构建人物库的方法、装置、存储介质及电子设备
文献发布时间:2023-06-19 12:22:51
技术领域
本公开涉及人物库构建领域,具体地,涉及一种构建人物库的方法、装置、存储介质及电子设备。
背景技术
随着电子信息技术的不断发展,人们的娱乐生活也越来越丰富,阅读电子书已经成为了一种主流的阅读方式,为了使用户在不方便阅览电子书时,也能通过听觉来获取电子书中的信息,或者边读边听,从视觉和听觉两个维度来获取电子书中包括的信息,往往会为电子书预先录制对应的音频,以供用户收听。
为了丰富音频的表现力,在录制音频的过程中,可以使用不同的音色来录制电子书中不同人物(或者称之为角色)的对话,而在录制音频之前需要知道该电子书中有哪些人物,即需要先识别出电子书中的不同人物,并构建人物库,在有声小说制作中,目前主要采用人工的方式,人工阅读整本电子书,构建人物库,该方法耗时费力,效率较低并且构建的人物库的准确性较差;相关技术中,为了提高人物库构建的效率,可以采用人名标注算法,将整本电子书中的人物词标注出来,然后根据每个人物词的出现频次构建人物库,但该方法可能会将电子书中的非人物词(如“东西”)标记出来误当作人物,或者将电子书中不是主要人物(如“丫鬟”)的人物词标记处理构建人物库,这都会影响人物库构建的准确性。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种构建人物库的方法,所述方法包括:
提取指定文本中包括的人物词,所述指定文本包括多个语句;
确定目标对话语句对应的第一文本和目标语句对应的第二文本,所述目标对话语句为多个所述语句中的任一对话语句,所述目标语句为多个所述语句中与所述目标对话语句之间在所述指定文本中的位置距离满足预设条件的语句;
从所述指定文本中包括的人物词中确定所述第一文本和所述第二文本中包括的至少一个候选人物词;
针对每个所述候选人物词,通过预先训练得到的目标对话归属模型确定该候选人物词与所述目标对话语句的第一匹配度,并根据所述第一匹配度从至少一个所述候选人物词中确定所述目标对话语句对应的目标人物词,所述目标人物词为所述目标对话语句的说话人;
根据所述指定文本中每个所述目标对话语句分别对应的所述目标人物词构建所述指定文本对应的人物库。
第二方面,提供一种构建人物库的装置,所述装置包括:
提取模块,用于提取指定文本中包括的人物词,所述指定文本包括多个语句;
第一确定模块,用于确定目标对话语句对应的第一文本和目标语句对应的第二文本,所述目标对话语句为多个所述语句中的任一对话语句,所述目标语句为多个所述语句中与所述目标对话语句之间在所述指定文本中的位置距离满足预设条件的语句;
第二确定模块,用于从所述指定文本中包括的人物词中确定所述第一文本和所述第二文本中包括的至少一个候选人物词;
第三确定模块,用于针对每个所述候选人物词,通过预先训练得到的目标对话归属模型确定该候选人物词与所述目标对话语句的第一匹配度,并根据所述第一匹配度从至少一个所述候选人物词中确定所述目标对话语句对应的目标人物词,所述目标人物词为所述目标对话语句的说话人;
构建模块,用于根据所述指定文本中每个所述目标对话语句分别对应的所述目标人物词构建所述指定文本对应的人物库。
第三方面,提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面,提供一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现本公开第一方面所述方法的步骤。
通过上述技术方案,提取指定文本中包括的人物词,所述指定文本包括多个语句;确定目标对话语句对应的第一文本和目标语句对应的第二文本,所述目标对话语句为多个所述语句中的任一对话语句,所述目标语句为多个所述语句中与所述目标对话语句之间在所述指定文本中的位置距离满足预设条件的语句;从所述指定文本中包括的人物词中确定所述第一文本和所述第二文本中包括的至少一个候选人物词;针对每个所述候选人物词,通过预先训练得到的目标对话归属模型确定该候选人物词与所述目标对话语句的第一匹配度,并根据所述第一匹配度从至少一个所述候选人物词中确定所述目标对话语句对应的目标人物词,所述目标人物词为所述目标对话语句的说话人;根据所述指定文本中每个所述目标对话语句分别对应的所述目标人物词构建所述指定文本对应的人物库,在构建指定文本(如电子书)对应的人物库的过程中,考虑到文本中的主要人物在文本中均会有大量的对话,因此,根据指定文本中每个目标对话语句分别对应的目标人物词构建指定文本对应的人物库,可以大大提高人物库构建的精度,同时提高了人物库构建的效率。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据一示例性实施例示出的一种构建人物库的方法的流程图;
图2是根据一示例性实施例示出的一种构建人物库的方法的流程图;
图3是根据一示例性实施例示出的一种构建人物库的装置的框图;
图4是根据一示例性实施例示出的一种构建人物库的装置的框图;
图5是根据一示例性实施例示出的一种电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
首先对本公开的应用场景进行介绍,本公开主要应用于有声小说制作中的人物库构建的过程中,相关技术中主要采用工的方式,人工阅读整本电子书构建人物库,该方法效率较低并且构建的人物库的准确性较差;或者采用人名标注算法,将整本电子书中的人物词标注出来,然后根据每个人物词的出现频次构建人物库,但该方法可能会将电子书中的非人物词(如“东西”)被标记出来误当作人物,或者将电子书中不是主要人物(如“丫鬟”)的人物词标记处理构建人物库,这都会影响人物库构建的准确性。
另外,由于人名标注模型,会识别出除了“张三”等真实人名外,还会识别“你,我,他,小子,女人”等称谓词,给人物库带来歧义,这也会影响构建的人物库的精度。
为解决上述存在的问题,本公开提供一种构建人物库的方法、装置、存储介质及电子设备,可以通过目标对话归属模型识别指定文本中每个目标对话语句分别对应的目标人物词,该目标人物词为该目标对话语句的说话人,考虑到文本中的主要人物在文本中均会有大量的对话,因此,根据指定文本中每个目标对话语句分别对应的目标人物词构建指定文本对应的人物库,可以大大提高人物库构建的精度,同时提高了人物库构建的效率。
另外,本公开还可以将目标人物词中的称谓词关联至其对应的真实人名,然后根据该真实人名构建人物库,这样可以进一步提高人物库构建的准确性。
下面结合附图对本公开的具体实施方式进行详细说明。
图1是根据一示例性实施例示出的一种构建人物库的方法的流程图,如图1所示,该方法包括以下步骤:
在步骤S101中,提取指定文本中包括的人物词,该指定文本包括多个语句。
其中,该文本可以为电子书,该指定文本可以包括当前需要统计人物词的整本电子书,或者根据实际需要指定的部分章节(或者部分段落)的电子书。
在本步骤一种可能的实现方式中,可以通过获取该指定文本中每个字的字向量;确定该指定文本中每个字对应的关联词语的词向量;该关联词语可以根据该字对应的组合词语确定,该组合词语由该字和与该字相邻的第一预设数量的字组成,这样,针对每个字,将该字对应的字向量和该字对应的关联词语的词向量输入预先训练得到的目标人物词识别模型,可以得到该指定文本中包括的人物词。
其中,在获取该指定文本中每个字的字向量的过程中,可以针对每个字,将该字输入预先训练得到的Word2Vec模型,得到该Word2Vec模型输出的该字对应的该字向量,该目标人物词识别模型可以是预先通过大量的训练样本进行训练得到的深度学习模型,模型结构例如可以是Transformer+CRF(Conditional Random Fields,条件随机场)的组合,相比于BLSTM(Bidirectional Long Short-Term Memory,双向长短期记忆网络)+CRF的组合,识别效率更高。
在得到每个字对应的字向量以后,可以通过以下方式确定该指定文本中每个字对应的关联词语的词向量:
首先,针对该指定文本中的每个字,根据该字和与该字相邻的第一预设数量的字确定该字对应的组合词语,例如,该第一预设数量可以为2个,该组合词语即为指定文本中该字与该字之前的两个字和之后的两个字组成的词语,即该字与之前的一个字、之前的两个字、之后的一个字、之后的两个字分别组成的词语,例如,该指定文本中的某一句话为“仍旧没有大哥的任何消息”,对于“哥”字来说,该字对应的组合词语即为“大哥”、“有大哥”、“哥的”、“哥的任”。
然后根据该字对应的组合词语确定该字对应的关联词语,其中,该关联词语可以理解为所有的组合词语,也可以理解为组合词语中符合指定要求的词语(如与预设的词典中的词语匹配的词语),例如,“哥”字对应的组合词语为“大哥”、“有大哥”、“哥的”、“哥的任”,可以将这四个组合词语均作为关联词语,也可以将这四个组合词语中与预设的词典匹配的词语作为关联词语,例如可以将“大哥”作为关联词语。
在得到该关联词语后,可以在预先训练的词向量表中,依次查找每个关联词语对应的词向量,也可以利用预先训练的Word2vec模型,生成每个关联词语对应的词向量。
之后,可以将该字对应的字向量和该字对应的关联词语的词向量输入预先训练得到的目标人物词识别模型,可以得到该指定文本中包括的人物词。
具体地,可以将每个字对应的字向量,和该字对应的关联词语的词向量,组成该字对应的组合向量,然后将该指定文本中每个字对应的该组合向量进行组合得到该指定文本对应的组合向量序列,然后将该组合向量序列输入到预先训练的该目标人物词识别模型以根据该目标人物词识别模型的输出确定指定文本中包括的人物词,该人物词可以是零个(即待识别文本中不存在角色实体)、一个或多个,该人物词例如可以是人名、称谓、人称代词(如你、我、她、他、你们等)、拟人的动物、拟人的物体等,其中,目标人物词识别模型可以直接输出人物词,也可以输出指定文本中每个字的标注,然后根据每个字的标注来确定人物词,对每个字的标注,用于指示每个字是否属于人物词。
在步骤S102中,确定目标对话语句对应的第一文本和目标语句对应的第二文本,该目标对话语句为多个该语句中的任一对话语句,该目标语句为多个该语句中与该目标对话语句之间在该指定文本中的位置距离满足预设条件的语句。
在本步骤中,可以将多个该语句中包括预设对话符号的任一语句作为该目标对话语句,并确定该目标对话语句对应的该第一文本;根据多个语句在该指定文本中的位置,将与该目标对话语句之间的距离小于或等于预设距离阈值的语句作为该目标语句,并确定该目标语句对应的该第二文本。
其中,该预设对话符号用于标识一个语句为对话语句,例如可以是双引号“”,也可以是[],基于该预设对话符号可以识别该指定文本中哪些属于对话语句,哪些属于非对话语句(如旁白),这样可以将任一对话语句作为该目标对话语句;该目标语句可以理解为是与目标对话语句存在关联的语句,也可以理解为目标对话语句的上下文,并且该目标语句可以包括一个或多个语句,例如,该预设条件可以为与该目标对话语句在该指定文本中的位置距离小于或者等于3句,此时,该目标语句即为该指定文本中该目标对话语句之前的3句和之后的3句,此处仅是举例说明,本公开对此不作限定。
在步骤S103中,从该指定文本中包括的人物词中确定该第一文本和该第二文本中包括的至少一个候选人物词。
本步骤基于S101获取到的该指定文本中包括的人物词对S102中确定出的该第一文本和该第二文本中包括的人物词进行筛选,从而可以确定出该第一文本和该第二文本中包括的至少一个该候选人物词。
在步骤S104中,针对每个该候选人物词,通过预先训练得到的目标对话归属模型确定该候选人物词与该目标对话语句的第一匹配度。
其中,该目标对话归属模型可以是预先通过大量的训练样本进行训练得到深度学习模型,该目标对话归属模型用于识别任一对话语句的说话人,该模型的结构例如可以是BLSTM(Bidirectional Long Short-Term Memory,双向长短期记忆网络)+Dense layer+softmax的组合,该目标对话归属模型可以直接输出该候选人物词与该目标对话语句的该第一匹配度,该第一匹配度可以理解为目标对话语句为该候选人物词对应的人物所说的语句的概率值。
在本步骤中,首先可以针对每个该候选人物词,获取该候选人物词对应的第一属性特征,该第一属性特征包括该候选人物词与该目标对话语句的第一位置关系、该候选人物词所在的语句与该目标对话语句的第二位置关系、该候选人物词所在的语句的对话属性中的一种或多种。
其中,该第一属性特征可以理解为能够反映该候选人物词与目标对话语句之间关系的特征,第一位置关系可以用于指示,该候选人物词是否属于该目标对话语句,该第二位置关系可以用于指示在指定文本中,该候选人物词所属的语句位于该目标对话语句之前或者之后,该对话属性可以用于指示该候选人物词所属的语句是否为对话语句,或者可以用于指示该候选人物词所属的语句是否包括了“XX说”、“XX道”“XX笑”等对话开始或者对话结束的模板。
然后,针对每个该候选人物词,将该第一文本、该第二文本、该候选人物词和该候选人物词对应的该第一属性特征,输入该目标对话归属模型,得到该目标对话归属模型输出的该候选人物词与该目标对话语句的第一匹配度。
示例地,可以将第一文本和第二文本转换为对应的文本特征序列(即TextEmbedding),然后将该候选人物词转换为对应的词向量,并将文本特征序列、词向量和该第一属性特征进行拼接,作为模型结构中BLSTM的输入,以得到BLSTM输出的能够综合表征第一文本、第二文本、每个候选人物词和该候选人物词对应的第一属性特征的特征向量,之后将该特征向量作为Dense_layer的输入,并将Dense_layer的输出作为softmax的输入,以得到softmax输出的概率值,最后将这个概率值作为该候选人物词与目标对话语句的该第一匹配度,上述示例仅是举例说明,本公开对此不作限定。
在步骤S105中,根据该第一匹配度从至少一个该候选人物词中确定该目标对话语句对应的目标人物词。
其中,该目标人物词可以理解为该目标对话语句的说话人。
在本步骤中,可以将至少一个该候选人物词中该第一匹配度最高的候选人物词作为该目标人物词。
在步骤S106中,根据该指定文本中每个该目标对话语句分别对应的该目标人物词构建该指定文本对应的人物库。
在本步骤中,可以针对每个该目标人物词,获取该目标人物词在该指定文本中的出现次数;按照该出现次数由多到少的顺序对每个该目标人物词进行排序;根据排序结果选择前第二预设数量的目标人物词构建该人物库。
示例地,假设该指定文本中包括对话语句1,对话语句2,......,对话语句10这10个对话语句,并且每个对话语句依次对应的该目标人物词及其对应的出现次数为(A,3次)、(B,10次)、(C,50次)、(D,1次)、(E,35次)、(F,80次)、(G,150次)、(H,30次)、(I,1次)、(J,1次),假设该第二预设数量为4,基于上述的数据根据出现次数由高到低的顺序排序后,可以确定位于前4位的目标人物词及其出现次数分别为(G,150次)、(F,80次)、(C,50次)、(E,35次),从而可以根据目标人物词G、F、C、E构建人物库,上述示例仅是举例说明,本公开对此不作限定,并且为便于叙述,本示例仅是以英文字母作为人物词标识信息。
基于上述的方法,可以通过目标对话归属模型识别指定文本中每个目标对话语句分别对应的目标人物词,该目标人物词为该目标对话语句的说话人,考虑到文本中的主要人物在文本中均会有大量的对话,因此,根据指定文本中每个目标对话语句分别对应的目标人物词构建指定文本对应的人物库,可以大大提高人物库构建的精度,同时提高了人物库构建的效率。
考虑到现有的人名标注模型,会识别出除了“张三”等真实人名外,还会识别“你,我,他,小子,女人”等称谓词,给人物库带来歧义,这也会影响构建的人物库的精度,因此,为解决该问题,本公开还提供了如图2所示的构建人物库的方法,图2是根据图1所示实施例示出的一种构建人物库的方法的流程图,如图2所示,在执行步骤S106之前,该方法还包括以下步骤:
在步骤S107中,从该指定文本中包括的该目标人物词中获取多个真实人名词和多个目标称谓词。
本步骤在该指定文本中包括的该目标人物词中获取多个真实人名词的过程中,可以将包含姓氏的该目标人物词作为该真实人名词;和/或,按照该出现次数由多到少的顺序对每个该目标人物词进行排序,根据排序结果选择前第三预设数量的目标人物词作为该真实人名词。
另外,为进一步提高识别真实人名的效率和准确性,在从该指定文本中包括的该目标人物词中获取真实人名词之前,还可以对该目标人物词按照预设删除条件进行筛选,将满足该预设删除条件的目标人物词删除,然后从剩下的目标人物词中识别该真实人名词,其中,该预设删除条件可以包括以下条件中的一个或者多个:该目标人物词为常见的预设多人名词,比如:你们、我们等;该目标人物词为第一、第二、第三人称,如,你、我、她、他;该目标人物词的字数小于两个字或者大于四个字;该目标人物词的出现频次小于或者等于预设次数(如1)。
另外,本步骤在从该指定文本中包括的该目标人物词中获取多个目标称谓词的过程中,可以将该目标人物词中除指定人物词之外的其它人物词作为该目标称谓词,该指定人物词包括满足以下任一预设筛选条件的目标人物词:该目标人物词属于真实人名词;该目标人物词的字数大于或者等于预设字数阈值(如该预设字数阈值为5);该目标人物词在该指定文本中的出现次数小于或者等于预设次数阈值(例如,该预设次数阈值为1次)。
在步骤S108中,针对每个该目标称谓词,从多个该真实人名词中确定该目标称谓词对应的目标人名词,并更新该目标人名词对应的出现次数。
本步骤在从多个该真实人名词中确定该目标称谓词对应的目标人名词的过程中,可以针对每个该真实人名词,获取该目标称谓词对应的第二属性特征,该第二属性特征包括该目标称谓词与该真实人名词之间的关联属性、该目标称谓词所在语句的语句属性、该目标称谓词的词语属性中的一种或多种;然后将该真实人名词、该目标称谓词以及该第二属性特征输入预先训练得到的称谓匹配模型,得到该真实人名词与该目标称谓词的第二匹配度;将多个该真实人名词中与该目标称谓词的第二匹配度最高的真实人名词作为该目标人名词。
其中,该称谓匹配模型可以包括预先训练得到的深度学习模型,例如,lightgbm分类器。
该目标称谓词与该真实人名词之间的关联属性可以用于表示以下任一关联关系:
该目标称谓词与该真实人名词是否同性别;
该目标称谓词与该真实人名词是否有重合的汉字;
该目标称谓词与该真实人名词是否位于同一句话中;
该目标称谓词与该真实人名词是否位于同一段落;
该目标称谓词前后一定范围内出现该真实人名词的频次,例如,该目标称谓词前后10个词范围内出现该真实人名词的频次;
该目标称谓词到该真实人名词的距离在所有真实人名词的距离中的排名。
该目标称谓词所在语句的语句属性可以为该目标称谓词所在语句是否属于对话(小说中句子属性通常可以分成旁白和对话两种);
该目标称谓词的词语属性可以为该目标称谓词是否属于第一人称、第二人称、第三人称。
之后,可以将该真实人名词、该目标称谓词以及该第二属性特征输入预先训练得到的称谓匹配模型,得到该真实人名词与该目标称谓词的第二匹配度。
示例地,可以将该真实人名词对应的词向量和该目标称谓词对应的词向量以及该第二属性特征对应的向量进行组合得到组合向量,然后将该组合向量输入该称谓匹配模型,得到该真实人名词与该目标称谓词的第二匹配度,从而可以将与该目标称谓词的该第二匹配度最高的真实人名词作为该目标称谓词关联的该目标人名词,并更新该目标人名词对应的该出现次数。
这样,在执行步骤S106的过程中,可以获取每个该真实人名词分别对应的更新后的出现次数;按照该更新后的出现次数由多到少的顺序对每个该真实人名词进行排序;根据排序结果选择前第二预设数量的真实人名词构建该人物库。
需要说明的是,基于步骤S107和S108的方法,可以将识别出的该目标人物词中的真实人名词(如“张三”、“李四”等)和目标称谓词(如“你”、“我”、“他”、“小子”、“少爷”、“公子”等)进一步区分,并将每个目标称谓词关联至其对应的真实人名词,并将关联的该真实人名词对应的出现次数加1,从而使得统计得到的每个真实人名词对应的出现次数更准确,进而提高了构建的人物库的准确性。
图3是根据一示例性实施例示出的一种构建人物库的装置的框图,如图3所示,该装置包括:
提取模块301,用于提取指定文本中包括的人物词,所述指定文本包括多个语句;
第一确定模块302,用于确定目标对话语句对应的第一文本和目标语句对应的第二文本,所述目标对话语句为多个所述语句中的任一对话语句,所述目标语句为多个所述语句中与所述目标对话语句之间在所述指定文本中的位置距离满足预设条件的语句;
第二确定模块303,用于从所述指定文本中包括的人物词中确定所述第一文本和所述第二文本中包括的至少一个候选人物词;
第三确定模块304,用于针对每个所述候选人物词,通过预先训练得到的目标对话归属模型确定该候选人物词与所述目标对话语句的第一匹配度,并根据所述第一匹配度从至少一个所述候选人物词中确定所述目标对话语句对应的目标人物词,所述目标人物词为所述目标对话语句的说话人;
构建模块304,用于根据所述指定文本中每个所述目标对话语句分别对应的所述目标人物词构建所述指定文本对应的人物库。
可选地,所述提取模块301,用于获取所述指定文本中每个字的字向量;确定所述指定文本中每个字对应的关联词语的词向量;所述关联词语根据该字对应的组合词语确定,所述组合词语由该字和与该字相邻的第一预设数量的字组成;针对每个字,将该字对应的字向量和该字对应的关联词语的词向量输入预先训练得到的目标人物词识别模型,得到所述指定文本中包括的人物词。
可选地,所述第一确定模块302,用于将多个所述语句中包括预设对话符号的任一语句作为所述目标对话语句,并确定所述目标对话语句对应的所述第一文本;根据多个语句在所述指定文本中的位置,将与所述目标对话语句之间的距离小于或等于预设距离阈值的语句作为所述目标语句,并确定所述目标语句对应的所述第二文本。
可选地,所述第三确定模块304,用于针对每个所述候选人物词,获取该候选人物词对应的第一属性特征,所述第一属性特征包括该候选人物词与所述目标对话语句的第一位置关系、该候选人物词所在的语句与所述目标对话语句的第二位置关系、该候选人物词所在的语句的对话属性中的一种或多种;针对每个所述候选人物词,将所述第一文本、所述第二文本、该候选人物词和该候选人物词对应的所述第一属性特征,输入所述目标对话归属模型,得到所述目标对话归属模型输出的该候选人物词与所述目标对话语句的第一匹配度。
可选地,所述第三确定模块304,用于将至少一个所述候选人物词中所述第一匹配度最高的候选人物词作为所述目标人物词。
可选地,所述构建模块305,用于针对每个所述目标人物词,获取该目标人物词在所述指定文本中的出现次数;按照所述出现次数由多到少的顺序对每个所述目标人物词进行排序;根据排序结果选择前第二预设数量的目标人物词构建所述人物库。
可选地,图4是根据图3所示实施例示出的一种构建人物库的装置的框图,如图4所示,该装置还包括:
第四确定模块306,用于从所述指定文本中包括的所述目标人物词中获取多个真实人名词和多个目标称谓词;针对每个所述目标称谓词,从多个所述真实人名词中确定该目标称谓词对应的目标人名词,并更新所述目标人名词对应的出现次数;
所述构建模块305,用于获取每个所述真实人名词分别对应的更新后的出现次数;按照所述更新后的出现次数由多到少的顺序对每个所述真实人名词进行排序;根据排序结果选择前第二预设数量的真实人名词构建所述人物库。
可选地,所述第四确定模块306,用于将包含姓氏的所述目标人物词作为所述真实人名词;和/或,按照所述出现次数由多到少的顺序对每个所述目标人物词进行排序,根据排序结果选择前第三预设数量的目标人物词作为所述真实人名词。
可选地,所述第四确定模块306,用于将所述目标人物词中除指定人物词之外的其它人物词作为所述目标称谓词,所述指定人物词包括满足以下任一预设筛选条件的目标人物词:所述目标人物词属于真实人名词;所述目标人物词的字数大于或者等于预设字数阈值;所述目标人物词在所述指定文本中的出现次数小于或者等于预设次数阈值。
可选地,所述第四确定模块306,用于针对每个所述真实人名词,获取该目标称谓词对应的第二属性特征,所述第二属性特征包括该目标称谓词与该真实人名词之间的关联属性、该目标称谓词所在语句的语句属性、该目标称谓词的词语属性中的一种或多种;将该真实人名词、该目标称谓词以及所述第二属性特征输入预先训练得到的称谓匹配模型,得到该真实人名词与该目标称谓词的第二匹配度;将多个所述真实人名词中与该目标称谓词的第二匹配度最高的真实人名词作为所述目标人名词。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
采用上述装置,可以通过目标对话归属模型识别指定文本中每个目标对话语句分别对应的目标人物词,考虑到文本中的主要人物在文本中均会有大量的对话,因此,根据指定文本中每个目标对话语句分别对应的目标人物词构建指定文本对应的人物库,可以大大提高人物库构建的精度,同时提高了人物库构建的效率。
下面参考图5,其示出了适于用来实现本公开实施例的电子设备(例如图1中方法的执行主体终端设备)500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:提取指定文本中包括的人物词,所述指定文本包括多个语句;确定目标对话语句对应的第一文本和目标语句对应的第二文本,所述目标对话语句为多个所述语句中的任一对话语句,所述目标语句为多个所述语句中与所述目标对话语句之间在所述指定文本中的位置距离满足预设条件的语句;从所述指定文本中包括的人物词中确定所述第一文本和所述第二文本中包括的至少一个候选人物词;针对每个所述候选人物词,通过预先训练得到的目标对话归属模型确定该候选人物词与所述目标对话语句的第一匹配度,并根据所述第一匹配度从至少一个所述候选人物词中确定所述目标对话语句对应的目标人物词,所述目标人物词为所述目标对话语句的说话人;根据所述指定文本中每个所述目标对话语句分别对应的所述目标人物词构建所述指定文本对应的人物库。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,提取模块还可以被描述为“提取人物词的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,示例1提供了一种构建人物库的方法,包括提取指定文本中包括的人物词,所述指定文本包括多个语句;确定目标对话语句对应的第一文本和目标语句对应的第二文本,所述目标对话语句为多个所述语句中的任一对话语句,所述目标语句为多个所述语句中与所述目标对话语句之间在所述指定文本中的位置距离满足预设条件的语句;从所述指定文本中包括的人物词中确定所述第一文本和所述第二文本中包括的至少一个候选人物词;针对每个所述候选人物词,通过预先训练得到的目标对话归属模型确定该候选人物词与所述目标对话语句的第一匹配度,并根据所述第一匹配度从至少一个所述候选人物词中确定所述目标对话语句对应的目标人物词,所述目标人物词为所述目标对话语句的说话人;根据所述指定文本中每个所述目标对话语句分别对应的所述目标人物词构建所述指定文本对应的人物库。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,所述提取指定文本中包括的人物词包括:获取所述指定文本中每个字的字向量;确定所述指定文本中每个字对应的关联词语的词向量;所述关联词语根据该字对应的组合词语确定,所述组合词语由该字和与该字相邻的第一预设数量的字组成;针对每个字,将该字对应的字向量和该字对应的关联词语的词向量输入预先训练得到的目标人物词识别模型,得到所述指定文本中包括的人物词。
示例3提供了示例1的方法,所述确定目标对话语句对应的第一文本和目标语句对应的第二文本包括:
将多个所述语句中包括预设对话符号的任一语句作为所述目标对话语句,并确定所述目标对话语句对应的所述第一文本;根据多个语句在所述指定文本中的位置,将与所述目标对话语句之间的距离小于或等于预设距离阈值的语句作为所述目标语句,并确定所述目标语句对应的所述第二文本。
示例4提供了示例1的方法,所述针对每个所述候选人物词,通过预先训练得到的目标对话归属模型确定该候选人物词与所述目标对话语句的第一匹配度包括:
针对每个所述候选人物词,获取该候选人物词对应的第一属性特征,所述第一属性特征包括该候选人物词与所述目标对话语句的第一位置关系、该候选人物词所在的语句与所述目标对话语句的第二位置关系、该候选人物词所在的语句的对话属性中的一种或多种;针对每个所述候选人物词,将所述第一文本、所述第二文本、该候选人物词和该候选人物词对应的所述第一属性特征,输入所述目标对话归属模型,得到所述目标对话归属模型输出的该候选人物词与所述目标对话语句的第一匹配度。
示例5提供了示例1的方法,所述根据所述第一匹配度从至少一个所述候选人物词中确定所述目标对话语句对应的目标人物词包括:将至少一个所述候选人物词中所述第一匹配度最高的候选人物词作为所述目标人物词。
示例6提供了示例1的方法,所述根据所述指定文本中每个所述目标对话语句分别对应的所述目标人物词构建所述指定文本对应的人物库包括:
针对每个所述目标人物词,获取该目标人物词在所述指定文本中的出现次数;按照所述出现次数由多到少的顺序对每个所述目标人物词进行排序;根据排序结果选择前第二预设数量的目标人物词构建所述人物库。
示例7提供了示例1-6任一项所述的方法,在所述根据所述指定文本中每个所述目标对话语句分别对应的所述目标人物词构建所述指定文本对应的人物库之前,所述方法还包括:从所述指定文本中包括的所述目标人物词中获取多个真实人名词和多个目标称谓词;针对每个所述目标称谓词,从多个所述真实人名词中确定该目标称谓词对应的目标人名词,并更新所述目标人名词对应的出现次数;所述根据所述指定文本中每个所述目标对话语句分别对应的所述目标人物词构建所述指定文本对应的人物库包括:获取每个所述真实人名词分别对应的更新后的出现次数;按照所述更新后的出现次数由多到少的顺序对每个所述真实人名词进行排序;根据排序结果选择前第二预设数量的真实人名词构建所述人物库。
示例8提供了示例7的方法,所述从所述指定文本中包括的所述目标人物词中获取多个真实人名词包括:
将包含姓氏的所述目标人物词作为所述真实人名词;和/或,按照所述出现次数由多到少的顺序对每个所述目标人物词进行排序,根据排序结果选择前第三预设数量的目标人物词作为所述真实人名词。
示例9提供了示例7的方法,所述从所述指定文本中包括的所述目标人物词中获取多个目标称谓词包括:
将所述目标人物词中除指定人物词之外的其它人物词作为所述目标称谓词,所述指定人物词包括满足以下任一预设筛选条件的目标人物词:所述目标人物词属于真实人名词;所述目标人物词的字数大于或者等于预设字数阈值;所述目标人物词在所述指定文本中的出现次数小于或者等于预设次数阈值。
示例10提供了示例7的方法,所述从多个所述真实人名词中确定该目标称谓词对应的目标人名词包括:针对每个所述真实人名词,获取该目标称谓词对应的第二属性特征,所述第二属性特征包括该目标称谓词与该真实人名词之间的关联属性、该目标称谓词所在语句的语句属性、该目标称谓词的词语属性中的一种或多种;将该真实人名词、该目标称谓词以及所述第二属性特征输入预先训练得到的称谓匹配模型,得到该真实人名词与该目标称谓词的第二匹配度;将多个所述真实人名词中与该目标称谓词的第二匹配度最高的真实人名词作为所述目标人名词。
示例11提供了一种构建人物库的装置,所述装置包括:
提取模块,用于提取指定文本中包括的人物词,所述指定文本包括多个语句;第一确定模块,用于确定目标对话语句对应的第一文本和目标语句对应的第二文本,所述目标对话语句为多个所述语句中的任一对话语句,所述目标语句为多个所述语句中与所述目标对话语句之间在所述指定文本中的位置距离满足预设条件的语句;第二确定模块,用于从所述指定文本中包括的人物词中确定所述第一文本和所述第二文本中包括的至少一个候选人物词;第三确定模块,用于针对每个所述候选人物词,通过预先训练得到的目标对话归属模型确定该候选人物词与所述目标对话语句的第一匹配度,并根据所述第一匹配度从至少一个所述候选人物词中确定所述目标对话语句对应的目标人物词,所述目标人物词为所述目标对话语句的说话人;构建模块,用于根据所述指定文本中每个所述目标对话语句分别对应的所述目标人物词构建所述指定文本对应的人物库。
根据本公开的一个或多个实施例,示例12提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现示例1-示例10中任一项所述方法的步骤。
根据本公开的一个或多个实施例,示例13提供了一种电子设备,包括:存储装置,其上存储有计算机程序;处理装置,用于执行所述存储装置中的所述计算机程序,以实现示例1-示例10中任一项所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
- 构建人物库的方法、装置、存储介质及电子设备
- 公证文档的人物知识库构建方法、装置及存储介质