[發明專利]文本映射模型的處理方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202111376101.5
• 申請日: 2021-11-19
• 公開（公告）號: CN114328815A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 周輝陽;閆昭
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/30;G06K9/62
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 李文靜

1.一種文本映射模型的處理方法，其特征在于，所述方法包括：

獲取樣本文本信息及第一標簽信息，所述第一標簽信息為與所述樣本文本信息之間的相似度不小于相似度閾值的文本信息；

基于文本映射模型，對所述樣本文本信息進行映射，得到預測文本信息；

基于所述預測文本信息與所述樣本文本信息之間的第一相似度及所述第一標簽信息與所述樣本文本信息之間的第二相似度，確定第二標簽信息，所述第二標簽信息為所述預測文本信息和所述第一標簽信息中與所述樣本文本信息之間的相似度較大的文本信息；

基于所述第二標簽信息、所述預測文本信息及所述預測文本信息對應的所述第一相似度，對所述文本映射模型進行訓練，所述文本映射模型用于映射出任一文本信息的相似文本信息。

2.根據權利要求1所述的方法，其特征在于，所述基于所述預測文本信息與所述樣本文本信息之間的第一相似度及所述第一標簽信息與所述樣本文本信息之間的第二相似度，確定第二標簽信息之前，所述方法還包括：

獲取所述預測文本信息與所述樣本文本信息之間的第三相似度和第四相似度，所述第三相似度指示所述預測文本信息與所述樣本文本信息包含的詞語的差異情況，所述第四相似度指示所述預測文本信息與所述樣本文本信息之間的語義相似情況；

對所述第三相似度及所述第四相似度進行加權融合，得到所述第一相似度。

3.根據權利要求2所述的方法，其特征在于，所述獲取所述預測文本信息與所述樣本文本信息之間的第三相似度，包括：

基于至少一種字符數目，分別對所述預測文本信息進行劃分，得到至少一個第一詞語集合，屬于同一所述第一詞語集合的詞語包含字符的數目相同；

基于至少一種所述字符數目，分別對所述樣本文本信息進行劃分，得到至少一個第二詞語集合，屬于同一所述第二詞語集合的詞語包含字符的數目相同；

確定第一數目及第二數目，所述第一數目指示每種所述字符數目對應的所述第一詞語集合與所述第二詞語集合中不同詞語的數目之和，所述第二數目指示至少一個所述第一詞語集合與至少一個所述第二詞語集合中詞語的總數目；

將所述第一數目與所述第二數目的比值，確定為所述預測文本信息與所述樣本文本信息之間的所述第三相似度。

4.根據權利要求2所述的方法，其特征在于，獲取所述預測文本信息與所述樣本文本信息之間的第四相似度，包括：

分別對所述預測文本信息及所述樣本文本信息進行語義提取，得到所述預測文本信息的第一語義特征及所述樣本文本信息的第二語義特征；

將所述第一語義特征與所述第二語義特征之間的相似度，確定為所述第四相似度。

5.根據權利要求2所述的方法，其特征在于，獲取所述預測文本信息與所述樣本文本信息之間的第四相似度，包括：

將所述預測文本信息與所述樣本文本信息進行拼接，得到拼接文本信息；

對所述拼接文本信息進行語義提取，得到所述拼接文本信息對應的第三語義特征；

對所述第三語義特征進行分類處理，得到分類結果；

將所述分類結果確定為所述第四相似度。

6.根據權利要求1所述的方法，其特征在于，所述基于所述第二標簽信息、所述預測文本信息及所述預測文本信息對應的所述第一相似度，對所述文本映射模型進行訓練，包括：

基于所述第二標簽信息及所述預測文本信息，獲取所述預測文本信息對應的第一損失值；

基于所述預測文本信息對應的所述第一相似度和所述第一損失值，對所述文本映射模型進行訓練。