[發明專利]公式的標注方法、裝置、設備及存儲介質

有效

• 申請號: 202011081425.1
• 申請日: 2020-10-12
• 公開（公告）號: CN111931020B
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 岳祥;陳柯錦;彭守業;季云英;項瑩瑩
• 申請（專利權）人: 北京世紀好未來教育科技有限公司
• 主分類號: G06F16/906
• 分類號: G06F16/906;G06F16/903;G06F40/237;G06F40/247
• 代理公司: 上海知錦知識產權代理事務所(特殊普通合伙) 31327
• 代理人: 李麗

1.一種公式的標注方法，其特征在于，包括：

獲取待標注公式；

調用公式標注模型，所述公式標注模型在與公式相關學科對應的目標語言表征模型的基礎上，通過公式標注數據訓練得到；其中，所述目標語言表征模型基于基礎語言表征模型至少擴展所述公式相關學科的詞匯而得到，所述公式標注數據至少包括樣本公式數據及樣本公式數據對應的標簽；

根據所述公式標注模型，預測所述待標注公式的標簽；

其中，所述目標語言表征模型的確定步驟包括：

獲取所述基礎語言表征模型；

為所述基礎語言表征模型添加與所述公式相關學科對應的基礎詞匯數據，得到第一語言表征模型；

基于所述公式相關學科的學科文本數據以及學科詞典數據，為所述第一語言表征模型覆蓋與所述公式相關學科的詞匯，得到所述目標語言表征模型；

其中，所述根據所述公式標注模型，預測所述待標注公式的標簽，包括：將所述待標注公式輸入到所述公式標注模型，以使所述公式標注模型預測與所述待標注公式對應的標簽。

2.如權利要求1所述的公式的標注方法，其特征在于，所述基礎語言表征模型為BERT模型。

3.如權利要求1-2任一項所述的公式的標注方法，其特征在于，還包括：

獲取樣本公式數據及樣本公式數據對應的標簽；

將所述樣本公式數據及樣本公式數據對應的標簽作為訓練數據，對所述目標語言表征模型進行訓練，得到訓練的所述公式標注模型。

4.如權利要求3所述的公式的標注方法，其特征在于，所述獲取樣本公式數據及樣本公式數據對應的標簽，包括：

從文本數據中提取樣本公式數據，并確定所述樣本公式數據對應的標簽。

5.如權利要求4所述的公式的標注方法，其特征在于，所述從文本數據中提取樣本公式數據包括：

從文本數據中提取公式以及公式的上下文；

將提取的公式以及公式的上下文進行拼接，得到樣本公式數據。

6.如權利要求5所述的公式的標注方法，其特征在于，所述將提取的公式以及公式的上下文進行拼接，得到樣本公式數據，包括：

將提取的公式以及公式的上下文，結合所述基礎語言表征模型的固有規范進行拼接，得到樣本公式數據；

所述基礎語言表征模型的固有規范，包括：

在提取的公式之前添加用于分類預測的第一字符，和/或，在提取的公式之間添加用于分割的第二字符，和/或，在拼接后的樣本公式數據添加用于補位的第三字符。

7.如權利要求6所述的公式的標注方法，其特征在于，所述將所述樣本公式數據及樣本公式數據對應的標簽作為訓練數據，對所述目標語言表征模型進行訓練，得到訓練的所述公式標注模型包括：

將所述樣本公式數據及樣本公式數據對應的標簽作為訓練數據，對所述目標語言表征模型進行訓練，以使得訓練得到的公式標注模型中各個標簽的參數值達到各個標簽對應的參數閾值，所述公式標注模型配置有為公式進行標注的多個標簽。

8.如權利要求7所述的公式的標注方法，其特征在于，所述公式標注模型配置有為公式進行標注的多個標簽，其中，所述各個標簽對應同一參數閾值，或，所述各個標簽中的各標簽對應不同的參數閾值。

9.如權利要求1所述的公式的標注方法，其特征在于，在所述調用公式標注模型之前，還包括：

提取待標注公式中的字符串；

對所述字符串進行預處理，得到預處理后的字符串；

基于匹配數據確定預處理后的字符串是否成功匹配標簽；

若匹配失敗，進入執行所述調用公式標注模型的步驟；

若匹配成功，取消執行所述調用公式標注模型的步驟。