[發明專利]成語潤色方法、裝置、電子設備和存儲介質

在審

• 申請號: 202211714389.7
• 申請日: 2022-12-27
• 公開（公告）號: CN115859974A
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 申資卓;肖子豪;鞏捷甫;盛志超;宋巍;章繼東;王士進;胡國平;秦兵;劉挺
• 申請（專利權）人: 科大訊飛股份有限公司;河北省訊飛人工智能研究院;科大訊飛（北京）有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06F18/213
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 于平

1.一種成語潤色方法，其特征在于，包括：

確定待潤色文本；

基于成語潤色模型，應用所述待潤色文本中各字符的語義特征，對所述待潤色文本進行成語潤色邊界檢測，得到文本邊界，并基于所述文本邊界對應文本片段的語義特征生成潤色文本；

所述成語潤色模型是基于樣本文本對、成語標簽和文本邊界標簽訓練得到的。

2.根據權利要求1所述的成語潤色方法，其特征在于，所述成語潤色模型的獲取步驟包括：

獲取樣本文本對和初始模型，所述樣本文本對包括樣本輸入文本和樣本生成文本；

基于所述初始模型，應用所述樣本輸入文本中各字符的語義特征，對所述樣本輸入文本進行成語潤色邊界檢測，得到預測文本邊界，并基于所述預測文本邊界對應文本片段的語義特征生成預測潤色文本；

基于文本邊界標簽和所述預測文本邊界之間的差異，以及所述樣本生成文本和所述預測潤色文本之間的差異，對所述初始模型進行參數迭代，得到所述成語潤色模型。

3.根據權利要求2所述的成語潤色方法，其特征在于，所述獲取樣本文本對，包括如下步驟中的至少一種：

獲取包含成語的第一樣本文本，并對所述第一樣本文本進行反向翻譯，基于反向翻譯文本和所述第一樣本文本，確定第一樣本文本對；

獲取包含成語的第二樣本文本，基于所述第二樣本文本的改寫文本和所述第二樣本文本，確定第二樣本文本對；

獲取成語的釋義文本，并對所述成語的釋義文本進行分句，基于任一分句和所述成語確定第三樣本文本對。

4.根據權利要求2所述的成語潤色方法，其特征在于，所述初始模型的獲取步驟包括：

獲取第四樣本文本和語言模型；

將所述第四樣本文本中的成語，以及與所述成語相鄰的預設數量個分詞進行掩碼處理，得到掩碼文本；

基于所述第四樣本文本、所述掩碼文本以及成語標簽，對所述語言模型進行參數迭代，得到預訓練成語模型，并將所述預訓練成語模型作為所述初始模型。

5.根據權利要求2所述的成語潤色方法，其特征在于，所述基于所述預測文本邊界對應文本片段的語義特征生成預測潤色文本，之后還包括：

基于所述預測潤色文本中各字符的語義特征，對所述預測潤色文本進行語義評分，得到語義評分；

基于所述預測潤色文本的字符和字符數量，對所述預測潤色文本進行困惑度評分，得到困惑度評分；

基于所述預測潤色文本和所述樣本輸入文本之間的最長公共子序列相似度，對所述預測潤色文本進行相似度評分，得到相似度評分；

基于所述預測潤色文本的語義評分、困惑度評分和相似度評分中的至少一種，確定所述預測潤色文本的生成概率，所述生成概率用于訓練所述成語潤色模型。

6.根據權利要求5所述的成語潤色方法，其特征在于，所述基于所述預測潤色文本的語義評分、困惑度評分和相似度評分中的至少一種，確定所述預測潤色文本的生成概率，包括：

基于所述預測潤色文本的語義評分、困惑度評分和相似度評分，確定綜合評分；

基于所述綜合評分和評分閾值，確定所述預測潤色文本的生成概率。

7.根據權利要求1至6中任一項所述的成語潤色方法，其特征在于，所述基于成語潤色模型，應用所述待潤色文本中各字符的語義特征，對所述待潤色文本進行成語潤色邊界檢測，得到文本邊界，并基于所述文本邊界對應文本片段的語義特征生成潤色文本，包括：

基于編碼器，對所述待潤色文本中各字符進行編碼，得到所述待潤色文本中各字符的語義特征；

基于指示器，應用所述待潤色文本中各字符的語義特征，對所述待潤色文本進行成語潤色邊界檢測，得到文本邊界；

基于解碼器，應用所述文本邊界對應文本片段的語義特征，生成潤色文本；所述編碼器、指示器和解碼器構成所述成語潤色模型。