[发明专利]一种基于语言模型的长文本压缩方法及装置

权利要求书

1.一种基于语言模型的长文本压缩方法，其特征在于，所述方法包括：

通过正则方法对第一初始长文本进行分句，得到第一句子序列[S₁，S₂，…，S_n-1，S_n]，以及通过所述正则方法对第二初始长文本进行分句，得到第二句子序列[T₁，T₂，…，T_m-1，T_m]，其中，所述第一初始长文本和所述第二初始长文本之间存在关联关系；

根据Top K算法从所述第一句子序列[S₁，S₂，…，S_n-1，S_n]中截取第三句子序列[S₁，S₂，…，S_k-1，S_k]，以及根据所述Top K算法从所述第二句子序列[T₁，T₂，…，T_m-1，T_m]中截取第四句子序列[T₁，T₂，…，T_k-1，T_k]；

从第五句子序列中确定与所述第三句子序列[S₁，S₂，…，S_k-1，S_k]相似度最大的第六句子序列[C₁，C₂，…，C_n-1，C_n]，以及从第七句子序列中确定与所述第四句子序列[T₁，T₂，…，T_k-1，T_k]相似度最大的第八句子序列[D₁，D₂，…，D_n-1，D_n]，其中，所述第五句子序列为所述第一句子序列[S₁，S₂，…，S_n-1，S_n]中的截取后剩余的句子序列[S_k+1，S_k+2，…，S_n-1，S_n]，所述第七句子序列为所述第二句子序列[T₁，T₂，…，T_m-1，T_m]中的截取后剩余的句子序列[T_k+1，T_k+2，…，T_m-1，T_m]；

将所述第三句子序列[S₁，S₂，…，S_k-1，S_k]和所述第八句子序列[D₁，D₂，…，D_n-1，D_n]进行拼接，得到第九句子序列[S₁，S₂，…，S_k-1，S_k，D₁，D₂，…，D_n-1，D_n]，以及将所述第四句子序列[T₁，T₂，…，T_k-1，T_k]和所述第六句子序列[C₁，C₂，…，C_n-1，C_n]进行拼接，得到第十句子序列[T₁，T₂，…，T_k-1，T_k，C₁，C₂，…，C_n-1，C_n]。