[發明專利]一種同義文本提示方法、裝置及電子設備

在審

• 申請號: 202011539680.6
• 申請日: 2020-12-23
• 公開（公告）號: CN112559711A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 任帥;王博弘;張振;蔣宏飛;宋旸;王瑞陽;王陽;趙慧娟
• 申請（專利權）人: 作業幫教育科技(北京)有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33
• 代理公司: 北京清誠知識產權代理有限公司 11691
• 代理人: 宋紅艷

本發明屬于計算機技術領域，提供一種同義文本提示方法、裝置及電子設備，所述方法包括：將輸入文本切分為詞單元；根據所述輸入文本的切分情況從所述詞單元中確定目標詞單元，通過預設模型獲取所述目標詞單元對應的候選詞組成候選集合，對所述候選集合中的候選詞進行排序，得到所述目標詞單元對應的綜合排序候選集；根據所述輸入文本的切分情況及所述綜合排序候選集提示所述輸入文本的同義文本。本發明在提高同義文本識別率的同時也提高了用戶體驗，用戶通常只需根據提示的前一兩個同義文本就可以選出目標同義文本。

技術領域

本發明計算機技術領域，特別適用于計算機同義文本識別技術，更具體的是涉及一種同義文本提示方法、裝置、電子設備及計算機可讀介質。

背景技術

隨著計算機技術與互聯網技術的發展，在質檢系統、Web搜索、問答系統、知識圖譜構建等應用領域中，同義信息都發揮著不可或缺的作用。例如，質檢平臺尋找與用戶輸入關鍵詞、短語等同義的文本，搜索引擎尋找與用戶輸入文本在語義上相同或者相似的文本，或者問答平臺尋找與用戶所提出的新問題同義的問題的集合等。

現有技術在進行同義文本識別時，需要依賴例如切詞工具、詞性分析、句子模板提取等輔助工具對文本進行輔助處理，得到核心詞，再通過兩個核心詞之間的編輯距離，確定該兩個核心詞之間是否為同義詞。其中，編輯距離是指一個字符串變成另一個字符串所需經過的處理次數，編輯距離可以表示兩個字符串的差異程度。當兩個詞之間的編輯距離小于或等于預設值時，確定這兩個詞為同義詞；當兩個詞之間的編輯距離大于預設值時，確定這兩個詞為非同義詞。而實際中存在編輯距離較小的非同義詞對，導致同義文本的識別準確性較低。

發明內容

(一)要解決的技術問題

本發明旨在解決現有技術中對同義文本識別準確率低的技術問題。

(二)技術方案

為解決上述技術問題，本發明的一方面提出一種同義文本提示方法，所述同義文本指與輸入文本意思相同或相近的文本，同義文本包括與輸入文本意思相同的文本、和/或與輸入文本意思相近的文本，所述文本可以是單個詞語，也可以是由至少兩個詞語組成的文本。所述方法包括如下步驟：

將輸入文本切分為詞單元；

根據所述輸入文本的切分情況從所述詞單元中確定目標詞單元，所述輸入文本的切分情況包括：輸入文本被切分為唯一一個詞單元，輸入文本被切分為至少兩個詞單元；

通過預設模型獲取所述目標詞單元對應的候選詞組成候選集合，所述候選詞是所述目標詞單元的同義詞或近義詞；

對所述候選集合中的候選詞進行排序，得到所述目標詞單元對應的綜合排序候選集；

根據所述輸入文本的切分情況及所述綜合排序候選集提示所述輸入文本的同義文本。

根據本發明一種優選實施方式，所述通過預設模型獲取所述目標詞單元對應的候選詞組成候選集合包括：

獲取不同語料作為訓練集訓練多個word2vec模型；

通過訓練好的每個word2vec模型獲取所述目標詞單元對應的候選詞組成一個候選集合。

根據本發明一種優選實施方式，所述通過訓練好的每個word2vec模型獲取所述目標詞單元對應的候選詞組成一個候選集合包括：

將所述目標詞單元輸入訓練好的一個word2vec模型中，得到該word2vec模型輸出的所述目標詞單元的詞向量；

獲取與所述目標詞單元的詞向量之間的相似度小于閾值的候選詞向量；

將所述候選詞向量轉換為對應的候選詞組成一個候選集合。

根據本發明一種優選實施方式，所述對所述候選集合中的候選詞進行排序包括：