关键信息提取和直播内容处理方法、装置及设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114239567A(43)申请公布日2022.03.25(21)申请号202111556311.2(22)申请日2021.12.17(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人汪权彬(74)专利代理机构北京君慧知识产权代理事务所(普通合伙)11716代理人吴绍群(51)Int.Cl.G06F40/284(2020.01)G06F40/216(2020.01)H04N21/2187(2011.01)H04N21/439(2011.01)G10L15/26(2006.01)权利要求书3页说明书16页附图4页(54)发明名称关键信息提取和直播内容处理方法、装置及设备(57)摘要本说明书实施例公开了关键信息提取和直播内容处理方法、装置及设备。方案包括：获取待提取关键信息的原始文本；确定针对原始文本的注意力权重向量，并根据注意力权重向量，对应地生成第一目标词；判断第一目标词是否包括在原始文本中；若是，则根据注意力权重向量，获取在生成第一目标词时所述第一目标词的注意力权重，根据第一目标词的注意力权重，生成针对第一目标词的惩罚数据，以根据惩罚数据，继续生成第二目标词，其中，惩罚数据用于降低继续生成的第二目标词与第一目标词相同的可能性；根据第一目标词和第二目标词，生成关键信息。CN114239567ACN114239567A权利要求书1/3页1.一种关键信息提取方法，包括：获取待提取关键信息的原始文本；确定针对所述原始文本的注意力权重向量，并根据所述注意力权重向量，对应地生成第一目标词；判断所述第一目标词是否包括在所述原始文本中；若是，则根据所述注意力权重向量，获取在生成所述第一目标词时所述第一目标词的注意力权重，根据所述第一目标词的注意力权重，生成针对所述第一目标词的惩罚数据，以根据所述惩罚数据，继续生成第二目标词，其中，所述惩罚数据用于降低继续生成的所述第二目标词与所述第一目标词相同的可能性；根据所述第一目标词和所述第二目标词，生成所述关键信息。2.如权利要求1所述的方法，所述根据所述第一目标词的注意力权重，生成针对所述第一目标词的惩罚数据，具体包括：确定与用于提取所述关键信息的预测模型相关的至少一种维度，作为惩罚维度，所述惩罚维度包括注意力权重、损失函数、复制概率中的至少一种；根据所述惩罚维度和所述第一目标词的注意力权重，生成对所述第一目标词的惩罚数据。3.如权利要求1所述的方法，所述根据所述第一目标词的注意力权重，生成针对所述第一目标词的惩罚数据，是在用于提取所述关键信息的预测模型的训练阶段执行的，所述预测模型的损失函数包括与所生成的目标词的注意力权重相关的惩罚损失项；所述根据所述第一目标词的注意力权重，生成针对所述第一目标词的惩罚数据，具体包括：根据所述对所述第一目标词的注意力权重和所述惩罚损失项，生成惩罚损失，作为针对所述第一目标词的惩罚数据，用于训练所述预测模型。4.如权利要求3所述的方法，所述根据所述对所述第一目标词的注意力权重和所述惩罚损失项，生成惩罚损失，具体包括：在本次生成所述第一目标词之前，若已若干次为所述原始文本生成过所述第一目标词，则获取所述若干次生成所述第一目标词时的历史注意力权重；根据所述对所述第一目标词的注意力权重，以及所述历史注意力权重，生成累计注意力权重；根据所述累计注意力权重和所述惩罚损失项，生成惩罚损失。5.如权利要求4所述的方法，根据所述惩罚数据，继续生成第二目标词，具体包括：进入所述本次后的下一次目标词生成阶段；在所述下一次目标词生成阶段内，确定所述第一目标词的注意力权重，作为当前注意力权重；对所述累计注意力权重和所述当前注意力权重进行比较，根据两者中较小的一方重新确定所述惩罚损失，以用于生成第二目标词。6.如权利要求1所述的方法，所述判断所述原始文本中是否已存在所述第一目标词后，所述方法还包括：若所述判断的结果为否，则在不生成针对所述第一目标词的惩罚数据的条件下，继续2CN114239567A权利要求书2/3页生成所述第二目标词。7.一种直播内容处理方法，具体包括：获取直播平台上的主播的直播视频；对所述直播视频进行语音识别和切片处理，得到多个直播片段文本；确定针对所述直播片段文本的注意力权重向量，并根据所述注意力权重向量，对应地生成第一目标词；判断所述第一目标词是否包括在所述直播片段文本中；若是，则生成针对所述第一目标词的惩罚数据，以根据所述惩罚数据，继续生成第二目标词，其中，所述惩罚数据用于降低继续生成的所述第二目标词与所述第一目标词相同的可能性；根据所述第一目标词和所述第二目标词，生成所述直播片段文本的关键信息，作为所述直播片段文本