[发明专利]一种智能文本处理方法、装置、电子设备及存储介质有效

专利信息
申请号: 201911362272.5 申请日: 2019-12-26
公开(公告)号: CN111026319B 公开(公告)日: 2021-12-10
发明(设计)人: 田植良 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F3/0484 分类号: G06F3/0484;G06F3/0488;G06F40/289;G06F40/216
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 赵翠萍;张颖玲
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: 一种 智能 文本 处理 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种智能文本处理方法,其特征在于,所述方法包括:

获取触摸屏中选中操作对应的文本内容;

提取与所述文本内容相匹配的特征向量;

触发经过训练的文本处理模型,并通过所述文本处理模型,根据所述特征向量确定与所述文本内容所对应的至少一个词语级的隐变量,其中,所述文本处理模型包括:全局用户文本处理模型和当前用户文本处理模型,所述全局用户文本处理模型训练时使用所有用户的数据作为训练样本,所述当前用户文本处理模型训练时使用当前用户的数据作为训练样本,以实现在所述文本处理模型的训练阶段,通过相应的历史数据索引对所述文本处理模型所生成的目标文本进行评价;

通过所述文本处理模型,根据所述至少一个词语级的隐变量,生成与所述词语级的隐变量相对应的候选词语以及所述候选词语的被选取概率;

通过所述文本处理模型,根据所述候选词语的被选取概率,选取至少一个候选词语组成与所述文本内容相对应的目标文本;

在所述触摸屏中以与所述选中操作对应的显示方式,显示所述目标文本。

2.根据权利要求1所述的方法,其特征在于,所述提取与所述文本内容相匹配的特征向量,包括:

根据所述文本内容所携带的文本参数信息,触发相应的分词库;

通过所触发的所述分词库单词词典对所述文本内容进行分词处理,形成不同的词语级特征向量;

对所述不同的词语级特征向量进行除噪处理,形成与所述文本内容相对应的词语级特征向量集合。

3.根据权利要求2所述的方法,其特征在于,所述对所述不同的词语级特征向量进行除噪处理,形成与所述文本内容相对应的词语级特征向量集合,包括:

确定与文本处理模型的使用环境相匹配的动态噪声阈值;

根据所述动态噪声阈值对所述不同的词语级特征向量进行除噪处理,并触发与所述动态噪声阈值相匹配的动态分词策略;

根据与所述动态噪声阈值相匹配的动态分词策略,对所述文本内容进行分词处理,形成与所述文本内容相对应的动态词语级特征向量集合。

4.根据权利要求2所述的方法,其特征在于,所述对所述不同的词语级特征向量进行除噪处理,形成与所述文本内容相对应的词语级特征向量集合,包括:

确定与文本处理模型的使用环境相对应的固定噪声阈值;

根据所述固定噪声阈值对所述不同的词语级特征向量进行除噪处理,并触发与所述固定噪声阈值相匹配的固定分词策略;

根据与所述固定噪声阈值相匹配的固定分词策略,对所述目标文本进行分词处理,与所述文本内容相对应的固定词语级特征向量集合。

5.根据权利要求1所述的方法,其特征在于,所述提取与所述文本内容相匹配的特征向量,包括:

对所述文本内容进行分词处理,形成分词处理结果;

响应于所述分词处理结果,对所述文本内容进行去停用词处理,以形成与所述文本内容相匹配的文本关键词;

根据所述文本内容相匹配的文本关键词,确定与所述文本内容相匹配的词性标注结果,并形成与所述文本内容相对应的词性特征向量集合。

6.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取与文本处理模型的使用环境相匹配的训练样本;

通过所述文本处理模型的提取与所述训练样本相匹配的特征集合;

根据与所述训练样本相匹配的特征集合和相应的目标文本标签对所述文本处理模型进行训练,以实现确定与所述文本处理模型相适配的模型参数。

7.根据权利要求1至6任一项所述的方法,其特征在于,所述方法还包括:

将所述文本内容及对应的与所述文本内容相匹配目标文本发送至区块链网络,以使

所述区块链网络的节点将所述文本内容及对应的与所述文本内容相匹配目标文本填充至新区块,且当对所述新区块共识一致时,将所述新区块追加至区块链的尾部。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,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/201911362272.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top