文本的联想推论的确定方法、电子设备以及存储介质与流程
本发明涉及文本处理领域,更具体地涉及一种文本的联想推论的确定方法、一种文本的联想推论的确定装置、一种电子设备、一种存储介质和一种计算机程序产品。
背景技术:
1、随着互联网信息量的爆炸式增长,对海量文本内容进行快速、准确、多维度的理解与分类,已成为信息处理领域的核心需求。无论是辅助内容分发、构建知识图谱,还是支撑智能问答系统,高质量的文本标注都是不可或缺的基础环节。
2、现有技术主要基于统计相关性进行标注,缺乏逻辑推理能力。对于需要多步推断才能发现的隐含语义关联(例如从“a事件”推断出“b结论”),极易漏标或错标。另一些通过单一深度学习模型对文本进行标注的方案,当业务需求变化,需要增加新的标注维度或修改现有规则时,需要重新训练模型,成本高昂。
技术实现思路
1、考虑到上述问题而提出了本发明。本发明提供了一种文本的联想推论的确定方法、一种文本的联想推论的确定装置、一种电子设备、一种存储介质和一种计算机程序产品。
2、根据本发明一个方面,提供了一种文本的联想推论的确定方法。上述确定方法包括:获取目标文本;基于目标文本,确定目标文本对应的目标元素序列;其中,目标元素序列中的每个目标元素包括目标文本中的至少一部分;基于目标元素序列,通过至少一个训练后的元素编码器,确定该目标元素序列对应的至少一个目标元素特征序列;基于至少一个目标元素特征序列各自对应的关注元素特征序列、目标规则信息集合,确定目标文本对应的至少一个目标联想推论;其中,针对至少一个目标元素特征序列中的每个目标元素特征序列,该目标元素特征序列对应的关注元素特征序列通过以下方式确定:基于该目标元素特征序列、多个预设规则信息,确定该目标元素特征序列对应的至少一个目标规则信息;其中,多个预设规则信息中的每个预设规则信息包括预设文本逻辑表达式、预设联想推论,该预设文本逻辑表达式用于确定目标元素特征序列是否与该预设规则信息匹配;目标规则信息为多个预设规则信息中与目标元素特征序列匹配成功的预设规则信息;基于该至少一个目标规则信息,确定该目标元素特征序列对应的目标掩膜;其中,该目标掩膜用于表示针对该目标元素特征序列中的每个目标元素特征,该目标元素特征与该至少一个目标规则信息中的至少一个包括的预设文本逻辑表达式匹配或该目标元素特征与该至少一个目标规则信息中的每个目标规则信息包括的预设文本逻辑表达式不匹配;基于该目标元素特征序列、该目标掩膜,确定该目标元素特征序列对应的关注元素特征序列;目标规则信息集合包括至少一个目标元素特征序列各自对应的目标规则信息;目标联想推论为目标规则信息集合中一个目标规则信息包括的预设联想推论。
3、示例性地,至少一个训练后的元素编码器包括多个不同尺度的、依次相连的、训练后的元素编码器;针对多个训练后的元素编码器中的首个训练后的元素编码器,该训练后的元素编码器用于对输入的目标元素序列进行特征提取处理,以得到该训练后的元素编码器对应的目标元素特征序列,并基于该目标元素特征序列及其对应的目标掩膜,确定该训练后的元素编码器对应的关注元素特征序列;针对多个训练后的元素编码器中的非首个训练后的元素编码器,该训练后的元素编码器用于对输入的关注元素特征序列进行特征提取处理,以得到该训练后的元素编码器对应的目标元素特征序列,并基于该目标元素特征序列及其对应的目标掩膜,确定该训练后的元素编码器对应的关注元素特征序列。
4、示例性地,基于至少一个目标元素特征序列各自对应的关注元素特征序列、目标规则信息集合,确定目标文本对应的至少一个目标联想推论,包括:
5、基于多个训练后的元素编码器各自对应的关注元素特征序列,通过特征融合处理,确定融合特征序列;
6、基于融合特征序列、目标规则信息集合,确定目标文本对应的至少一个目标联想推论。
7、示例性地,确定方法还包括:
8、针对每个训练后的元素编码器,基于该训练后的元素编码器对应的目标元素特征序列,确定该训练后的元素编码器对应的元素特征总数;
9、将每个训练后的元素编码器各自对应的元素特征总数、每个元素特征总数各自对应的尺度、目标文本对应的平台信息输入至训练后的融合权重确定模型,以得到每个训练后的元素编码器各自对应的融合权重;其中,针对每个元素特征总数,该元素特征总数对应的尺度为该元素特征总数对应的训练后的元素编码器的尺度,平台信息用于表示目标文本被发布的平台;
10、基于多个训练后的元素编码器各自对应的关注元素特征序列,通过特征融合处理,确定融合特征序列,包括:
11、基于多个训练后的元素编码器各自对应的关注元素特征序列、多个训练后的元素编码器各自对应的融合权重,通过特征融合处理,确定融合特征序列。
12、示例性地,针对每个预设规则信息,该预设规则信息还包括预设条件分支链、预设规则推论匹配程度,该预设条件分支链包括多个条件分支,多个条件分支分别对应第一匹配程度,该预设规则推论匹配程度用于表示该预设规则信息包括的预设文本逻辑表达式与该预设规则信息包括的预设联想推论之间的匹配程度;
13、基于融合特征序列、目标规则信息集合,确定目标文本对应的至少一个目标联想推论,包括:
14、针对目标规则信息集合中的每个目标规则信息,
15、基于融合特征序列、该目标规则信息包括的预设条件分支链,确定融合特征序列与该目标规则信息对应的第一匹配程度;
16、基于该第一匹配程度、该目标规则信息包括的预设规则推论匹配程度,确定融合特征序列与第一联想推论对应的综合匹配程度;其中,该第一联想推论为该目标规则信息包括的预设联想推论;
17、基于融合特征序列与每个第一联想推论各自对应的综合匹配程度,确定目标文本对应的至少一个目标联想推论。
18、示例性地,针对每个预设规则信息,该预设规则信息还包括规则维度、规则优先级,规则维度用于表示预设规则信息涉及的匹配维度;基于融合特征序列与每个第一联想推论各自对应的综合匹配程度,确定目标文本对应的至少一个目标联想推论,包括:
19、基于融合特征序列与每个第一联想推论各自对应的综合匹配程度,确定目标文本对应的至少一个中间联想推论;其中,中间联想推论为综合匹配程度大于预设匹配程度阈值的第一联想推论;
20、在至少一个中间联想推论包括多个中间联想推论、并且其中至少两个中间联想推论的规则维度相同、该至少两个中间联想推论相悖的情况下,基于融合特征序列与该至少两个中间联想推论各自对应的综合匹配程度、该至少两个中间联想推论各自所属的目标规则信息各自包括的规则优先级,确定该至少两个中间联想推论中的目标联想推论。
21、示例性地,确定方法还包括:
22、基于目标文本对应的至少一个目标联想推论、目标文本对应的至少一个复核联想推论,调整以下至少一项:目标规则信息集合中的至少一个目标规则信息包括的预设规则推论匹配程度、至少一个训练后的元素编码器各自包括的适配器的模块参数。
23、示例性地,基于该目标元素特征序列、多个预设规则信息,确定该目标元素特征序列对应的至少一个目标规则信息,包括:
24、针对多个预设规则信息中的每个预设规则信息,将该预设规则信息包括的预设文本逻辑表达式、该目标元素特征序列输入至训练后的语义匹配模型中,以得到该目标元素特征序列与该预设规则信息对应的第二匹配程度;
25、基于该目标元素特征序列与多个预设规则信息各自对应的第二匹配程度,确定该目标元素特征序列在多个预设规则信息中对应的至少一个目标规则信息。
26、根据本发明又一方面,还提供了一种文本的联想推论的确定装置,上述文本的联想推论的确定装置包括:目标文本获取模块,用于获取目标文本;目标元素序列确定模块,用于基于目标文本,确定目标文本对应的目标元素序列;其中,目标元素序列中的每个目标元素包括目标文本中的至少一部分;目标元素特征序列确定模块,用于基于目标元素序列,通过至少一个训练后的元素编码器,确定该目标元素序列对应的至少一个目标元素特征序列;目标联想推论确定模块,用于基于至少一个目标元素特征序列各自对应的关注元素特征序列、目标规则信息集合,确定目标文本对应的至少一个目标联想推论;其中,针对至少一个目标元素特征序列中的每个目标元素特征序列,该目标元素特征序列对应的关注元素特征序列通过以下方式确定:基于该目标元素特征序列、多个预设规则信息,确定该目标元素特征序列对应的至少一个目标规则信息;其中,多个预设规则信息中的每个预设规则信息包括预设文本逻辑表达式、预设联想推论,该预设文本逻辑表达式用于确定目标元素特征序列是否与该预设规则信息匹配;目标规则信息为多个预设规则信息中与目标元素特征序列匹配成功的预设规则信息;基于该至少一个目标规则信息,确定该目标元素特征序列对应的目标掩膜;其中,该目标掩膜用于表示该目标元素特征序列中的每个目标元素特征与该至少一个目标规则信息中的至少一个包括的预设文本逻辑表达式匹配或与该至少一个目标规则信息中的每个目标规则信息包括的预设文本逻辑表达式不匹配;基于该目标元素特征序列、该目标掩膜,确定该目标元素特征序列对应的关注元素特征序列;目标规则信息集合包括至少一个目标元素特征序列各自对应的目标规则信息;目标联想推论为目标规则信息集合中一个目标规则信息包括的预设联想推论。
27、根据本发明的另一方面,还提供了一种电子设备,该电子设备包括存储器和处理器,其中:存储器用于保存计算机程序;处理器用于执行计算机程序,以实现上述的文本的联想推论的确定方法。
28、根据本发明又一方面,还提供了一种存储介质,存储有计算机程序指令,计算机程序指令在运行时用于执行上述的文本的联想推论的确定方法。
29、根据本发明的另一方面,还提供一种计算机程序产品,该计算机程序产品包括计算机程序指令,计算机程序指令在由处理器运行时用于执行上述的文本的联想推论的确定方法。
30、根据本发明的上述方案,可获取目标文本。而后,基于目标文本,确定目标文本对应的目标元素序列。再基于目标元素序列,通过至少一个训练后的元素编码器,确定该目标元素序列对应的至少一个目标元素特征序列。而后,基于至少一个目标元素特征序列各自对应的关注元素特征序列、目标规则信息集合,确定目标文本对应的至少一个目标联想推论。针对至少一个目标元素特征序列中的每个目标元素特征序列,可基于该目标元素特征序列、多个预设规则信息,确定该目标元素特征序列对应的至少一个目标规则信息。而后,基于该至少一个目标规则信息,确定该目标元素特征序列对应的目标掩膜。再基于该目标元素特征序列、该目标掩膜,确定该目标元素特征序列对应的关注元素特征序列。一方面,上述目标联想推论可用于表示目标文本的隐藏语义,将其作为目标文本的标签信息,对其他模型进行训练,可使得该其他模型能够有效识别出输入文本的隐藏语义,提高该其他模型输出的结果的准确性;又一方面,上述目标规则信息集合的可维护性较强,对其进行维护后,对于同一个目标元素特征序列,会使得目标元素特征序列对应的关注元素特征序列的特征分布通过目标掩膜发生适应性地更改,这在特征表示层级上充分体现了预设规则信息的约束,可在不重新训练编码器的情况下在业务需求发生变更的场景中维持目标联想推论的准确性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com