[發明專利]文本添加標點的方法、裝置、介質及電子設備

在審

• 申請號: 202011344671.1
• 申請日: 2020-11-25
• 公開（公告）號: CN112464642A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 顏澤龍;王健宗;吳天博;程寧
• 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;G06N3/04;G06N3/08
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 孫強

1.一種文本添加標點的方法，其特征在于，包括：

獲取待添加文本，將所述待添加文本進行分詞得到多個詞語；

獲取所述多個詞語中各個詞語之間的關系，得到各個詞語的依賴詞及所述各個詞語與其依賴詞之間的關系；

基于所述各個詞語、所述各個詞語的依賴詞及所述各個詞語與其依賴詞之間的關系，確定所述各個詞語的關系向量；

獲取所述多個詞語的關系向量之間的關系；

基于所述關系向量之間的關系，在所述多個詞語之間添加標點。

2.根據權利要求1所述的文本添加標點的方法，其特征在于，所述將所述待添加文本進行分詞得到多個詞語,包括：

將所述待添加文本按照文本順序進行分詞，得到第一分詞結果；

將所述待添加文本按照文本倒序進行分詞，得到第二分詞結果；

獲取所述第一分詞結果與所述第二分詞結果之間的差異，將所述差異對應的待添加文本從中間到兩邊進行分詞，得到差異結果；

將所述第一分詞結果中與所述第二分詞結果之間的差異替換為所述差異結果，將替換后的第一分詞結果作為所述多個詞語。

3.根據權利要求1所述的文本添加標點的方法，其特征在于，所述獲取所述多個詞語之間的關系，包括：

獲取所述各個詞語的詞性和位置；

根據所述各個詞語的詞性和位置，確定所述各個詞語之間的關系。

4.根據權利要求1所述的文本添加標點的方法，其特征在于，所述基于所述各個詞語、所述各個詞語的依賴詞及所述各個詞語與其依賴詞之間的關系，確定所述各個詞語對應的關系向量，包括:

獲取基于所述各個詞語得到的第一向量；

獲取基于所述各個詞語的依賴詞得到的第二向量；

獲取基于所述各個詞語與其依賴詞之間的關系得到的第三向量；

將所述第一向量、所述第二向量和所述第三向量進行組合，得到所述各個詞語對應的關系向量。

5.根據權利要求4所述的文本添加標點的方法，其特征在于，所述獲取基于所述各個詞語得到的第一向量；獲取基于所述各個詞語的依賴詞得到的第二向量；獲取基于所述各個詞語與其依賴詞之間的關系得到的第三向量，包括：

將所述各個詞語進行編碼得到第一序列；

將所述各個詞語的依賴詞進行編碼得到第二序列；

將所述各個詞語與其依賴詞之間的關系進行編碼得到第三序列；

對所述第一序列、所述第二序列和所述第三序列進行截斷或補零，將截斷或補零后的第一序列映射為所述第一向量，將截斷或補零后的第二序列映射為所述第二向量，將截斷或補零后的第三序列映射為所述第三向量。

6.根據權利要求1所述的文本添加標點的方法，其特征在于，所述獲取所述多個詞語的關系向量之間的關系，包括：

將所述所述多個詞語的關系向量輸入預訓練的注意力模型，得到所述多個詞語的關系向量之間的關系。

7.根據權利要求1所述的文本添加標點的方法，其特征在于，所述基于所述關系向量之間的關系，在所述多個詞語之間添加標點，包括：

將標點添加在所述多個詞語之間，以得到多種添加方式；

通過雙向LSTM層對所述關系向量之間的關系進行特征提取；

基于所述特征，利用維特比算法計算各種添加方式的概率，基于所述多種方式中概率最大的添加方式在所述多個詞語之間添加標點。

8.一種文本添加標點的裝置，其特征在于，包括：

獲取模塊，配置為獲取待添加文本，將所述待添加文本進行分詞得到多個詞語；獲取所述多個詞語中各個詞語之間的關系，得到各個詞語的依賴詞及所述各個詞語與其依賴詞之間的關系；

確定模塊，配置為基于所述各個詞語、所述各個詞語的依賴詞及所述各個詞語與其依賴詞之間的關系，確定所述各個詞語的關系向量；

添加模塊，配置為獲取所述多個詞語的關系向量之間的關系，基于所述關系向量之間的關系，在所述多個詞語之間添加標點。