文本处理方法、装置、电子设备及存储介质.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CN111401038A(43)申请公布日2020.07.10(21)申请号202010121213.5(22)申请日2020.02.26(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)发明人曹绍升杨轶斐(74)专利代理机构北京众达德权知识产权代理有限公司11570代理人张桂蓉(51)Int.Cl.G06F40/216(2020.01)G06F40/289(2020.01)G06F40/247(2020.01)G06F16/33(2019.01)权利要求书4页说明书13页附图3页(54)发明名称文本处理方法、装置、电子设备及存储介质(57)摘要本说明书实施例公开了一种文本处理方法、装置、电子设备及存储介质，能够基于歌词文本进行语句对提取处理得到K组歌词改写词对，进而根据K组歌词改写词对生成相应的K个改写词对候选集，每个改写词对候选集中包含针对同一源词的一个以上歌词改写词对，以及针对同一源词的一个以上歌词改写词对中每个歌词改写词对的改写概率。CN111401038ACN111401038A权利要求书1/4页1.一种歌词文本处理方法，应用于电子设备，所述方法包括：获取歌词文本集，并对所述歌词文本集中每个歌词文本进行语句对提取处理，得到歌词句对集，所述歌词句对集中包含一个以上歌词句对；对所述歌词句对集中每个歌词句对进行词对提取处理，得到K组歌词改写词对，每组所述歌词改写词对中包含针对同一源词的一个以上歌词改写词对，K为正整数；确定所述K组歌词改写词对中每个歌词改写词对的改写概率，并根据所述K组歌词改写词对以及每个歌词改写词对的改写概率，生成与所述K组歌词改写词对相应的K个改写词对候选集，其中，每个所述改写词对候选集中包含针对同一源词的一个以上歌词改写词对，以及针对所述改写词对候选集中每个歌词改写词对的改写概率。2.如权利要求1所述的方法，所述对所述歌词句对集中每个歌词句对进行词对提取处理，得到K组歌词改写词对，包括：通过已训练的词语对齐模型，对所述歌词句对集中每个歌词句对进行词语对齐，得到所述歌词句对集对应的原始改写词对集，其中，所述已训练的词语对齐模型基于歌词样本训练得到；删除所述原始改写词对集中不符合预设改写条件的每个歌词改写词对，得到歌词改写词对集；根据所述歌词改写词对集中每个歌词改写词对的源词，对所述歌词改写词对集中的歌词改写词对进行分组，得到所述K组歌词改写词对。3.如权利要求1所述的方法，所述确定所述K组歌词改写词对中每个歌词改写词对的改写概率，包括：确定所述K组歌词改写词对中每个歌词改写词对的生成次数；针对所述K组歌词改写词对中的每组歌词改写词对，根据该组歌词改写词对中每个歌词改写词对的生成次数，确定该组歌词改写词对中每个歌词改写词对的改写概率；所述根据所述K组歌词改写词对中每个歌词改写词对以及对应的改写概率，生成与所述K组歌词改写词对相应的K个改写词对候选集，包括：针对所述K组歌词改写词中的每组歌词改写词对，删除该组歌词改写词对中生成次数少于预设生成次数阈值的每个歌词改写对，和/或改写概率低于预设概率阈值的每个歌词改写对，得到该组歌词改写词对相应的改写词对候选集。4.如权利要求1所述的方法，所述获取歌词文本集，包括：获取一个以上原始歌词文本；针对所述一个以上原始歌词文本进行预处理，得到对应的一个以上预处理歌词文本，其中，所述预处理包括对每个所述歌词文本中每句歌词的分词处理；从所述一个以上预处理歌词文本中确定出超过预设文本数据量的每个预处理歌词文本，形成所述歌词文本集；针对所述歌词文本集中每个预处理歌词文本，删除所述预处理文本中不超过预设词语数量的每句歌词，得到与所述预处理歌词文本对应的歌词文本。5.如权利要求1所述的方法，所述对所述歌词文本集中每个歌词文本进行语句对提取处理，得到歌词句对集，包括：针对所述歌词文本集中每个歌词文本，获取所述歌词文本中的每相邻两句歌词，形成2CN111401038A权利要求书2/4页所述歌词文本中的每个歌词句对；根据所述歌词文本集中每个歌词文本的歌词句对，形成所述歌词句对集。6.如权利要求1-5中任一权利要求所述的方法，在所述生成与所述K组歌词改写词对相应的K个改写词对候选集之后，还包括：针对目标歌词文本中每个词语，从所述K个改写词对候选集中确定出针对所述词语的目标改写词对候选集，并根据所述目标改写词对候选集对所述词语进行改写，得到与所述目标歌词文本对应的新歌词文本，所述新歌词文本的歌词内容与所述目标歌词文本的歌词内容不同。7.一种歌词改写方法，应用于电子设备，所述方法包括：接收用户的歌词改写请求，在所述歌词改写请求中指定待改写的目标歌词文本；