短语生成方法、装置和计算机可读存储介质.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CN113761114A(43)申请公布日2021.12.07(21)申请号202110234468.7G06F40/30(2020.01)(22)申请日2021.03.03G06K9/62(2006.01)(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人朱鹏军巨荣辉崔明葛一迪刘朋樟(74)专利代理机构中国贸促会专利商标事务所有限公司11038代理人孙玉许蓓(51)Int.Cl.G06F16/33(2019.01)G06F40/289(2020.01)权利要求书2页说明书9页附图3页(54)发明名称短语生成方法、装置和计算机可读存储介质(57)摘要本公开涉及一种短语生成方法、装置和计算机可读存储介质，涉及计算机技术领域。本公开的方法包括：针对获取的每个初始短语，确定初始短语中各个分词的词性和顺序，得到初始短语的词性组合，其中，词性组合为按照各个分词的顺序排列的各个分词的词性；根据每种词性组合出现的次数，选取一种或多种词性组合；从备选文本的各个分词中筛选出符合选取的词性组合中的词性的分词，并按照选取的词性组合生成短语，作为备选短语；根据每个备选短语中各个分词的紧密程度，选取备选短语作为生成的短语。CN113761114ACN113761114A权利要求书1/2页1.一种短语生成方法，包括：针对获取的每个初始短语，确定所述初始短语中各个分词的词性和顺序，得到所述初始短语的词性组合，其中，所述词性组合为按照各个分词的顺序排列的各个分词的词性；根据每种词性组合出现的次数，选取一种或多种词性组合；从备选文本的各个分词中筛选出符合选取的词性组合中的词性的分词，并按照选取的词性组合生成短语，作为备选短语；根据每个备选短语中各个分词的紧密程度，选取备选短语作为生成的短语。2.根据权利要求1所述的短语生成方法，其中，所述根据每个备选短语中各个分词的紧密程度，选取备选短语作为生成的短语包括：针对每个备选短语，根据该备选分词中各个分词分别在预设文本中出现的次数以及各个分词连续在预设文本中出现的次数，确定该备选短语中各个分词的紧密程度；选取紧密程度不低于紧密程度阈值的备选短语，作为生成的短语。3.根据权利要求2所述的短语生成方法，其中，针对每个备选短语，该备选短语中各个分词的紧密程度为各个分词连续在预设文本中出现的概率与各个分词分别在预设文本中出现的概率的乘积的比值。4.根据权利要求1所述的短语生成方法，其中，所述根据每种词性组合出现的次数，选取一种或多种词性组合包括：针对每种词性组合，根据该词性组合出现的次数、各个词性组合出现的次数中的最大次数和最小次数，确定该词性组合的权重；选取权重不低于权重阈值的一种或多种词性组合。5.根据权利要求1所述的短语生成方法，还包括：在生成的短语中包括具有相同分词且分词的顺序不同的多个短语的情况下，确定多个短语中每个短语的分词序列出现的概率；根据各个短语的分词序列出现的概率，确定各个短语的通顺度；根据各个短语的通顺度，选取一个或多个短语，更新为生成的短语。6.根据权利要求5所述的短语生成方法，其中，所述确定多个短语中每个短语的分词序列出现的概率包括：将每个短语的分词序列输入预先训练的自然语言处理模型，得到每个短语的分词序列出现的概率。7.根据权利要求5所述的短语生成方法，其中，所述根据各个短语的分词序列出现的概率，确定各个短语的通顺度包括：针对每个短语，将该短语的分词序列出现的概率的倒数，按照分词的个数开方，得到该短语的通顺度。8.根据权利要求1所述的短语生成方法，还包括：根据训练语料中的各个短语与种子短语的相似性，选取训练语料中的多个短语作为初始短语。9.根据权利要求8所述的短语生成方法，其中，所述根据训练语料中的各个短语与种子短语的相似性，选取训练语料中的多个短语作为初始短语包括：分别确定训练语料中的各个短语和种子短语的向量；2CN113761114A权利要求书2/2页根据训练语料中的各个短语的向量和所述种子短语的向量的相似度，确定训练语料中的各个短语与种子短语的相似性；选取与种子短语的相似性不低于相似性阈值的短语，作为初始短语。10.根据权利要求8所述的短语生成方法，还包括：根据训练语料中的各个分词与第一种子分词的相似性，选取训练语料中的多个分词作为初始分词；将各个初始分词分别与第二种子分词进行组合，得到多个种子短语。11.一种短语生成装置，包括：词性组合确定模块，用于针对获取的每个初始短语，确定所述初始短语中各个分词的词性和顺序，得到所述初始短语的词性组合，其中，所述词性组合为按照各个分词的顺序排列的各个分词的词性；