[发明专利]指代消解方法、装置、电子设备及可读存储介质

说明书

本发明涉及智能决策领域，揭露一种指代消解方法，包括：根据所述历史对话文本集中的数据进行样本构建及多标签标记，得到第一训练样本集；对所述第一训练样本集进行近义词替换及指代词替换，得到第二训练样本集；利用所述第二训练样本集对预构建的深度学习模型进行训练，得到分类识别模型；当接收待分析对话文本时，利用所述分类识别模型对所述待分析对话文本进行上下文关联分析，得到分析结果；根据所述分析结果，对所述待分析对话文本进行分类指代消解，得到指代消解文本。本发明还涉及一种区块链技术，所述分析结果可以存储在区块链节点中。本发明还提出一种指代消解装置、电子设备以及可读存储介质。本发明可以提高指代消解的效率。

技术领域

本发明涉及智能决策领域，尤其涉及一种指代消解方法、装置、电子设备及可读存储介质。

背景技术

在日常人们对话过程中往往会出现某个语义关系中的实体词以代词的形式出现或省略，例如：对于一个用户交流的场景，A用户：今天吃的酸菜鱼真不错，B用户：下次带我一起去吃这个啊，我也喜欢吃！其中，“下次带我一起去吃这个啊”中的代词“这个”指代“酸菜鱼”，以及“我也喜欢吃”中对“酸菜鱼”这一实体进行了省略(实际应该是：我也喜欢吃酸菜鱼)。但是，当让机器来理解对话信息时，需要对指代现象进行消解将代词指代的实体进行补全变成“下次带我一起去吃酸菜鱼”。

目前，为了保证机器更正确有效地理解当前输入的对话内容，无论输入的对话是否信息完整都要进行指代消解，效率较低，因此，需要一种效率更高的指代消解的方法。

发明内容

本发明提供一种指代消解方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高指代消解的效率。

为实现上述目的，本发明提供的一种指代消解方法，包括：

获取历史对话文本集，根据所述历史对话文本集中的数据进行样本构建及多标签标记，得到第一训练样本集；

对所述第一训练样本集进行近义词替换及指代词替换，得到第二训练样本集；

利用所述第二训练样本集对预构建的深度学习模型进行训练，得到分类识别模型；

当接收待分析对话文本时，利用所述分类识别模型对所述待分析对话文本进行上下文关联分析，得到分析结果；

根据所述分析结果，对所述待分析对话文本进行分类指代消解，得到指代消解文本。

可选地，所述根据所述历史对话文本集中的数据进行样本构建及多标签标记，得到第一训练样本集，包括：

对所述历史对话文本集中的每个历史对话进行分段，得到多个分段文本；

对每段所述分段文本进行上下文切分，得到历史文本及当前文本；

对所述历史文本进行分词得到历史文本分词序列，及

将所述当前文本进行分词得到当前文本分词序列；

将所述历史文本分词序列及所述当前文本分词序列进行组合，得到第一训练样本；

对所述第一训练样本进行命名实体标签标记及上下文关联标签标记，得到标准训练样本；

汇总所有的标准训练样本，得到所述第一训练样本集。

可选地，所述对所述第一训练样本集进行近义词替换及指代词替换，得到第二训练样本集，包括下述至少一个：

将所述第一训练样本集中每个标准训练样本中的历史文本分词序列中的命名实体进行近义词替换；及

将所述第一训练样本集中每个标准训练样本中的当前文本分词序列中的指代词进行同类型指代词替换，得到所述第二训练样本集。