[發明專利]一種文本標點預測方法、裝置、計算機設備及存儲介質

在審

• 申請號: 201910182506.1
• 申請日: 2019-03-12
• 公開（公告）號: CN110032732A
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 王健宗;程寧;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/21
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 黃章輝

本發明公開了一種文本標點預測方法、裝置、計算機設備及存儲介質，應用于深度學習技術領域，用于解決語音識別得到的話術文本無標點的問題。本發明提供的方法包括：獲取無標點的目標文本；對目標文本進行分詞處理，得到目標文本中的各個目標字詞；對各個目標字詞分別進行向量化處理，得到各個目標向量；按照各個目標字詞在目標文本中的次序，將各個目標向量依次輸入至網絡模型，得到輸出的結果序列，結果序列中的各個數值分別表征了各個目標字詞對應的標點；根據預設的數值標點對應關系分別確定出各個數值對應的各個標點；針對各個標點中的每個標點，將每個標點插入至目標文本中與每個標點對應目標字詞的后面位置，得到標點預測后的話術文本。

技術領域

本發明涉及深度學習技術領域，尤其涉及一種文本標點預測方法、裝置、計算機設備及存儲介質。

背景技術

隨著社會和高科技技術的飛速發展，智能家居控制、自動問答、語音助手等自然語言處理得到越來越多的關注。但是，由于口語對話沒有標點符號，不能區分語句邊界和規范語言結構，因此標點預測是極其重要的自然語言處理任務。在智能電話客服場景中，對于用戶的講話，通過語音識別得到的是無標點無斷句的原始話術文本，沒有辦法直接使用，故而在進一步利用用戶的話術之前，需要先對原始話術文本進行標點預測，以便對無標點的文本添加標點。

因此，尋找一種能夠準確地對話術文本進行標點預測的方法成為本領域技術人員亟需解決的問題。

發明內容

本發明實施例提供一種文本標點預測方法、裝置、計算機設備及存儲介質，以解決語音識別得到的話術文本無標點的問題。

一種文本標點預測方法，包括：

獲取無標點的目標文本；

對所述目標文本進行分詞處理，得到所述目標文本中的各個目標字詞；

對所述各個目標字詞分別進行向量化處理，得到所述各個目標字詞對應的各個目標向量；

按照所述各個目標字詞在所述目標文本中的次序，將所述各個目標向量依次輸入至網絡模型，得到所述網絡模型依次輸出的結果序列，所述結果序列中的各個數值分別表征了所述各個目標字詞對應的標點，所述網絡模型由預先訓練好的LSTM網絡和條件隨機場組成；

根據預設的數值標點對應關系分別確定出各個數值對應的各個標點，所述數值標點對應關系記錄了數值與標點的一一對應關系；

針對所述各個標點中的每個標點，將所述每個標點插入至所述目標文本中與所述每個標點對應目標字詞的后面位置，得到標點預測后的話術文本，所述后面位置是指所述目標文本中位于所述目標字詞后面、且緊靠所述目標字詞的位置。

一種文本標點預測裝置，包括：

文本獲取模塊，用于獲取無標點的目標文本；

分詞處理模塊，用于對所述目標文本進行分詞處理，得到所述目標文本中的各個目標字詞；

字詞向量化模塊，用于對所述各個目標字詞分別進行向量化處理，得到所述各個目標字詞對應的各個目標向量；

向量輸入模塊，用于按照所述各個目標字詞在所述目標文本中的次序，將所述各個目標向量依次輸入至網絡模型，得到所述網絡模型依次輸出的結果序列，所述結果序列中的各個數值分別表征了所述各個目標字詞對應的標點，所述網絡模型由預先訓練好的LSTM網絡和條件隨機場組成；

標點確定模塊，用于根據預設的數值標點對應關系分別確定出各個數值對應的各個標點，所述數值標點對應關系記錄了數值與標點的一一對應關系；

標點插入模塊，用于針對所述各個標點中的每個標點，將所述每個標點插入至所述目標文本中與所述每個標點對應目標字詞的后面位置，得到標點預測后的話術文本，所述后面位置是指所述目標文本中位于所述目標字詞后面、且緊靠所述目標字詞的位置。