分類標(biāo)簽的核心語句提取方法、系統(tǒng)、設(shè)備及存儲(chǔ)介質(zhì)

基本信息

申請(qǐng)?zhí)?/td> CN202111234433.X 申請(qǐng)日 -
公開（公告）號(hào) CN113987174A 公開（公告）日 2022-01-28
申請(qǐng)公布號(hào) CN113987174A 申請(qǐng)公布日 2022-01-28
分類號(hào) G06F16/35（2019.01）I;G06F16/31（2019.01）I;G06F40/211（2020.01）I;G06F40/289（2020.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 吳宇皓;周震卿;鞠劍勛;李健 申請(qǐng)（專利權(quán)）人 上海攜旅信息技術(shù)有限公司
代理機(jī)構(gòu) 上海隆天律師事務(wù)所 代理人 鐘宗
地址 201803上海市嘉定區(qū)金園一路1331號(hào)401室-4
法律狀態(tài) -

摘要

摘要 本發(fā)明提供了分類標(biāo)簽的核心語句提取方法、系統(tǒng)、設(shè)備及存儲(chǔ)介質(zhì)，該方法包括：提供具有文本預(yù)設(shè)標(biāo)簽的語句訓(xùn)練文本，對(duì)語句訓(xùn)練文本轉(zhuǎn)化為數(shù)字序列并復(fù)制擴(kuò)充一次，在轉(zhuǎn)化為字詞向量矩陣，并通過字詞向量矩陣獲得語句編碼向量；根據(jù)文本預(yù)設(shè)標(biāo)簽和神經(jīng)網(wǎng)絡(luò)獲取的模型預(yù)測(cè)標(biāo)簽獲得總損失，經(jīng)過迭代訓(xùn)練獲得總損失最小時(shí)的神經(jīng)網(wǎng)絡(luò)分類模型和訓(xùn)練語句對(duì)應(yīng)的語句編碼向量；根據(jù)標(biāo)簽對(duì)應(yīng)的語句編碼向量的平均值獲得中心向量；以及根據(jù)中心向量和語句編碼向量的相似排序，選出核心語句。本發(fā)明能夠通過深度學(xué)習(xí)的方式去除了部分冗余數(shù)據(jù)，大幅提升神經(jīng)網(wǎng)絡(luò)分類模型中選取核心語句的準(zhǔn)確性，大幅度降低模型計(jì)算成本。