[發明專利]語句簡化方法、裝置、設備、和計算機可讀存儲介質

在審

• 申請號: 202210067341.5
• 申請日: 2022-01-20
• 公開（公告）號: CN114417826A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 鐵瑞雪
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/166
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 曹芳;陳嵐

公開了一種語句簡化方法，包括步驟：獲取待簡化的語句；將該待簡化的語句進行標記，以得到多個第一粒度語句元素；確定該待簡化的語句的句法嵌入，該句法嵌入包括指示每一個該第一粒度語句元素的依存關系的向量；至少基于該句法嵌入，預測每一個第一粒度語句元素的話題角色，該話題角色指示該第一粒度語句元素與該待簡化的語句的話題的關系；以及用預測為期望的話題角色的第一粒度語句元素形成經簡化的語句。還公開了相應的裝置、設備和計算機可讀存儲媒體等。

技術領域

本申請涉及語句簡化，更具體地，涉及語句簡化方法、裝置、設備、和計算機可讀存儲介質。

背景技術

隨著互聯網的快速發展，文本、語音、圖像和視頻等內容數據進入了大爆炸時代。在數據量如此巨大的時代，吸收內容中的信息的速度變得非常重要。相對于文本和圖像來說，音頻、視頻數據增加了時間維度，因此理解起來更加耗時。盡管音頻和視頻均可以經過一定的技術轉換為文本內容，然而這對文本的閱讀速度也帶來巨大挑戰。需要一種技術，可以方便用戶快速了解文本內容，以及方便在海量數據中檢索目標等。

語句簡化是指對語句中冗余的詞或短語進行刪除，保留簡練且可以足夠表征語句核心信息的短語。在實際業務場景中人們往往希望可以通過瀏覽短語級別的話題以獲取語句的整體信息。

發明內容

有鑒于此，本公開提供了一種語句簡化方法、語句簡化裝置、計算設備、計算機可讀存儲介質以及計算機程序產品，可以緩解、減輕或甚至消除上述問題。

根據本發明第一方面，提供一種語句簡化方法，包括步驟：獲取待簡化的語句；將該待簡化的語句進行標記，以得到多個第一粒度語句元素；確定該待簡化的語句的句法嵌入，該句法嵌入包括指示每一個該第一粒度語句元素的依存關系的向量；至少基于該句法嵌入，預測每一個第一粒度語句元素的話題角色，該話題角色指示該第一粒度語句元素與該待簡化的語句的話題的關系；以及用預測為期望的話題角色的第一粒度語句元素形成經簡化的語句。

根據一個實施例，該確定該待簡化的語句的句法嵌入進一步包括：基于第二粒度，對該待簡化的語句進行依存句法分析，得到第二粒度語句元素的依存關系，其中每一個該第二粒度語句元素包括一個或多個第一粒度語句元素；將每一個該第二粒度語句元素的依存關系確定為該第二粒度語句元素中包括的每一個第一粒度語句元素的依存關系，并根據該依存關系生成該每一個第一粒度語句元素的對應的向量，從而得到該句法嵌入。

根據一個實施例，該方法還包括：確定該待簡化的語句的標記嵌入，該標記嵌入包括每一個該第一粒度語句元素的詞向量；確定該待簡化的語句的片段嵌入，該片段嵌入包括指示每一個該第一粒度語句元素屬于哪個片段的向量，該片段包括語句或語句的一個組成部分；確定該待簡化的語句的位置嵌入，該位置嵌入包括指示每一個該第一粒度語句元素的位置的向量；其中，該預測進一步包括：至少基于該句法嵌入、該標記嵌入，該片段嵌入和該位置嵌入，預測每一個第一粒度語句元素的話題角色。

根據一個實施例，該預測進一步包括：將該句法嵌入、該標記嵌入，該片段嵌入和該位置嵌入相加，得到嵌入之和，基于該嵌入之和，預測每一個第一粒度語句元素的話題角色。

根據一個實施例，該語句是漢語語句，該第一粒度是字。

根據一個實施例，該語句是漢語語句，該第二粒度是詞。

根據一個實施例，該預測進一步包括：將該句法嵌入作為經訓練的自然語言處理模型的輸入嵌入的至少一部分，經由該自然語言處理模型預測每一個第一粒度語句元素的話題角色，其中該自然語言處理模型包括以下任意一個：BERT模型、ERNIE模型或RoBERT模型

根據一個實施例，該預測進一步包括：預測每一個該第一粒度語句元素作為各個話題角色的概率；以及將每一個該第一粒度語句元素的預測的概率最大的話題角色確定為該第一粒度語句元素的話題角色。

根據一個實施例，該話題角色包括：話題的第一個第一粒度語句元素、話題的中間第一粒度語句元素以及不屬于話題。