[發(fā)明專利]一種基于人工智能專家系統(tǒng)的摘要提取方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010586099.3
• 申請(qǐng)日: 2020-06-24
• 公開（公告）號(hào): CN111767394A
• 公開（公告）日: 2020-10-13
• 發(fā)明（設(shè)計(jì)）人: 李冰;晏欣衛(wèi);王蔚
• 申請(qǐng)（專利權(quán)）人: 中國(guó)工商銀行股份有限公司
• 主分類號(hào): G06F16/34
• 分類號(hào): G06F16/34;G06F40/211;G06F16/33;G06N5/02
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 王濤;任默聞

一種基于人工智能專家系統(tǒng)的摘要提取方法及裝置，所述方法包括：對(duì)獲取的待處理資訊文本進(jìn)行依存句法分析，得到資訊初始詞素；將所述資訊初始詞素輸入至預(yù)先訓(xùn)練得到的專家知識(shí)庫(kù)模型得到資訊關(guān)鍵詞素；根據(jù)所述資訊關(guān)鍵詞素得到對(duì)應(yīng)句子的句子向量；根據(jù)所述句子向量計(jì)算對(duì)應(yīng)的句子的權(quán)重；根據(jù)所述權(quán)重篩選出預(yù)設(shè)數(shù)量的句子，組成摘要文本。本申請(qǐng)能夠快速、精準(zhǔn)地自動(dòng)提取資訊文本摘要的方法，彌補(bǔ)了人工提取摘要的不足，能夠?qū)①Y訊文本的摘要快速、精準(zhǔn)地展示或推送給讀者，從而提升讀者的閱讀效率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人工智能領(lǐng)域，具體的是一種基于人工智能專家系統(tǒng)的摘要提取方法及裝置。

背景技術(shù)

人工智能專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)，模擬人類專家解決問(wèn)題的方法來(lái)處理該領(lǐng)域的問(wèn)題。

文本摘要技術(shù)能夠?qū)Y訊文本進(jìn)行信息壓縮，從而提取出資訊文本中比較重要的信息，以摘要的形式展現(xiàn)給讀者。由于摘要往往較為簡(jiǎn)短，從而能夠提高讀者獲取信息的效率。

目前，很多情況下，資訊文本僅包含正文，不包含摘要。對(duì)于需要做資訊文本信息推送的場(chǎng)景來(lái)說(shuō)，制作摘要成為必須。然而，在現(xiàn)有技術(shù)中，摘要的制作往往依靠人工操作實(shí)現(xiàn)，耗時(shí)耗力，受主觀因素影響大，信息推送的時(shí)效性也難以保證。因此，急需一種能夠快速、精準(zhǔn)地自動(dòng)提取資訊文本摘要的方法，彌補(bǔ)人工提取摘要的不足，將資訊文本的摘要快速、精準(zhǔn)地展示或推送給讀者，提升讀者的閱讀效率。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中存在的問(wèn)題，本申請(qǐng)?zhí)峁┮环N基于人工智能專家系統(tǒng)的摘要提取方法，能夠快速、精準(zhǔn)地提取資訊文本的摘要，以便展示或推送給讀者，從而提升讀者的閱讀效率。

為解決上述技術(shù)問(wèn)題，本申請(qǐng)?zhí)峁┮韵录夹g(shù)方案：

第一方面，本申請(qǐng)?zhí)峁┮环N基于人工智能專家系統(tǒng)的摘要提取方法，包括：

對(duì)獲取的待處理資訊文本進(jìn)行依存句法分析，得到資訊初始詞素；

將所述資訊初始詞素輸入至預(yù)先訓(xùn)練得到的專家知識(shí)庫(kù)模型，得到資訊關(guān)鍵詞素；

根據(jù)所述資訊關(guān)鍵詞素得到對(duì)應(yīng)句子的句子向量；

根據(jù)所述句子向量計(jì)算對(duì)應(yīng)的句子的權(quán)重；

根據(jù)所述權(quán)重篩選出預(yù)設(shè)數(shù)量的句子，組成摘要文本。

進(jìn)一步地，預(yù)先訓(xùn)練得到專家知識(shí)庫(kù)模型的步驟包括：

利用獲取的歷史資訊文本對(duì)CBOW模型進(jìn)行訓(xùn)練，得到所述專家知識(shí)庫(kù)模型。

進(jìn)一步地，所述將所述資訊初始詞素輸入至預(yù)先訓(xùn)練得到的專家知識(shí)庫(kù)模型，得到資訊關(guān)鍵詞素，包括：

根據(jù)摘要提取需求構(gòu)建規(guī)則庫(kù)，所述規(guī)則庫(kù)存儲(chǔ)了用于增強(qiáng)或過(guò)濾所述資訊初始詞素的規(guī)則；

利用所述專家知識(shí)庫(kù)模型對(duì)所述資訊初始詞素進(jìn)行分析，得到資訊初始關(guān)鍵詞素；

根據(jù)所述規(guī)則庫(kù)中的規(guī)則對(duì)所述資訊初始關(guān)鍵詞素進(jìn)行信息處理，得到最終的所述資訊關(guān)鍵詞素。

進(jìn)一步地，所述根據(jù)所述資訊關(guān)鍵詞素得到對(duì)應(yīng)句子的句子向量，包括：

將獲取的歷史資訊文本輸入至word2vec模型，得到詞向量；

從所述詞向量中選擇所述資訊關(guān)鍵詞素對(duì)應(yīng)的詞向量；

將所述資訊關(guān)鍵詞素對(duì)應(yīng)的詞向量組成句子；

將各句子中所述資訊關(guān)鍵詞素對(duì)應(yīng)的詞向量分別進(jìn)行累加平均計(jì)算，得到所述資訊關(guān)鍵詞素對(duì)應(yīng)句子的句子向量。

進(jìn)一步地，所述根據(jù)所述句子向量計(jì)算對(duì)應(yīng)的句子的權(quán)重，包括：