[發明專利]文本標注方法、裝置及電子設備

有效

• 申請號: 202011148138.8
• 申請日: 2020-10-23
• 公開（公告）號: CN112434492B
• 公開（公告）日: 2021-10-15
• 發明（設計）人: 王毅;白潔;潘政林
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F40/166
• 分類號: G06F40/166;G06F40/126;G06F40/30;G06N20/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 戎鄭華

1.一種文本標注方法，包括：

獲取待標注的文本數據；

對所述文本數據進行解析，以獲取所述文本數據中的各個待標注語句、及每個待標注語句對應的關聯語句；

基于每個所述待標注語句及對應的關聯語句，構建每個所述待標注語句的語義編碼；

將所述待標注語句的語義編碼輸入多任務學習模型的角色預測模塊，以確定每個所述待標注語句所屬的角色；

根據每個所述待標注語句所屬的角色及對應的語義編碼，確定每個所述待標注語句所屬角色的屬性信息。

2.如權利要求1所述的方法，其中，在所述對每個所述待標注語句的語義編碼進行角色預測，以確定每個所述待標注語句所屬的角色之后，還包括：

根據每個所述待標注語句所屬的角色及對應的語義編碼，確定每個所述待標注語句的情感傾向。

3.如權利要求2所述的方法，其中，所述根據每個所述待標注語句所屬的角色及對應的語義編碼，確定每個所述待標注語句的情感傾向，包括：

根據每個所述待標注語句所屬的角色的位置信息及對應的語義編碼，確定每個所述待標注語句所屬角色的角色名編碼；

將每個所述角色名編碼進行池化處理，以獲取每個所述待標注語句對應的第一參考編碼；

確定每個所述待標注語句的語義編碼中，與每個所述待標注語句中的字符對應的第一編碼片段；

對每個所述第一編碼片段進行池化處理，以確定每個所述待標注語句對應的第二參考編碼；

對每個所述待標注語句對應的第一參考編碼及第二參考編碼進行解碼處理，以確定每個所述待標注語句對應的情感傾向。

4.如權利要求1所述的方法，其中，在所述確定每個所述待標注語句所屬角色的屬性信息之后，還包括：

將所述待標注的文本中每個角色對應的屬性信息進行歸一化處理。

5.如權利要求4所述的方法，其中，所述將所述待標注的 文本中每個角色對應的屬性信息進行歸一化處理，包括：

在任一角色對應多種屬性信息的情況下，將所述多種屬性信息中出現頻次最高的屬性信息，確定為所述任一角色對應的屬性信息。

6.如權利要求4所述的方法，其中，所述根據每個所述待標注語句所屬的角色及對應的語義編碼，確定每個所述待標注語句所屬角色的屬性信息，包括：

根據每個所述待標注語句所屬的角色及對應的語義編碼，確定每個所述待標注語句所屬角色的屬性信息、及所述屬性信息的置信度；

所述將所述待標注的 文本中每個角色對應的屬性信息進行歸一化處理，包括：

在任一角色對應多種屬性信息的情況下，確定所述任一角色對應的每種屬性信息的置信度和；

將置信度和最高的屬性信息，確定為所述任一角色對應的屬性信息。

7.如權利要求1-6任一所述的方法，其中，所述基于每個所述待標注語句及對應的關聯語句，構建每個所述待標注語句的語義編碼，包括：

將每個所述待標注語句及對應的關聯語句進行向量映射，以生成每個所述待標注語句對應的向量表示；

將每個所述待標注語句對應的向量表示進行多層上下文感知學習，以獲取每個所述待標注語句的語義編碼。

8.如權利要求7所述的方法，其中，在所述對每個所述待標注語句的語義編碼進行角色預測，以確定每個所述待標注語句所屬的角色之前，還包括：

確定每個所述待標注語句的語義編碼中，與每個所述待標注語句中的字符對應的第一編碼片段；

對每個所述第一編碼片段進行池化處理，以確定每個所述待標注語句對應的第二參考編碼；

將每個所述待標注語句對應的所述第二參考編碼與語義編碼進行融合，以獲取每個所述待標注語句對應的語義信息；

所述對每個所述待標注語句的語義編碼進行角色預測，以確定每個所述待標注語句所屬的角色，包括：

對每個所述待標注語句的語義信息進行角色識別，以確定每個所述待標注語句所屬的角色。