[發(fā)明專(zhuān)利]用于文本處理的方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010127184.3
• 申請(qǐng)日: 2020-02-28
• 公開(kāi)（公告）號(hào): CN111339256A
• 公開(kāi)（公告）日: 2020-06-26
• 發(fā)明（設(shè)計(jì)）人: 彭爽;崔恒斌
• 申請(qǐng)（專(zhuān)利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類(lèi)號(hào): G06F16/33
• 分類(lèi)號(hào): G06F16/33;G06F16/332;G06F40/211;G06N3/04;G06N3/08
• 代理公司: 北京永新同創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 11376
• 代理人: 楊錫勱;趙磊

本說(shuō)明書(shū)的實(shí)施例提供了用于文本處理的方法、裝置、計(jì)算設(shè)備和機(jī)器可讀存儲(chǔ)介質(zhì)。該方法包括：接收第一文本向量和第二文本向量，其中，第一文本向量用于表示用戶問(wèn)句文本，第二文本向量用于表示候選問(wèn)句文本，候選問(wèn)句文本是從知識(shí)庫(kù)中獲取的；利用RNN和CNN，對(duì)第一文本向量和第二文本向量進(jìn)行編碼，得到針對(duì)第一文本向量的第一編碼結(jié)果和針對(duì)第二文本向量的第二編碼結(jié)果；基于第一編碼結(jié)果和第二編碼結(jié)果，確定用戶問(wèn)句文本與候選問(wèn)句文本之間的相似度，其中，相似度用于確定針對(duì)用戶問(wèn)句文本的答復(fù)。

技術(shù)領(lǐng)域

本說(shuō)明書(shū)的實(shí)施例涉及信息技術(shù)領(lǐng)域，更具體地，涉及用于文本處理的方法、裝置、計(jì)算設(shè)備和機(jī)器可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著機(jī)器學(xué)習(xí)等各種技術(shù)的不斷發(fā)展，為了方便用戶獲得幫助，已經(jīng)開(kāi)發(fā)了智能問(wèn)答系統(tǒng)。智能問(wèn)答系統(tǒng)可以實(shí)現(xiàn)人機(jī)對(duì)話，例如，用戶向智能問(wèn)答系統(tǒng)提出問(wèn)題，智能問(wèn)答系統(tǒng)能夠自動(dòng)地回答問(wèn)題。可見(jiàn)，智能問(wèn)答系統(tǒng)不僅提供了極大的便利性，而且降低了人工回答問(wèn)題的成本。然而，如何使得智能問(wèn)答系統(tǒng)準(zhǔn)確地回答用戶的問(wèn)題，成為需要解決的問(wèn)題之一。

發(fā)明內(nèi)容

考慮到現(xiàn)有技術(shù)的上述問(wèn)題，本說(shuō)明書(shū)的實(shí)施例提供了用于文本處理的方法、裝置、計(jì)算設(shè)備和機(jī)器可讀存儲(chǔ)介質(zhì)。

一方面，本說(shuō)明書(shū)的實(shí)施例提供了一種用于文本處理的方法，包括：接收第一文本向量和第二文本向量，其中，所述第一文本向量用于表示用戶問(wèn)句文本，所述第二文本向量用于表示候選問(wèn)句文本，所述候選問(wèn)句文本是從知識(shí)庫(kù)中獲取的，所述知識(shí)庫(kù)包括至少一個(gè)現(xiàn)有問(wèn)句文本以及針對(duì)各個(gè)現(xiàn)有問(wèn)句文本的答案文本；利用遞歸神經(jīng)網(wǎng)絡(luò)(RecurrentNeural Network，RNN)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)，對(duì)所述第一文本向量和所述第二文本向量進(jìn)行編碼，得到針對(duì)所述第一文本向量的第一編碼結(jié)果和針對(duì)所述第二文本向量的第二編碼結(jié)果；基于所述第一編碼結(jié)果和所述第二編碼結(jié)果，確定所述用戶問(wèn)句文本與所述候選問(wèn)句文本之間的相似度，其中，所述相似度用于確定針對(duì)所述用戶問(wèn)句文本的答復(fù)。

另一方面，本說(shuō)明書(shū)的實(shí)施例提供了一種用于文本處理的裝置，包括：接收單元，其接收第一文本向量和第二文本向量，其中，所述第一文本向量用于表示用戶問(wèn)句文本，所述第二文本向量用于表示候選問(wèn)句文本，所述候選問(wèn)句文本是從知識(shí)庫(kù)中獲取的，所述知識(shí)庫(kù)包括至少一個(gè)現(xiàn)有問(wèn)句文本以及針對(duì)各個(gè)現(xiàn)有問(wèn)句文本的答案文本；編碼單元，其利用RNN和CNN，對(duì)所述第一文本向量和所述第二文本向量進(jìn)行編碼，得到針對(duì)所述第一文本向量的第一編碼結(jié)果和針對(duì)所述第二文本向量的第二編碼結(jié)果；確定單元，其基于所述第一編碼結(jié)果和所述第二編碼結(jié)果，確定所述用戶問(wèn)句文本與所述候選問(wèn)句文本之間的相似度，其中，所述相似度用于確定針對(duì)所述用戶問(wèn)句文本的答復(fù)。

另一方面，本說(shuō)明書(shū)的實(shí)施例提供了一種計(jì)算設(shè)備，包括：至少一個(gè)處理器；與所述至少一個(gè)處理器進(jìn)行通信的存儲(chǔ)器，其上存儲(chǔ)有可執(zhí)行代碼，所述可執(zhí)行代碼在被所述至少一個(gè)處理器執(zhí)行時(shí)使得所述至少一個(gè)處理器實(shí)現(xiàn)上述方法。

另一方面，本說(shuō)明書(shū)的實(shí)施例提供了一種機(jī)器可讀存儲(chǔ)介質(zhì)，其存儲(chǔ)有可執(zhí)行代碼，所述可執(zhí)行代碼在被執(zhí)行時(shí)使得機(jī)器執(zhí)行上述方法。

附圖說(shuō)明

通過(guò)結(jié)合附圖對(duì)本說(shuō)明書(shū)的實(shí)施例的更詳細(xì)的描述，本說(shuō)明書(shū)的實(shí)施例的上述以及其它目的、特征和優(yōu)勢(shì)將變得更加明顯，其中，在本說(shuō)明書(shū)的實(shí)施例中，相同的附圖標(biāo)記通常代表相同的元素。

圖1是根據(jù)一個(gè)實(shí)施例的智能問(wèn)答系統(tǒng)的運(yùn)行過(guò)程的示意性流程圖。

圖2是根據(jù)一個(gè)實(shí)施例的用于文本處理的方法的示意性流程圖。

圖3A是根據(jù)一個(gè)實(shí)施例的相似度模型的結(jié)構(gòu)示意圖。

圖3B是根據(jù)一個(gè)實(shí)施例的CNN編碼器的結(jié)構(gòu)示意圖。

圖4是根據(jù)一個(gè)實(shí)施例的用于文本處理的裝置的示意性框圖。