[發(fā)明專利]結(jié)合RPA和AI的文本語句識別方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010833635.5
• 申請日: 2020-08-18
• 公開（公告）號: CN111985209A
• 公開（公告）日: 2020-11-24
• 發(fā)明（設(shè)計(jì)）人: 張勇;王建周;胡一川;汪冠春;褚瑞;李瑋
• 申請（專利權(quán)）人: 北京來也網(wǎng)絡(luò)科技有限公司;北京奔影網(wǎng)絡(luò)科技有限公司
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/289
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 張大威

1.一種結(jié)合RPA和AI的文本語句識別方法，其特征在于，包括：

獲取待識別的候選文本語句的第一詞向量矩陣；

對所述第一詞向量矩陣壓縮處理，獲取第二詞向量矩陣；

基于主成分分析算法PCA對所述第二詞向量矩陣進(jìn)行計(jì)算，得到第三詞向量矩陣；

對所述第三詞向量矩陣進(jìn)行壓縮處理，得到目標(biāo)詞向量矩陣；

根據(jù)所述目標(biāo)詞向量矩陣獲取與所述候選文本語句對應(yīng)的目標(biāo)文本語句。

2.如權(quán)利要求1所述的方法，其特征在于，所述對所述第一詞向量矩陣壓縮處理，獲取第二詞向量矩陣，包括：

計(jì)算所述第一詞向量矩陣中所有第一矩陣元素的第一平均值；

對所述第一詞向量矩陣中每個(gè)第一矩陣元素減去所述第一平均值，獲取第四詞向量矩陣；

基于PCA算法對所述第四詞向量矩陣進(jìn)行處理，并根據(jù)處理結(jié)果獲取所述第四詞向量矩陣的前N個(gè)主要成分；

從所述第四詞向量矩陣中去除所述前N個(gè)主要成分，得到所述候選文本、語句的第二詞向量矩陣；

其中，所述N為預(yù)先設(shè)定的正整數(shù)。

3.如權(quán)利要求1所述的方法，其特征在于，所述對所述第三詞向量矩陣進(jìn)行壓縮處理，得到目標(biāo)詞向量矩陣，包括：

計(jì)算所述第三詞向量矩陣中所有第二矩陣元素的第二平均值；

對所述第三詞向量矩陣中每個(gè)第一矩陣元素減去所述第二平均值，獲取第五詞向量矩陣；

基于PCA算法對所述第五詞向量矩陣進(jìn)行處理，根據(jù)處理結(jié)果獲取所述第五詞向量矩陣的前M個(gè)主要成分；

從所述第五詞向量矩陣中去除所述前M個(gè)主要成分，得到所述候選文本語句的目標(biāo)詞向量矩陣；

其中，所述M為預(yù)先設(shè)定的正整數(shù)。

4.如權(quán)利要求1-3中任一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述目標(biāo)詞向量矩陣獲取與所述候選文本語句對應(yīng)的目標(biāo)文本語句，包括：

對所述目標(biāo)詞向量矩陣中的詞向量進(jìn)行加權(quán)處理，得到所述候選文本語句的第一句向量；

根據(jù)各預(yù)設(shè)樣本句的原始句向量，生成樣本句向量矩陣；

基于PCA算法對所述樣本句向量矩陣進(jìn)行處理，根據(jù)處理結(jié)果獲取所述第一主成分；

從所述第一句向量中去除所述第一主成分，得到所述候選文本語句的第二句向量；

計(jì)算所述第二句向量與各預(yù)設(shè)樣本句之間的歐式距離，確定所述歐式距離中的最小歐式距離對應(yīng)的預(yù)設(shè)樣本語句，為所述目標(biāo)文本語句。

5.如權(quán)利要求4所述的方法，其特征在于，所述根據(jù)各預(yù)設(shè)樣本句的原始句向量，生成樣本句向量矩陣，包括：

根據(jù)所述各預(yù)設(shè)樣本句的原始句向量，組成第一句向量矩陣；

計(jì)算所述第一句向量矩陣中所有第三矩陣元素的第三平均值；

對所述第一句向量矩陣中每個(gè)第三矩陣元素減去所述第三平均值，獲取第二句向量矩陣；

基于PCA算法對所述第二句向量矩陣進(jìn)行處理，根據(jù)處理結(jié)果獲取所述第二句向量矩陣的前G個(gè)主要成分；

從所述第二句向量矩陣中去除所述前G個(gè)主要成分，得到所述樣本句向量矩陣；

其中，G為預(yù)先設(shè)定的正整數(shù)。

6.如權(quán)利要求1所述的方法，其特征在于，還包括：

確定與所述目標(biāo)文本語句對應(yīng)的操作；

執(zhí)行與所述目標(biāo)樣本句相對應(yīng)的操作。

7.一種結(jié)合RPA和AI的文本語句識別裝置，其特征在于，包括：

第一獲取模塊，用于獲取待識別的候選文本語句的第一詞向量矩陣；

第二獲取模塊，用于對所述第一詞向量矩陣壓縮處理，獲取第二詞向量矩陣；

計(jì)算模塊，用于基于主成分分析算法PCA對所述第二詞向量矩陣進(jìn)行計(jì)算，得到第三詞向量矩陣；

壓縮模塊，用于對所述第三詞向量矩陣進(jìn)行壓縮處理，得到目標(biāo)詞向量矩陣；

第三獲取模塊，用于根據(jù)所述目標(biāo)詞向量矩陣獲取與所述候選文本語句對應(yīng)的目標(biāo)文本語句。