[發(fā)明專利]候選搜索詞的生成方法、裝置、設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011383662.3
• 申請日: 2020-11-30
• 公開（公告）號: CN112507188A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計）人: 潘祿;陳玉光
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/338;G06F16/33;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務所(普通合伙) 11201
• 代理人: 韓?；?/td>

1.一種候選搜索詞的生成方法，包括：

獲取目標事件的事件相關(guān)文本，并根據(jù)所述事件相關(guān)文本生成多個焦點概率向量；

根據(jù)所述目標事件的結(jié)構(gòu)化信息，生成所述目標事件的事件語義表示向量；

根據(jù)所述事件語義表示向量、所述事件相關(guān)文本的文本語義表示向量和所述多個焦點概率向量生成多個候選搜索詞。

2.根據(jù)權(quán)利要求1所述的候選搜索詞的生成方法，其中，所述根據(jù)所述事件相關(guān)文本生成多個焦點概率向量，包括：

將所述事件相關(guān)文本輸入至多專家模型以生成多個專家向量，其中，所述多專家模型對所述事件相關(guān)文本的關(guān)注點不同；

將所述多個專家向量輸入至連接層以生成所述多個焦點概率向量。

3.根據(jù)權(quán)利要求1所述的候選搜索詞的生成方法，其中，所述根據(jù)所述目標事件的結(jié)構(gòu)化信息，生成所述目標事件的事件語義表示向量，包括：

從所述目標事件的結(jié)構(gòu)化信息中提取論元信息，并根據(jù)所述論元信息生成論元語義表示向量；

根據(jù)所述論元語義表示向量生成所述目標事件的事件語義表示向量。

4.根據(jù)權(quán)利要求3所述的候選搜索詞的生成方法，其中，所述從所述目標事件的結(jié)構(gòu)化信息中提取論元信息，并根據(jù)所述論元信息生成論元語義表示向量，包括：

從所述結(jié)構(gòu)化信息中提取至少一組所述論元信息；其中，各組所述論元信息中包含論元角色和論元值；

將屬于同一組所論元信息的所述論元角色和所述論元值輸入第一雙向長短期記憶網(wǎng)絡(luò)LSTM模型以生成所述論元角色向量和論元值向量；

將所述論元角色向量和所述論元向量拼接以生成所述論元語義表示向量。

5.根據(jù)權(quán)利要求4所述的候選搜索詞的生成方法，其中，所述論元信息為多組，每一組所述論元信息具有對應的所述論元語義表示向量，所述根據(jù)所述論元語義表示向量生成所述目標事件的事件語義表示向量，包括：

將各組所述論元信息所對應的論元語義表示向量輸入至第二雙向LSTM模型以生成所述事件語義表示向量。

6.根據(jù)權(quán)利要求1所述的候選搜索詞的生成方法，其中，所述根據(jù)所述事件語義表示向量、所述事件相關(guān)文本的文本語義表示向量和所述多個焦點概率向量生成多個候選搜索詞之前，還包括：

對所述事件相關(guān)文本進行分詞以生成多個詞，并獲取所述多個詞的多個詞編碼向量；

將所述多個詞編碼向量輸入至第三雙向LSTM模型以生成所述文本語義表示向量。

7.根據(jù)權(quán)利要求1-6任一項所述的候選搜索詞的生成方法，其中，所述根據(jù)所述事件語義表示向量、所述事件相關(guān)文本的文本語義表示向量和所述多個焦點概率向量生成多個候選搜索詞，包括：

將所述多個焦點概率向量中的一個焦點概率向量與所述事件語義向量和所述文本語義表示向量拼接，得到拼接向量；

將所述拼接向量輸入解碼器，以得到所述解碼器輸出的一個所述候選搜索詞。

8.根據(jù)權(quán)利要求7所述的候選搜索詞的生成方法，其中，所述解碼器，用于循環(huán)執(zhí)行多次解碼過程，每一次解碼過程用于解碼得到所述一個候選搜索詞中的一個字符；

其中，所述解碼器包括隱藏層和輸出層；

所述隱藏層，用于根據(jù)所述拼接向量、隱狀態(tài)指示向量，以及上一次解碼過程中所述輸出層的輸出，生成本次解碼過程的隱狀態(tài)；所述隱狀態(tài)指示向量，是根據(jù)上一次解碼過程中所述隱藏層生成的隱狀態(tài)生成的；

所述輸出層，用于根據(jù)本次解碼過程的隱狀態(tài)，輸出所述本次解碼過程解碼得到的字符。