[发明专利]实时事件摘要的生成方法、装置、设备及存储介质有效
申请号: | 201910446730.7 | 申请日: | 2019-05-27 |
公开(公告)号: | CN110297885B | 公开(公告)日: | 2021-08-17 |
发明(设计)人: | 杨敏;曲强 | 申请(专利权)人: | 中国科学院深圳先进技术研究院 |
主分类号: | G06F16/33 | 分类号: | G06F16/33;G06F16/34 |
代理公司: | 深圳智趣知识产权代理事务所(普通合伙) 44486 | 代理人: | 李兴生 |
地址: | 518000 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 实时 事件 摘要 生成 方法 装置 设备 存储 介质 | ||
1.一种实时事件摘要的生成方法,其特征在于,所述方法包括下述步骤:
接收文本流和用户查询文本,所述文本流包括按时间排序的事件文本;
依据所述事件文本、所述用户查询文本和预设的知识库,生成所述事件文本的知识感知文本表示和所述用户查询文本的知识感知文本表示;
依据所述事件文本的知识感知文本表示、所述用户查询文本的知识感知文本表示和训练好的交互式多头注意力网络,生成所述事件文本的交互式学习文本表示和所述用户查询文本的交互式学习文本表示;
依据所述事件文本的交互式学习文本表示、所述用户查询文本的交互式学习文本表示和训练好的动态记忆网络,生成所述事件文本的特定文本表示;
将所述事件文本的特定文本表示输入训练好的多任务联合训练模型,生成所述文本流的实时事件摘要,所述多任务联合训练模型包括实时事件摘要任务模型和相关性预测任务模型;
其中,所述生成所述事件文本的知识感知文本表示和所述用户查询文本的知识感知文本表示的步骤,包括:
通过提取所述事件文本中单词的隐藏状态,得到所述事件文本的初始上下文表示,通过提取所述用户查询文本中单词的隐藏状态,得到所述用户查询文本的初始上下文表示;
根据所述事件文本的初始上下文表示、注意力机制和所述知识库,生成所述事件文本的初始知识表示,根据所述用户查询文本的初始上下文表示、注意力机制和所述知识库,生成所述查询文本的初始知识表示;
由所述事件文本的初始上下文表示和所述事件文本的初始知识表示组合得到所述事件文本的知识感知文本表示,由所述用户查询文本的初始上下文表示和所述用户查询文本的初始知识表示组合得到所述用户查询文本的知识感知文本表示。
2.如权利要求1所述的方法,其特征在于,所述生成所述事件文本的交互式学习文本表示和所述用户查询文本的交互式学习文本表示的步骤,包括:
将所述事件文本的知识感知文本表示和所述用户查询文本的知识感知文本表示输入所述交互式多头注意力网络,计算所述事件文本的注意力矩阵和所述用户查询文本的注意力矩阵;
根据所述事件文本的注意力矩阵和知识感知文本表示,计算得到所述事件文本的交互式学习文本表示,根据所述用户查询文本的注意力矩阵和知识感知文本表示,计算得到所述用户查询文本的交互式学习文本表示。
3.如权利要求1所述的方法,其特征在于,所述生成所述事件文本的特定文本表示的步骤,包括:
获取所述文本流中上一时间戳下的事件文本的记忆内容;
将所述上一时间戳下事件文本的记忆内容、当前时间戳下事件文本的交互式学习文本表示和用户查询文本的交互式学习文本表示输入动态记忆网络,获得所述当前时间戳下事件文本的特定文本表示。
4.如权利要求3所述的方法,其特征在于,所述生成所述事件文本的特定文本表示的步骤,还包括:
根据所述当前时间戳下事件文本的特定文本表示和所述上一时间戳下事件文本的记忆内容,计算所述当前时间戳下事件文本的记忆内容。
5.如权利要求1所述的方法,其特征在于,在所述接收文本流和用户查询文本的步骤之前,所述方法还包括:
获取训练数据,根据所述训练数据对所述实时事件摘要任务与所述相关性预测任务进行同时训练,所述实时事件摘要任务采用策略梯度算法进行训练,所述相关性预测任务采用有监督方式进行训练。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院深圳先进技术研究院,未经中国科学院深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910446730.7/1.html,转载请声明来源钻瓜专利网。