[發明專利]文本長難句的壓縮方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202010733600.4
• 申請日: 2020-07-27
• 公開（公告）號: CN111898363B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 李小娟;徐國強
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/289;G06F40/30;G06F16/332;G06F16/35;G06N3/0464
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 何姣

1.一種文本長難句的壓縮方法，其特征在于，包括：

獲取待處理的文本信息；

根據第一預置神經網絡模型確定所述文本信息的類型，包括：通過所述第一預置神經網絡模型確定所述文本信息的目標特征向量信息；通過所述第一預置神經網絡模型的最大池化，提取所述目標特征向量信息中的最大值，并通過拼接操作，得到所述文本信息的特征表達向量；通過所述第一預置神經網絡模型中預設的概率公式對所述特征表達向量進行分類，分別得到無關類型的概率值和核心類型的概率值；基于所述無關類型的概率值和所述核心類型的概率值，確定所述文本信息的類型；

若所述文本信息的類型為核心類型，則將所述文本信息輸入第二預置神經網絡模型，通過所述第二預置神經網絡對所述文本信息進行分詞；獲取各個所述分詞的權重矩陣，以確定各個所述分詞之間的屬性關系；基于各個所述分詞之間的屬性關系，獲取所述第二預置神經網絡模型輸出所述文本信息的核心句。

2.如權利要求1所述的文本長難句的壓縮方法，其特征在于，所述根據第一預置模型確定所述文本信息的類型，包括：

將所述文本信息輸入第一預置神經網絡模型；

通過所述第一預置神經網絡模型的詞向量層將所述文本信息轉化為特征矩陣；

基于所述第一預置神經網絡模型的卷積核對所述特征矩陣進行卷積操作，提取所述文本信息中的上下文特征信息，得到所述文本信息的目標特征向量信息；

根據所述目標特征向量信息，確定所述第一預置神經網絡模型輸出所述文本信息的類型概率值；

基于所述類型概率值，確定所述文本信息的類型。

3.如權利要求2所述的文本長難句的壓縮方法，其特征在于，所述得到所述文本信息的目標特征向量信息，包括：

將所述卷積核與所述特征矩陣對應位置的元素進行相乘并求和，得到對應的第一目標特征；

通過所述卷積核與所述特征矩陣的下一位置的元素進行相乘并求和，得到對應的第二目標特征；

將得到的所述第一目標特征和所述第二目標特征進行拼接，生成目標特征向量信息。

4.如權利要求1所述的文本長難句的壓縮方法，其特征在于，所述確定所述文本信息的類型，包括：

將所述無關類型的概率值和所述核心類型的概率值進行比對；

若所述無關類型的概率值大于所述核心類型的概率值，則確定所述文本信息的類型為無關類型；

若所述無關類型的概率值小于或等于所述核心類型的概率值，則確定所述文本信息的類型為核心類型。

5.如權利要求1所述的文本長難句的壓縮方法，其特征在于，所述根據第二預置神經網絡模型對所述文本信息進行壓縮，獲取所述文本信息的核心句之后，還包括：

將所述核心句與預置問答庫進行匹配，獲取與所述核心句相匹配的問答文本；

基于所述問答文本，向用戶發送所述問答文本中的話術信息。

6.一種文本長難句的壓縮裝置，其特征在于，包括：

獲取模塊，用于獲取待處理的文本信息；

確定模塊，用于根據第一預置神經網絡模型確定所述文本信息的類型，包括：通過所述第一預置神經網絡模型確定所述文本信息的目標特征向量信息；通過所述第一預置神經網絡模型的最大池化，提取所述目標特征向量信息中的最大值，并通過拼接操作，得到所述文本信息的特征表達向量；通過所述第一預置神經網絡模型中預設的概率公式對所述特征表達向量進行分類，分別得到無關類型的概率值和核心類型的概率值；基于所述無關類型的概率值和所述核心類型的概率值，確定所述文本信息的類型；

壓縮獲取模塊，用于若所述文本信息的類型為核心類型，則將所述文本信息輸入第二預置神經網絡模型，通過所述第二預置神經網絡對所述文本信息進行分詞；獲取各個所述分詞的權重矩陣，以確定各個所述分詞之間的屬性關系；基于各個所述分詞之間的屬性關系，獲取所述第二預置神經網絡模型輸出所述文本信息的核心句。

7.一種計算機設備，其特征在于，所述計算機設備包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執行的計算機程序，其中所述計算機程序被所述處理器執行時，實現如權利要求1至5中任一項所述的文本長難句的壓縮方法的步驟。

8.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，其中所述計算機程序被處理器執行時，實現如權利要求1至5中任一項所述的文本長難句的壓縮方法的步驟。