[发明专利]基于端到端的深度学习解码方法、装置、设备及产品

权利要求书

1.一种基于端到端的深度学习解码方法，其特征在于，包括：

获取编码语句，并提取所述编码语句的编码数据特征；

基于神经网络模型映射所述编码数据特征至解码容器；

所述解码容器输出与所述编码语句对应的目标语句。

2.根据权利要求1所述的基于端到端的深度学习解码方法，其特征在于，所述基于神经网络模型映射所述编码数据特征至解码容器的步骤中，具体包括：

获取所述编码数据特征中的第一数据向量和第二数据向量，其中，所述第一数据向量指向所述编码语句的起始位置，所述第二数据向量指向所述编码语句的终止为止；

根据所述第一数据向量生成第一数据映射向量；

根据所述第二数据向量生成第二数据映射向量；

根据所述第一数据映射向量和所述第二数据映射向量构建所述解码容器。

3.根据权利要求2所述的基于端到端的深度学习解码方法，其特征在于，所述基于神经网络模型映射所述编码数据特征至解码容器的步骤中，具体包括：

提取所述编码数据特征中的第一编码用语和第二编码用语，所述第一编码用语指向非格式用语，所述第二编码用语指向格式用语；

所述第一编码用语和所述第二编码用语基于神经网络模型映射至解码容器中；

其中，所述第一编码用语和所述第二编码用语包含在解码语句中的位置信息。

4.根据权利要求3所述的基于端到端的深度学习解码方法，其特征在于，所述基于神经网络模型映射所述编码数据特征至解码容器的步骤中，具体还包括：

提取所述编码数据特征中的第一标点特征和第二标点特征，所述第一标点特征连接相邻两个所述第一编码用语，所述第二标点特征与所述第二编码用语对应；

所述第一标点特征和所述第二标点特征基于神经网络模型映射至解码容器中。

5.根据权利要求4所述的基于端到端的深度学习解码方法，其特征在于，所述基于神经网络模型映射所述编码数据特征至解码容器的步骤中，具体还包括：

提取所述编码数据特征中的全部编码单词特征，并根据所述编码单词特征进行判断；

确定全部所述编码单词特征之间的重复个数为零，则将每个所述编码单词特征映射至解码容器；

确定全部所述编码单词特征中至少包括两个相同的单词，则将具有相同单词的所述编码单词特征作为重复编码单词特征，并将所述重复编码单词特征映射至编码容器。

6.根据权利要求1至5任一所述的基于端到端的深度学习解码方法，其特征在于，所述解码容器输出与所述编码语句对应的目标语句的步骤中，具体包括：

获取所述编码数据特征携带的位置参数，所述位置参数标识相应的所述编码数据特征在目标语句中的位置；

所述解码容器将全部所述编码数据特征以及对应的所述位置参数输出与所述编码语句对应的所述目标语句。

7.一种基于端到端的深度学习解码装置，其特征在于，包括：特征获取模块（10）、特征映射模块（20）和语句解码模块（30）；

所述特征获取模块（10）用于获取编码语句，并提取所述编码语句的编码数据特征；

所述特征映射模块（20）用于基于神经网络模型映射所述编码数据特征至解码容器；

所述语句解码模块（30）用于所述解码容器输出与所述编码语句对应的目标语句。

8.一种电子设备，其特征在于，包括：存储器（830）和处理器（810）；

所述存储器（830）和所述处理器（810）通过总线完成相互间的通信；

所述存储器（830）存储有，能够在所述处理器（810）上运行的计算机指令；

所述处理器（810）调用所述计算机指令时，能够执行上述权利要求1至6任一所述的基于端到端的深度学习解码方法。

9.一种计算机程序产品，其包括存储有计算机程序的非暂态机器可读介质，其特征在于，所述计算机程序被处理器（810）执行时，实现上述权利要求1至6任一所述的基于端到端的深度学习解码方法的步骤。