[发明专利]文本事件摘要的生成方法、装置、电子设备及存储介质有效

专利信息
申请号: 202010073600.6 申请日: 2020-01-22
公开(公告)号: CN111324728B 公开(公告)日: 2023-08-22
发明(设计)人: 陈增健;容毅峰;廖梦;徐进;王志平 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/34 分类号: G06F16/34;G06F40/211;G06F40/289;G06F40/258
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 崔晓岚;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: 文本 事件 摘要 生成 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种文本事件摘要的生成方法,其特征在于,所述方法包括:

对文本中的标题进行隐状态转换处理,得到所述标题的隐状态;

对所述标题的隐状态进行注意力处理,得到所述标题的注意力权重;

基于所述标题的注意力权重,对所述标题的隐状态进行加权求和,得到所述标题的上下文信息;

对所述文本中的正文进行注意力处理,得到所述正文的注意力权重;

将所述标题的注意力权重、以及所述正文的注意力权重进行融合处理,得到所述文本的注意力分布;

对所述标题的上下文信息进行词汇表的映射处理,生成所述标题的词汇分布;

对所述文本的注意力分布、以及所述标题的词汇分布进行融合处理,得到所述文本的关键数据;

将所述文本的关键数据进行组合处理,得到对应所述文本的事件摘要。

2.根据权利要求1所述的方法,其特征在于,所述对文本中的标题进行隐状态转换处理,得到所述标题的隐状态,包括:

将所述文本中的标题进行词向量转换处理,得到所述标题的词向量;

对所述标题的词向量进行前向编码处理,得到对应所述标题的前向隐向量;

对所述标题的词向量进行后向编码处理,得到对应所述标题的后向隐向量;

将所述前向隐向量以及所述后向隐向量进行拼接处理,得到所述标题的隐状态。

3.根据权利要求1所述的方法,其特征在于,所述对所述标题的隐状态进行注意力处理,得到所述标题的注意力权重,包括:

对所述标题的隐状态、解码隐状态以及可学习参数进行双曲正切处理,得到处理结果;

对所述处理结果进行非线性映射处理,得到所述标题的注意力权重。

4.根据权利要求1所述的方法,其特征在于,所述对所述文本中的正文进行注意力处理,得到所述正文的注意力权重之前,所述方法还包括:

对所述文本中的正文进行筛选处理,得到简化的正文序列;

所述对所述文本中的正文进行注意力处理,得到所述正文的注意力权重,包括:

对所述简化的正文序列进行隐状态转换处理,得到所述正文序列的隐状态;

对所述正文序列的隐状态进行注意力处理,得到所述正文的注意力权重。

5.根据权利要求4所述的方法,其特征在于,所述对所述文本中的正文进行筛选处理,得到简化的正文序列,包括:

对所述文本中的正文进行句子粒度提取处理,得到所述正文中的目标句子;

对所述正文进行词粒度提取处理,得到所述正文中的目标词语;

将所述目标词语对齐到所述目标句子中,得到所述目标句子中未被对齐的词语;

基于所述目标句子中未被对齐的词语的词性,对所述目标句子中的词语进行过滤处理,得到简化的正文序列。

6.根据权利要求5所述的方法,其特征在于,所述对所述文本中的正文进行句子粒度提取处理,得到所述正文中的目标句子,包括:

对所述文本中的正文进行分句处理,得到多个候选句子;

对所述候选句子进行向量转换处理,得到所述候选句子的句子向量;

确定所述候选句子的句子向量、与所述标题的句子向量的第一相似度,确定所述候选句子的句子向量、与已提取句子的句子向量的第二相似度;

将所述第一相似度以及所述第二相似度进行加权求和,并对加权求和结果进行映射处理,得到所述正文中的目标句子。

7.根据权利要求5所述的方法,其特征在于,所述对所述正文进行词粒度提取处理,得到所述正文中的目标词语,包括:

对所述文本中的正文进行分词处理,得到对应所述正文的词语;

根据所述词语的词性,对所述对应所述正文的词语进行过滤处理,得到多个所述正文的候选词语;

将所述多个所述正文的候选词语组合成所述候选词语的序列,并基于所述候选词语的序列,构建候选目标词图;

基于所述候选目标词图中节点权重,确定所述正文中的目标词语。

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/202010073600.6/1.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