[發明專利]用于生成信息的方法和裝置

有效

• 申請號: 201811308412.6
• 申請日: 2018-11-05
• 公開（公告）號: CN109408824B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 徐明;焦大原;梁軍;葉敏
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F18/22;G06F18/2415;G06F16/35
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于生成信息的方法，包括：

獲取第一詞和第二詞；

分別從所述第一詞和所述第二詞中提取詞特征，以及確定所述第一詞的詞特征與所述第二詞的詞特征之間的相似度；

基于所確定的相似度，生成詞特征向量，其中，所述詞特征向量用于表征所述第一詞與所述第二詞之間的相似程度；

將所述詞特征向量輸入至預先訓練的變體詞識別模型，得到變體詞概率，其中，所述變體詞識別模型用于表征詞特征向量與變體詞概率之間的對應關系，所述變體詞概率用于表征生成詞特征向量的詞中的一個詞是另一個詞的變體詞的可能性。

2.根據權利要求1所述的方法，其中，所述獲取第一詞和第二詞，包括：

獲取待測文本；

對所述待測文本進行分詞，得到所述待測文本的詞集合；

基于所述待測文本的詞集合和預設詞集合的匹配，從所述詞集合中確定出詞作為第一詞以及從所述預設詞集合中確定出與所確定的第一詞對應的預設詞作為第二詞。

3.根據權利要求2所述的方法，其中，所述基于所確定的相似度，生成詞特征向量，包括：

將所述待測文本中的第一詞替換為所述第二詞，生成替換文本；

將所述待測文本和所述替換文本分別輸入至預先訓練的語言識別模型，得到分別與所述待測文本和所述替換文本對應的語句通順度，其中，所述語言識別模型用于表征文本與語句通順度之間的對應關系，所述語句通順度用于表征文本中的字符組成句子的可能性；

確定所述待測文本的詞集合中的詞的數目；

對所述替換文本進行分詞，確定所述替換文本分詞后所得到的詞的數目；

基于所確定的相似度、所得到的語句通順度和所確定的詞的數目，生成詞特征向量。

4.根據權利要求2所述的方法，其中，所述基于所述待測文本的詞集合和預設詞集合的匹配，從所述詞集合中確定出詞作為第一詞以及從所述預設詞集合中確定出與所確定的第一詞對應的預設詞作為第二詞，包括：

對于所述待測文本的詞集合中的詞，提取該詞的詞變體特征；根據預設的特征距離閾值，生成與該詞對應的候選第二詞集合；從與該詞對應的候選第二詞集合中刪除滿足預設的過濾條件的候選第二詞，得到更新后的候選第二詞集合；響應于確定與該詞對應的、更新后的候選第二詞集合中存在與所述預設詞集合中的預設詞相匹配的候選第二詞，將該詞確定為第一詞，以及將所述與所述預設詞集合中的預設詞相匹配的候選第二詞確定為第二詞。

5.根據權利要求1所述的方法，其中，所述變體詞識別模型通過如下步驟訓練得到：

獲取訓練樣本集合，其中，訓練樣本包括樣本詞特征向量和與樣本詞特征向量對應的樣本變體詞概率；

將所述訓練樣本集合中的訓練樣本的樣本詞特征向量作為輸入，將與輸入的樣本詞特征向量對應的樣本變體詞概率作為期望輸出，訓練得到所述變體詞識別模型。

6.根據權利要求1-5之一所述的方法，其中，所述基于所確定的相似度，生成詞特征向量，包括：

分別確定所述第一詞和所述第二詞在預設的歷史詞集合中出現的次數；

根據所確定的次數，生成轉化率特征，其中，所述轉化率特征用于表征第一詞和第二詞在歷史數據中出現的次數之間的關系；

基于所確定的相似度和所生成的轉化率特征，生成詞特征向量。

7.根據權利要求2-4之一所述的方法，其中，所述方法還包括：

響應于確定所述變體詞概率大于預設的拒絕閾值，推送表征所述待測文本不符合預設要求的信息；

響應于確定所述變體詞概率小于預設的通過閾值，推送表征所述待測文本符合預設要求的信息。