[發(fā)明專(zhuān)利]文本規(guī)整方法及裝置、存儲(chǔ)介質(zhì)、電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201710608200.9
• 申請(qǐng)日: 2017-07-24
• 公開(kāi)（公告）號(hào): CN107562718B
• 公開(kāi)（公告）日: 2020-12-22
• 發(fā)明（設(shè)計(jì)）人: 孔常青;包葉波;高建清
• 申請(qǐng)（專(zhuān)利權(quán)）人: 科大訊飛股份有限公司
• 主分類(lèi)號(hào): G06F40/284
• 分類(lèi)號(hào): G06F40/284;G06F40/211;G06N3/04
• 代理公司: 北京維澳專(zhuān)利代理有限公司 11252
• 代理人: 王立民

1.一種文本規(guī)整方法，其特征在于，所述方法包括：

獲取待規(guī)整文本數(shù)據(jù)；

提取所述待規(guī)整文本數(shù)據(jù)的文本規(guī)整特征，所述文本規(guī)整特征包括：所述待規(guī)整文本數(shù)據(jù)中各單詞的詞向量、所述待規(guī)整文本數(shù)據(jù)中各單詞的詞性向量、和用于描述所述待規(guī)整文本數(shù)據(jù)中重復(fù)部分的離散特征；

基于所述文本規(guī)整特征，通過(guò)預(yù)先構(gòu)建的文本規(guī)整模型進(jìn)行規(guī)整，獲得文本規(guī)整結(jié)果，所述文本規(guī)整模型的拓?fù)浣Y(jié)構(gòu)為編碼器-解碼器結(jié)構(gòu)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

所述待規(guī)整文本數(shù)據(jù)中各單詞的詞向量為所述單詞對(duì)應(yīng)的漢字生成的詞向量；

或者，

所述待規(guī)整文本數(shù)據(jù)中各單詞的詞向量為所述單詞對(duì)應(yīng)的筆劃串生成的詞向量。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，利用所述單詞對(duì)應(yīng)的筆劃串生成詞向量的方式為：

將所述單詞對(duì)應(yīng)的筆劃串向量輸入卷積神經(jīng)網(wǎng)絡(luò)，并對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)的輸出進(jìn)行時(shí)域池化操作，獲得定長(zhǎng)的隱層特征；

對(duì)所述定長(zhǎng)的隱層特征進(jìn)行線(xiàn)性變換，得到所述單詞的詞向量。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，按照以下方式構(gòu)建所述文本規(guī)整模型：

采集訓(xùn)練文本數(shù)據(jù)，并獲得各條訓(xùn)練文本數(shù)據(jù)對(duì)應(yīng)的規(guī)整后文本數(shù)據(jù)；

提取所述訓(xùn)練文本數(shù)據(jù)的文本規(guī)整特征，所述文本規(guī)整特征包括：所述訓(xùn)練文本數(shù)據(jù)中各單詞的詞向量、所述訓(xùn)練文本數(shù)據(jù)中各單詞的詞性向量、和用于描述所述訓(xùn)練文本數(shù)據(jù)中重復(fù)部分的離散特征；

確定所述文本規(guī)整模型的拓?fù)浣Y(jié)構(gòu)為編碼器-解碼器結(jié)構(gòu)；

利用所述訓(xùn)練文本數(shù)據(jù)的文本規(guī)整特征、以及所述編碼器-解碼器結(jié)構(gòu)，訓(xùn)練所述文本規(guī)整模型，直至所述文本規(guī)整模型輸出的文本規(guī)整結(jié)果與所述規(guī)整后文本數(shù)據(jù)相符為止。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述編碼器-解碼器結(jié)構(gòu)為基于Attention機(jī)制的編碼器-解碼器結(jié)構(gòu)，則所述利用所述訓(xùn)練文本數(shù)據(jù)的文本規(guī)整特征、以及所述編碼器-解碼器結(jié)構(gòu)，訓(xùn)練所述文本規(guī)整模型，包括：

將所述訓(xùn)練文本數(shù)據(jù)的文本規(guī)整特征輸入所述編碼器，并對(duì)所述編碼器的輸出進(jìn)行Attention系數(shù)線(xiàn)性加權(quán)，再輸入到所述解碼器，進(jìn)行編碼器解碼器訓(xùn)練，得到所述文本規(guī)整模型。

6.一種文本規(guī)整裝置，其特征在于，所述裝置包括：

待規(guī)整文本數(shù)據(jù)獲取模塊，用于獲取待規(guī)整文本數(shù)據(jù)；

文本規(guī)整特征提取模塊，用于提取所述待規(guī)整文本數(shù)據(jù)的文本規(guī)整特征，所述文本規(guī)整特征包括：所述待規(guī)整文本數(shù)據(jù)中各單詞的詞向量、所述待規(guī)整文本數(shù)據(jù)中各單詞的詞性向量、和用于描述所述待規(guī)整文本數(shù)據(jù)中重復(fù)部分的離散特征；

文本規(guī)整結(jié)果獲得模塊，用于基于所述文本規(guī)整特征，通過(guò)預(yù)先構(gòu)建的文本規(guī)整模型進(jìn)行規(guī)整，獲得文本規(guī)整結(jié)果，所述文本規(guī)整模型的拓?fù)浣Y(jié)構(gòu)為編碼器-解碼器結(jié)構(gòu)。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，

所述文本規(guī)整特征提取模塊提取的單詞的詞向量為所述單詞對(duì)應(yīng)的漢字生成的詞向量；

或者，

所述文本規(guī)整特征提取模塊提取的單詞的詞向量為所述單詞對(duì)應(yīng)的筆劃串生成的詞向量。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，利用所述單詞對(duì)應(yīng)的筆劃串生成詞向量時(shí)，

所述文本規(guī)整特征提取模塊，用于將所述單詞對(duì)應(yīng)的筆劃串向量輸入卷積神經(jīng)網(wǎng)絡(luò)，并對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)的輸出進(jìn)行時(shí)域池化操作，獲得定長(zhǎng)的隱層特征；對(duì)所述定長(zhǎng)的隱層特征進(jìn)行線(xiàn)性變換，得到所述單詞的詞向量。