109241286B (zh) | 用于生成文本的方法和装置 | |
CN109858045B (zh) | 机器翻译方法和装置 | |
CN109740167B (zh) | 用于生成信息的方法和装置 | |
CN109582825B (zh) | 用于生成信息的方法和装置 | |
CN108121699B (zh) | 用于输出信息的方法和装置 | |
US11036996B2 (en) | Method and apparatus for determining (raw) video materials for news | |
CN111582360A (zh) | 用于标注数据的方法、装置、设备和介质 | |
CN109190123B (zh) | 用于输出信息的方法和装置 | |
CN107766498B (zh) | 用于生成信息的方法和装置 | |
CN112182255A (zh) | 用于存储媒体文件和用于检索媒体文件的方法和装置 | |
CN110245334B (zh) | 用于输出信息的方法和装置 | |
US20230367972A1 (en) | Method and apparatus for processing model data, electronic device, and computer readable medium | |
US20230094828A1 (en) | Audio file annotation | |
CN112307738B (zh) | 用于处理文本的方法和装置 | |
KR102434666B1 (ko) | 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법 및 컴퓨팅 장치 | |
CN112633004A (zh) | 文本标点符号删除方法、装置、电子设备和存储介质 | |
CN112328751A (zh) | 用于处理文本的方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210205 |
|
RJ01 | Rejection of invention patent application after publication |