文本处理方法以及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115934904A(43)申请公布日2023.04.07(21)申请号202211415557.2G06F18/214(2023.01)(22)申请日2022.11.11(71)申请人阿里巴巴（中国）有限公司地址311121浙江省杭州市余杭区五常街道文一西路969号3幢5层554室(72)发明人郁博文李晶阳余海洋黄非李永彬(74)专利代理机构北京智信禾专利代理有限公司11637专利代理师李晓庆(51)Int.Cl.G06F16/332(2019.01)G06F16/33(2019.01)G06F16/35(2019.01)G06F18/241(2023.01)权利要求书3页说明书18页附图8页(54)发明名称文本处理方法以及装置(57)摘要本说明书实施例提供文本处理方法以及装置，其中所述文本处理方法包括：将目标文本输入文本处理模型；在所述文本处理模型中，根据所述目标文本的文本顺序，确定所述目标文本中文本词语的关系标签，其中，所述关系标签包括所述文本词语中单个文本的文本关系标签、所述文本词语和其他文本词语的词语关系标签；根据所述文本词语以及所述关系标签，构建所述目标文本对应的有向无环图；根据所述有向无环图，确定所述目标文本对应的词语类型信息组。仅需要考虑目标文本的文本顺序，使得即使是训练数据的特定领域以外的领域的目标文本也能够根据该文本处理模型处理，提高了文本处理模型的泛化效果。CN115934904ACN115934904A权利要求书1/3页1.一种文本处理方法，包括：将目标文本输入文本处理模型；在所述文本处理模型中，根据所述目标文本的文本顺序，确定所述目标文本中文本词语的关系标签，其中，所述关系标签包括所述文本词语中单个文本的文本关系标签、所述文本词语和其他文本词语的词语关系标签；根据所述文本词语以及所述关系标签，构建所述目标文本对应的有向无环图；根据所述有向无环图，确定所述目标文本对应的词语类型信息组。2.根据权利要求1所述的方法，所述文本处理模型的训练步骤包括：确定文本样本，以及所述文本样本对应的词语类型信息组标签；根据所述文本样本的文本顺序，确定所述文本样本中文本词语的预测关系标签，其中，所述预测关系标签包括所述文本词语中的预测文本关系标签、所述文本词语和其他文本词语的预测词语关系标签；根据所述文本词语以及所述预测关系标签，构建所述文本样本对应的预测有向无环图；根据所述预测有向无环图，确定所述文本样本对应的预测词语类型信息组；根据所述预测词语类型信息组和所述词语类型信息组标签，训练文本处理模型。3.根据权利要求2所述的方法，所述根据所述预测词语类型信息组和所述词语类型信息组标签，训练文本处理模型，包括：根据所述预测词语类型信息组和所述词语类型信息组标签，计算模型损失值；利用所述模型损失值，对文本处理模型进行训练，直至获得满足训练停止条件的文本处理模型。4.根据权利要求1所述的方法，所述根据所述目标文本的文本顺序，确定所述目标文本中文本词语的关系标签，包括：按照所述目标文本的文本顺序，根据所述目标文本生成文本矩阵；根据所述文本矩阵，确定所述目标文本中文本词语的关系标签。5.根据权利要求4所述的方法，所述根据所述目标文本生成文本矩阵，包括：根据所述目标文本的文本长度，生成与所述文本长度对应长度的文本矩阵，其中，所述文本矩阵包含所述目标文本中单个文本对应的文本矩阵单元；相应地，所述根据所述文本矩阵，确定所述目标文本中文本词语的关系标签，包括：对所述单个文本对应的文本矩阵单元进行预测，获得所述目标文本中文本词语的关系标签。6.根据权利要求4所述的方法，所述根据所述文本词语以及所述关系标签，构建所述目标文本对应的有向无环图，包括：将所述文本词语中的单个文本作为节点、将所述单个文本在所述目标文本中的顺序作为连接边，构建所述目标文本对应的初始有向无环图；根据所述关系标签，对所述连接边进行标记，获得与所述连接边关联的节点关系信息；根据所述初始有向无环图和所述节点关系信息，获得所述目标文本对应的有向无环图。7.根据权利要求1所述的方法，所述词语类型信息组为词语类型对应的三元组；2CN115934904A权利要求书2/3页相应地，所述文本词语和其他文本词语的词语关系标签包括：所述文本词语和所述文本词语关联的其他文本词语的词语关系标签、以及所述三元组包含的第一文本词语和第二文本词语的词语关系标签。8.根据权利要求1所述的方法，所述根据所述有向无环图，确定所述目标文本对应的词语类型信息组，包括：遍历所述有向无环图，确定所述目标文本对应的至少一个词语类型信息组。9.根据权利要求1所述的方法，所述将目标文本输入文本处理模型之前，还包括：接收用户通过交互界面输入的目标文本；其中，所述