[發明專利]提取文檔關鍵句的方法及裝置

在審

• 申請號: 201510587652.4
• 申請日: 2015-09-15
• 公開（公告）號: CN105243053A
• 公開（公告）日: 2016-01-13
• 發明（設計）人: 姜迪;石磊;連榮忠;殷瑞;蔣佳軍
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06K9/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆;胡彬

1.一種提取文檔關鍵句的方法，其特征在于，包括：

根據層級語義向量模型訓練得到與文檔相關的句子向量和文檔向量，所述層級語義向量模型包含預先根據文檔訓練資料庫訓練得到的句子向量更新公式和文檔向量更新公式；

計算所述句子向量和所述文檔向量之間的相關性；

選取所述相關性滿足預設條件的句子向量對應的句子作為所述文檔的第一關鍵句。

2.根據權利要求1所述的方法，其特征在于，根據層級語義向量模型訓練得到與文檔信息相關的句子向量和文檔向量，包括：

獲取所述文檔中包含的詞和句子，為每個詞分別定義初始詞向量、為每個句子分別定義初始句子向量，為所述文檔定義初始文檔向量；

采用所述層級語義向量模型的詞向量更新公式更新所述初始詞向量，得到所述文檔中每個詞對應的詞向量；

將所述詞向量作為已知向量，根據所述詞向量采用所述句子向量更新公式更新所述初始句子向量，得到所述文檔中每個句子對應的句子向量；

將所述句子向量作為已知向量，根據所述句子向量采用所述文檔向量更新公式更新所述初始文檔向量，得到所述文檔對應的文檔向量。

3.根據權利要求1所述的方法，其特征在于，選取所述相關性滿足預設條件的句子向量對應的句子作為所述文檔的第一關鍵句，包括：

選取與所述文檔向量相關性最高的句子向量對應的句子作為所述文檔的第一關鍵句。

4.根據權利要求3所述的方法，其特征在于，選取與所述文檔向量相關性最高的句子向量對應的句子作為所述文檔的第一關鍵句之后還包括：

計算所述第一關鍵句與其它句子向量的冗余距離；

計算其它各句子向量和所述文檔向量之間的距離與對應的冗余距離之間的差值；

用所述差值表示其它各句子向量和所述文檔向量之間的相關性；

從其它各句子向量中選取與所述文檔向量相關性最高的句子向量作為所述第一關鍵句，返回執行計算冗余距離操作，直至達到結束條件；

將每次循環計算得到的所述第一關鍵句作為所述文檔的摘要返回用戶。

5.根據權利要求1～4任一項所述的方法，其特征在于，建立所述層級語義向量模型包括：

根據所述文檔訓練資料庫，為所述訓練資料庫中的每個文檔分別構建初始詞向量、初始句子向量和初始文檔向量；

根據所述文檔訓練資料庫的初始詞向量、初始句子向量和初始文檔向量建立所述文檔訓練資料庫中所有文檔的聯合似然函數；

對所述聯合似然函數進行參數估計得到所述詞向量更新公式、句子向量更新公式和文檔向量更新公式。

6.根據權利要求1～4任一項所述的方法，其特征在于，所述相關性為所述句子向量與所述文檔向量之間的余弦距離。

7.一種提取文檔關鍵句的裝置，其特征在于，包括：

向量訓練模塊，用于根據層級語義向量模型訓練得到與文檔相關的句子向量和文檔向量，所述層級語義向量模型包含預先根據文檔訓練資料庫訓練得到的句子向量更新公式和文檔向量更新公式；

相關性計算模塊，用于計算所述句子向量和所述文檔向量之間的相關性；

關鍵句選取模塊，用于選取所述相關性滿足預設條件的句子向量對應的句子作為所述文檔的第一關鍵句。

8.根據權利要求7所述的裝置，其特征在于，所述向量訓練模塊具體用于：

獲取所述文檔中包含的詞和句子，為每個詞分別定義初始詞向量、為每個句子分別定義初始句子向量，為所述文檔定義初始文檔向量；采用所述層級語義向量模型的詞向量更新公式更新所述初始詞向量，得到所述文檔中每個詞對應的詞向量；將所述詞向量作為已知向量，根據所述詞向量采用所述句子向量更新公式更新所述初始句子向量，得到所述文檔中每個句子對應的句子向量；將所述句子向量作為已知向量，根據所述句子向量采用所述文檔向量更新公式更新所述初始文檔向量，得到所述文檔對應的文檔向量。

9.根據權利要求7所述的裝置，其特征在于，所述關鍵句選取模塊具體用于：

選取與所述文檔向量相關性最高的句子向量對應的句子作為所述文檔的第一關鍵句。