一种文本处理方法、装置、设备及存储介质
文献发布时间:2023-06-19 11:26:00
技术领域
本公开实施例涉及自然语言处理技术领域,尤其涉及一种文本处理方法、装置、设备及存储介质。
背景技术
在语言学习和应用中,文本的错误检测和修改十分关键。具体的,对于输入的文本,需要找出该文本中哪个部分存在错误,以及对错误的部分进行合适的修改,得到正确的文本。
传统方式在进行错误检测和修改时,得到的文本的准确性较低。
公开内容
本公开实施例提供一种文本处理方法、装置、设备及存储介质,可以提高文本处理结果的准确性。
第一方面,本公开实施例提供了一种文本处理方法包括:
确定待检测文本中各目标分词的目标标签和目标修改结果,所述目标分词为切分所述待检测文本得到的分词,所述目标标签用于表示所述目标分词的修改方式;
根据各所述目标分词的目标标签和目标修改结果,确定各所述目标分词的目标结果;
拼接各所述目标分词的目标结果,得到所述待检测文本对应的目标文本。
第二方面,本公开实施例还提供了一种文本处理装置,包括:
第一确定模块,用于确定待检测文本中各目标分词的目标标签和目标修改结果,所述目标分词为切分所述待检测文本得到的分词,所述目标标签用于表示所述目标分词的修改方式;
第二确定模块,用于根据各所述目标分词的目标标签和目标修改结果,确定各所述目标分词的目标结果;
拼接模块,用于拼接各所述目标分词的目标结果,得到所述待检测文本对应的目标文本。
第三方面,本公开实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时实现如第一方面所述的文本处理方法。
第四方面,本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的文本处理方法。
本公开实施例提供一种文本处理方法、装置、设备及存储介质,通过确定待检测文本中各目标分词的目标标签和目标修改结果,所述目标分词为切分所述待检测文本得到的分词,所述目标标签用于表示所述目标分词的修改方式;根据各所述目标分词的目标标签和目标修改结果,确定各所述目标分词的目标结果;拼接各所述目标分词的目标结果,得到所述待检测文本对应的目标文本。上述方案通过确定待检测文本中各目标分词的目标标签和目标修改结果,基于目标标签和目标修改结果确定对应的目标结果,使得在确定各目标分词的目标结果时,依据的信息更加全面,从而提高了文本处理结果的准确性。
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。
图1为本公开实施例一提供的一种文本处理方法的流程图;
图2为本公开实施例二提供的一种文本处理方法的流程图;
图3为本公开实施例三提供的一种文本处理装置的结构图;
图4为本公开实施例四提供的一种电子设备的结构图。
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。
实施例一
图1为本公开实施例一提供的一种文本处理方法的流程图,本实施例可适用于对输入的文本进行错误识别和纠错的情况。该方法可以由文本简化装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置在具备数据处理功能的电子设备中。如图1所示,该方法可以包括如下步骤:
S110、确定待检测文本中各目标分词的目标标签和目标修改结果。
其中,所述目标分词为切分所述待检测文本得到的分词,所述目标标签用于表示所述目标分词的修改方式。待检测文本可以是由多个词组成的具有一定含义的文本,其存在形式可以包括但不限于句子、段落、文章。实施例对待检测文本的具体内容以及其采用的语言不进行限定,例如待检测文本可以仅采用一种语言,如中文或英文,也可以同时采用多种语言,如同时采用中文和英文等。实际应用时,待检测文本可以由用户直接输入,也可以从本地或通过网页在线获取,还可以通过识别语音信息得到。
考虑到待检测文本是由多个词组成的文本,在对待检测文本进行检测时,可以对待检测文本包含的各个词进行检测。在一个示例中,可以切分待检测文本得到其包含的各个分词,实施例将切分待检测文本得到的每个分词记为待检测文本的一个目标分词。例如待检测文本为:I want go home on yesterday,经过切分可以得到I、want、go、home、on、yesterday,则可以将I、want、go、home、on、yesterday分别记为待检测文本的目标分词。基于目标分词的检测结果可以为其添加相应的标签,用以表示该目标分词的修改方式,这里的修改方式可以包括该目标分词是否需要修改以及需要修改时如何修改,即可以同时对待检测文本出现的错误进行识别以及纠错。例如对上述的目标分词“want”检测后,可以为其添加VB_VBZ标签和True标签,VB_VBZ标签用于表示将动词一般现在时变换为一般过去时,True标签表示目标分词“want”所在的位置需要插入分词。需要注意的是,在对各个目标分词进行检测时,可以结合待检测文本的语境,提高检测结果的准确性,例如上述待检测文本对应的语境为过去时,在检测目标分词“want”时可以将其作为检测依据。
目标标签通常反映的是一种粗略的检测结果,例如上述的VB_VBZ标签和True标签只能在一定程度上表示目标分词的修改结果,但未给出具体的修改结果。这种方式可以适用于语言理解能力较强的用户,基于目标标签可以得到具体的修改结果。对于语言理解能力较弱的用户来说,为了方便其理解和学习,可以为其提供具体的修改结果,实施例将具体的修改结果称为目标修改结果。例如针对目标分词“want”,可以将“wanted”作为目标修改结果,提供给语言理解能力较弱的用户。与标签的方式相比,这种方式可以满足一些初级语言学习者的需求,但准确性方面可能存在一定的问题。鉴于此,本实施例同时确定目标分词对应的目标分词和目标修改结果,从不同层面对目标分词进行检测,使得检测结果更加丰富,在后续确定目标结果时,可以提高目标结果的准确性。
可选的,可以通过人工的方式确定待检测文本中各目标分词的目标标签和目标修改结果,例如可以结合待检测文本的语境对其包含的每一个目标分词进行人工校验,确定其对应的目标标签和目标修改结果,准确度高。也可以将待检测文本输入文本处理模型,结合文本处理模型得到各个目标分词的目标标签和目标修改结果,尤其是在待检测文本的内容和数量较多时,通过这种方式可以提高检测效率,减少用户的等待时间,提升用户的体验。实施例对文本处理模型的类型不进行限定,例如可以采用BERT(BidirectionalEncoder Representations from Transformers,双向转换的编码预训练模型)、RoBERTa(Robustly Optimized BERT Pretraining Approach,强力优化的BERT方法)或XLNET(Generalized Autoregressive Pretraining for Language Understanding,语言理解的广义自回归模型)等,RoBERTa和XLNET为BERT的两种改进形式。
S120、根据各所述目标分词的目标标签和目标修改结果,确定各所述目标分词的目标结果。
可选的,在目标标签和目标修改结果不矛盾的情况下,可以直接将目标修改结果作为该目标分词的目标结果,在目标标签和目标修改结果矛盾的情况下,可以将概率较大的结果作为其目标结果,例如当目标标签对应的概率大于目标修改结果对应的概率时,可以基于目标标签确定一种结果作为目标结果,当目标修改结果对应的概率大于目标标签对应的概率时,可以将目标修改结果作为其目标结果。其中,目标标签和目标修改结果矛盾表示目标标签反映的修改方式和目标修改结果反映的修改方式不同,例如目标标签为VB_VBZ,表示将动词一般现在时变换为一般过去时,目标修改结果为“want”-“wanted”,则表示目标标签和目标修改结果不矛盾;再如目标标签为VB_VBZ,目标修改结果为“want”-“wants”,则表示目标标签和目标修改结果矛盾。本实施例结合目标标签和目标修改结果确定目标结果,依据的信息更加全面,结果的准确性更高。
S130、拼接各所述目标分词的目标结果,得到所述待检测文本对应的目标文本。
可选的,可以按照目标分词在待检测文本中的先后顺序拼接各目标分词的目标结果,得到检测后的文本,实施例将该文本称为目标文本。一方面,本实施例可以识别待检测文本出现的错误,对使用者起到提醒的作用,使使用者可以着重检查存在错误的部分,提高使用者的纠错能力;另一方面,本实施例也可以对待检测文本存在的错误进行修改,为使用者提供更合理的语言表达建议,提高使用者的语言表达能力。
本公开实施例一提供一种文本处理方法,通过确定待检测文本中各目标分词的目标标签和目标修改结果,所述目标分词为切分所述待检测文本得到的分词,所述目标标签用于表示所述目标分词的修改方式;根据各所述目标分词的目标标签和目标修改结果,确定各所述目标分词的目标结果;拼接各所述目标分词的目标结果,得到所述待检测文本对应的目标文本。上述方案通过确定待检测文本中各目标分词的目标标签和目标修改结果,基于目标标签和目标修改结果确定对应的目标结果,使得在确定各目标分词的目标结果时,依据的信息更加全面,从而提高了文本处理结果的准确性。
实施例二
图2为本公开实施例二提供的一种文本处理方法的流程图,本实施例是在上述实施例的基础上对目标标签和目标修改结果的确定过程进行优化,参考图2,该方法可以包括如下步骤:
S210、将所述待检测文本输入目标文本处理模型,得到所述待检测文本中各目标分词的目标标签和目标修改结果。
其中,所述目标文本处理模型由训练样本包含的样本分词训练初始文本处理模型得到。本实施例以通过智能的方式确定目标分词的目标标签和目标修改结果为例,可以节省人力,提高检测效率。可选的,可以借助文本处理模型确定各目标分词的目标标签和目标修改结果。例如可以预先获取训练样本,利用训练样本训练初始文本处理模型,得到目标文本处理模型,基于目标文本处理模型得到待检测文本中各目标分词的目标标签和目标修改结果。其中,初始文本处理模型的结构可以根据需要设定,例如初始文本处理模型可以包括深层网络结构和浅层网络结构,深层网络结构用于确定目标标签和目标修改结果对应的参数向量,浅层网络结构用于将深层网络结构输出的参数向量转换成目标标签和目标修改结果。深层网络结构可以采用深度双向Transformer模型结构,当然也可以采用其他结构,实施例不作具体限定。浅层网络结构可以采用全连接层、注意力Attention层或CNN(Convolutional Neural Networks,卷积神经网络)等。需要注意的是,在输出目标标签和目标修改结果时,可以采用相同结构的浅层网络,例如在输出目标标签和目标修改结果时均可以采用全连接层、注意力Attention层或CNN,也可以采用不同结构的浅层网络,例如在输出目标标签时可以采用全连接层,在输出目标修改结果时可以采用CNN。
在一个示例中,可以采用如下方式训练初始文本处理模型,得到目标文本处理模型:
S2101、将第一样本输入所述初始文本处理模型,得到所述第一样本中第一分词对应的样本标签和样本修改结果。
其中,所述第一样本为训练样本,所述第一分词为切分所述第一样本得到的分词。第一样本的获取方式可以参考上述实施例的待检测文本,此处不再赘述。可选的,样本标签可以包括第一样本标签和第二样本标签,第一样本标签可以包括词性变换标签、删除标签或不修改标签,第二样本标签可以包括插入标签或不插入标签。词性变换标签用于表示第一分词的词性变换,其中词性变换可以包括但不限于动词变换、名词变换、形容词变换或副词变换等。删除标签用于表示第一分词需要删除。不修改标签用于表示第一分词不需要修改。插入标签用于表示第一分词所在的位置处需要插入分词。不插入标签用于表示第一分词所在的位置处不需要插入分词。样本修改结果可以包括第一样本修改结果和第二样本修改结果。第一样本修改结果可以包括第一分词的词性修改结果或第一分词的删除结果,词性修改结果可以包括原词或修改词,原词表示保持第一分词不变,修改词为第一分词经过词性修改后得到的分词。删除结果表示删除第一分词。第二样本修改结果可以包括第一分词的插入词结果,插入词结果可以包括具体的插入词或无需插入其他分词,当第一分词所在的位置无需插入其他分词时,可以为其添加一个特定字符,例如EMPTY,表示该分词所在的位置无需插入其他分词。
在一个示例中,可以确定第一分词的插入词结果,作为第一分词的第二修改结果,以及确定第一分词的二元标签,作为第一分词的第二样本标签,其中,二元标签用于表示第一分词所在的位置是否需要插入其他分词。第一分词的插入词结果和二元标签可以由初始文本处理模型得到,即将第一分词输入初始文本处理模型,即可由初始文本处理模型输出第一分词所在的位置处是否需要插入其他分词的结果,根据该结果可以得到插入词结果和二元标签,也即第二修改结果和第二样本标签。除此之外,初始文本处理模型还可以确定第一分词是否需要修改,并输出结果,该修改用于修改第一分词的词性或删除第一分词。根据初始文本处理模型输出的第一分词是否需要修改的结果可以确定第一分词的第一样本修改结果和第一样本标签。
其中,初始文本处理模型确定第一分词是否需要修改的方式可以根据实际需要选择。例如可以由初始文本处理模型确定第一分词不需要修改的概率,实施例将该概率记为第一概率,如果第一概率大于或等于第一设定阈值,可以确定第一分词不需要修改,否则,确定第一分词需要修改。再如也可以由初始文本处理模型确定第一分词的标签为第一预设标签的概率,实施例将该概率记为第二概率,第一预设标签用于表示第一分词不需要修改,也就是说如果初始文本处理模型确定第一分词的标签为无需修改的概率大于或等于第二设定阈值,可以确定第一分词不需要修改,否则,确定第一分词需要修改。再如也可以由初始文本处理模型确定第一分词需要修改的概率,实施例将该概率记为第三概率,如果第一概率与第三概率的差值大于或等于第三设定阈值,可以确定第一分词需要修改,否则,确定第一分词不需要修改。第一设定阈值、第二设定阈值和第三设定阈值的大小可以根据实际情况设定。
可选的,可以预先设定一个分词列表,该分词列表包含了各个分词对应的多种修改结果以及标签,修改结果可以包括词性修改结果、删除结果以及插入结果等,标签可以包括词性变换标签、删除标签、不修改标签、插入标签以及插入标签等。针对分词列表中的每一种修改结果和标签,可以由初始文本处理模型确定对应的概率,进而得到上述所述的第一概率、第二概率或第三概率。
在由初始文本处理模型确定第一分词需要修改时,在一个示例中,可以根据初始文本处理模型输出的第一分词的修改结果确定第一分词的第一样本修改结果和第一样本标签。例如,可以将初始文本处理模型输出的第一分词的修改结果记为第一分词的第一样本修改结果,然后根据第一分词和第一样本修改结果的关联关系,确定第一分词的第一样本标签。例如第一分词为word,第一样本修改结果为words,则可以确定第一分词和第一样本修改结果的关联关系为名词复数变化,从而可以确定第一分词的第一样本标签为名词复数变化;再如第一分词为word,第一样本修改结果为word,则可以确定第一分词和第一样本修改结果的关联关系为保持原词不变,从而可以确定第一分词的第一样本标签为无需修改。在一个示例中,还可以根据初始文本处理模型输出的第一分词的标签确定第一分词的第一样本修改结果和第一样本标签。例如可以将初始文本处理模型输出的第一分词的标签,记为第一分词的第一样本标签,根据第一样本标签确定第一分词的第一样本修改结果。例如第一分词为word,初始文本处理模型输出的第一样本标签为名词复数变化,则可以确定第一分词的第一样本修改结果为words。在一个示例中,当初始文本处理模型可以同时输出第一分词的修改结果以及标签时,还可以根据其输出的修改结果和标签确定第一分词的第一样本修改结果和第一样本标签。例如当初始文本处理模型输出的第一分词的修改结果和标签矛盾时,可以根据概率较大的一方确定第一分词的第一样本修改结果和第一样本标签,例如初始文本处理模型输出的第一分词的修改结果的概率为0.4,输出的第一分词的标签的概率为0.3,则可以将初始文本处理模型输出的第一分词的修改结果记为第一样本修改结果,然后基于第一分词和第一样本修改结果的关联关系确定第一分词的第一样本标签。当初始文本处理模型输出的第一分词的修改结果和标签不矛盾时,可以分别将初始文本处理模型输出的第一分词的修改结果和标签记为第一样本修改结果和第一样本标签。当然还可以采用其他方式确定第一分词的第一样本修改结果和第一样本标签。
在由初始文本处理模型确定第一分词不需要修改时,可以根据初始文本处理模型输出的不修改指示结果确定第一分词的第一样本修改结果和第一样本标签,该不修改指示结果用于表示第一分词不需要修改。具体的,当初始文本处理模型输出不修改指示结果时,可以确定第一分词的第一样本修改结果为保持第一分词不变,例如第一分词为“I”,则第一样本修改结果仍为“I”,相应的,第一样本标签可以设置为KEEP,表示无需修改。需要说明的是,实施例不限定第一样本修改结果和第二样本修改结果的确定顺序,例如可以对第一样本修改结果和第二样本修改结果设置先后顺序,也可以同时确定第一样本修改结果和第二样本修改结果,第一样本标签和第二样本标签类似。由此可以得到第一样本中第一分词对应的样本标签和样本修改结果。
S2102、确定所述样本标签和期望标签的第一损失值以及所述样本修改结果和期望修改结果的第二损失值。
第一分词的期望标签和期望修改结果可以基于第一样本和第二样本确定,第一样本也可以称为原文本,相应的,第二样本为原文本的修改文本。可选的,可以对第一样本和第二样本进行预处理,以消除第一样本和第二样本中的形式问题,例如可以删除第一样本和第二样本中多余的标点符号、空格等。然后将预处理后的第一样本和第二样本进行单词级别的对齐,即对齐后同一位置处的两个单词的为同一单词或同一单词的不同形式。示例性的,第一样本为I want go home on yesterday.第二样本为I wanted to go homeyesterday.参考表1,表1为第一样本和第二样本的对齐结果。其中,DELETE表示删除该词,可以作为删除结果,也可以作为删除标签;False为不插入标签,表示该分词所在位置不需要插入分词;True为插入标签,表示该分词所在位置需要插入分词。
表1第一样本和第二样本的对齐结果
表1是基于第一样本对第二样本进行拆分,得到第一样本修改结果和插入词结果。换句话说,基于第一样本修改结果和第二样本修改结果可以得到第二样本。针对一个第一样本和第二样本,均可以得到如表1所述的对齐结果,其中,期望修改结果为表1中的第一样本修改结果和第二样本修改结果,期望标签为表1中的第一样本标签和第二样本标签。表1可以由人工预先确定,也可以通过模型对第一样本和第二样本进行解析,得到如表1所示的结果。实施例对模型的具体结构不进行限定。
上述表格可以作为初始文本处理模型的训练依据。例如在基于初始文本处理模型确定出第一分词的样本标签和样本修改结果后,可以分别确定样本标签和期望标签的第一损失值以及样本修改结果和期望修改结果的第二损失值。考虑到样本修改结果包括第一样本修改结果和第二样本修改结果,样本标签包括第一样本标签和第二样本标签,实际应用时,第一损失值包括第一样本修改结果对应的损失值和第二样本修改结果对应的损失值,第二损失值类似。实施例对损失值的确定过程不作具体限定,以第一样本修改结果为例,例如可以确定第一样本修改结果和对应的期望修改结果的相似度,基于相似度确定两者之间的损失值,也可以基于损失函数确定两者的损失值。
S2103、根据所述第一损失值和第二损失值,对所述初始文本处理模型进行训练,得到目标文本处理模型。
具体的,基于第一损失值和第二损失值,对初始文本处理模型进行训练,直至其满足训练终止条件,得到目标文本处理模型。训练终止条件可以是第一损失值和第二损失值均小于对应设定阈值或收敛,也可以是第一损失值和第二损失值对应的训练次数达到预设次数。基于目标文本处理模型即可得到第一分词的目标标签和目标修改结果。
S220、根据各所述目标分词的目标标签和目标修改结果,确定各所述目标分词的目标结果。
S230、拼接各所述目标分词的目标结果,得到所述待检测文本对应的目标文本。
本公开实施例二提供一种文本处理方法,既可以对文本存在的错误进行修改,为用户提供更合理、通顺的语言表达建议,又可以对文本存在的错误进行识别,对于语言学习、审核、作业批改等场景,可以为其提供可靠的语法错误提醒功能,对使用者起到提醒的作用,丰富了其使用场景。其次,从不同层面对样本所包含的分词进行检测,得到两种检测结果,然后基于两种检测结果得到目标结果,提高了文本处理结果的准确性。
实施例三
图3为本公开实施例三提供的一种文本处理装置的结构图,该装置可以执行上述实施例所述的文本处理方法,参考图3,该装置可以包括:
第一确定模块31,用于确定待检测文本中各目标分词的目标标签和目标修改结果,所述目标分词为切分所述待检测文本得到的分词,所述目标标签用于表示所述目标分词的修改方式;
第二确定模块32,用于根据各所述目标分词的目标标签和目标修改结果,确定各所述目标分词的目标结果;
拼接模块33,用于拼接各所述目标分词的目标结果,得到所述待检测文本对应的目标文本。
本公开实施例三提供一种文本处理装置,通过确定待检测文本中各目标分词的目标标签和目标修改结果,所述目标分词为切分所述待检测文本得到的分词,所述目标标签用于表示所述目标分词的修改方式;根据各所述目标分词的目标标签和目标修改结果,确定各所述目标分词的目标结果;拼接各所述目标分词的目标结果,得到所述待检测文本对应的目标文本。上述方案通过确定待检测文本中各目标分词的目标标签和目标修改结果,基于目标标签和目标修改结果确定对应的目标结果,使得在确定各目标分词的目标结果时,依据的信息更加全面,从而提高了文本处理结果的准确性。
在上述实施例的基础上,第一确定模块31,具体用于:
将所述待检测文本输入目标文本处理模型,得到所述待检测文本中各目标分词的目标标签和目标修改结果,所述目标文本处理模型由训练样本包含的样本分词训练初始文本处理模型得到。
在上述实施例的基础上,所述目标文本处理模型的训练过程如下:
将第一样本输入所述初始文本处理模型,得到所述第一样本中第一分词对应的样本标签和样本修改结果,所述第一样本为训练样本,所述第一分词为切分所述第一样本得到的分词;
确定所述样本标签和期望标签的第一损失值以及所述样本修改结果和期望修改结果的第二损失值;
根据所述第一损失值和第二损失值,对所述初始文本处理模型进行训练,得到目标文本处理模型。
在上述实施例的基础上,所述样本标签包括第一样本标签和第二样本标签,所述第一样本标签包括词性变换标签、删除标签或不修改标签,所述第二样本标签包括插入标签或不插入标签;
所述样本修改结果包括第一样本修改结果和第二样本修改结果,所述第一样本修改结果包括所述第一分词的词性修改结果或所述第一分词的删除结果,所述第二修改结果包括所述第一分词的插入词结果。
在上述实施例的基础上,所述将第一样本输入所述初始文本处理模型,得到所述第一样本中第一分词对应的样本标签和样本修改结果,包括:
确定所述第一分词的插入词结果,作为所述第一分词的第二修改结果,以及确定所述第一分词的二元标签,作为所述第一分词的第二样本标签,所述二元标签用于表示所述第一分词所在的位置是否需要插入其他分词;
确定所述第一分词是否需要修改,所述修改用于修改所述第一分词的词性或删除所述第一分词;
当确定所述第一分词需要修改时,根据所述初始文本处理模型输出的所述第一分词的修改结果和/或所述第一分词的标签确定所述第一分词的第一样本修改结果和第一样本标签;否则,根据所述初始文本处理模型输出的不修改指示结果确定所述第一分词的第一样本修改结果和第一样本标签,所述不修改指示结果用于表示所述第一分词不需要修改。
在上述实施例的基础上,所述确定所述第一分词是否需要修改,包括:
确定所述第一分词不需要修改的第一概率;
如果所述第一概率大于或等于第一设定阈值,则确定所述第一分词不需要修改;否则,确定所述第一分词需要修改。
在上述实施例的基础上,所述确定所述第一分词是否需要修改,包括:
确定所述第一分词的标签为第一预设标签的第二概率,所述第一预设标签用于表示所述第一分词不需要修改;
如果所述第二概率大于或等于第二设定阈值,则确定所述第一分词不需要修改;否则,确定所述第一分词需要修改。
在上述实施例的基础上,所述确定所述第一分词是否需要修改,包括:
确定所述第一分词不需要修改的第一概率以及所述第一分词需要修改的第三概率;
如果所述第三概率与第一概率的差值大于或等于第三设定阈值,则确定所述第一分词需要修改;否则,确定所述第一分词不需要修改。
在上述实施例的基础上,根据所述初始文本处理模型输出的所述第一分词的修改结果确定所述第一分词的第一样本修改结果和第一样本标签,包括:
将所述初始文本处理模型输出的所述第一分词的修改结果,记为所述第一分词的第一样本修改结果;
根据所述第一分词和第一样本修改结果的关联关系,确定所述第一分词的第一样本标签。
在上述实施例的基础上,根据所述初始文本处理模型输出的所述第一分词的标签确定所述第一分词的第一样本修改结果和第一样本标签,包括:
将所述初始文本处理模型输出的所述第一分词的标签,记为所述第一分词的第一样本标签;
根据所述第一样本标签,确定所述第一分词的第一样本修改结果。
在上述实施例的基础上,根据所述初始文本处理模型输出的所述第一分词的修改结果和所述第一分词的标签确定所述第一分词的第一样本修改结果和第一样本标签,包括:
如果所述第一分词的修改结果和所述第一分词的标签矛盾,则根据所述初始文本处理模型输出的所述第一分词的修改结果的概率与所述初始文本处理模型输出的所述第一分词的标签的概率,确定所述第一分词的第一样本修改结果和第一样本标签;否则,将所述初始文本处理模型输出的所述第一分词的修改结果和标签分别记为所述第一分词的第一样本修改结果和第一样本标签。
本公开实施例提供的文本处理装置与上述实施例提供的文本处理方法属于同一构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例具备执行文本处理方法相同的有益效果。
实施例四
下面参考图4,其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的电子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4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4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405: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406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,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409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
实施例五
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(Hyper Text 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:确定待检测文本中各目标分词的目标标签和目标修改结果,所述目标分词为切分所述待检测文本得到的分词,所述目标标签用于表示所述目标分词的修改方式;根据各所述目标分词的目标标签和目标修改结果,确定各所述目标分词的目标结果;拼接各所述目标分词的目标结果,得到所述待检测文本对应的目标文本。
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,第一确定模块还可以被描述为“确定待检测文本中各目标分词的目标标签和目标修改结果的模块”。
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,本公开提供了一种文本处理方法,包括:
确定待检测文本中各目标分词的目标标签和目标修改结果,所述目标分词为切分所述待检测文本得到的分词,所述目标标签用于表示所述目标分词的修改方式;
根据各所述目标分词的目标标签和目标修改结果,确定各所述目标分词的目标结果;
拼接各所述目标分词的目标结果,得到所述待检测文本对应的目标文本。
根据本公开的一个或多个实施例,本公开提供的文本处理方法中,所述确定待检测文本中各目标分词的目标标签和目标修改结果,包括:
将所述待检测文本输入目标文本处理模型,得到所述待检测文本中各目标分词的目标标签和目标修改结果,所述目标文本处理模型由训练样本包含的样本分词训练初始文本处理模型得到。
根据本公开的一个或多个实施例,本公开提供的文本处理方法中,所述目标文本处理模型的训练过程如下:
将第一样本输入所述初始文本处理模型,得到所述第一样本中第一分词对应的样本标签和样本修改结果,所述第一样本为训练样本,所述第一分词为切分所述第一样本得到的分词;
确定所述样本标签和期望标签的第一损失值以及所述样本修改结果和期望修改结果的第二损失值;
根据所述第一损失值和第二损失值,对所述初始文本处理模型进行训练,得到目标文本处理模型。
根据本公开的一个或多个实施例,本公开提供的文本处理方法中,所述样本标签包括第一样本标签和第二样本标签,所述第一样本标签包括词性变换标签、删除标签或不修改标签,所述第二样本标签包括插入标签或不插入标签;
所述样本修改结果包括第一样本修改结果和第二样本修改结果,所述第一样本修改结果包括所述第一分词的词性修改结果或所述第一分词的删除结果,所述第二修改结果包括所述第一分词的插入词结果。
根据本公开的一个或多个实施例,本公开提供的文本处理方法中,所述将第一样本输入所述初始文本处理模型,得到所述第一样本中第一分词对应的样本标签和样本修改结果,包括:
确定所述第一分词的插入词结果,作为所述第一分词的第二修改结果,以及确定所述第一分词的二元标签,作为所述第一分词的第二样本标签,所述二元标签用于表示所述第一分词所在的位置是否需要插入其他分词;
确定所述第一分词是否需要修改,所述修改用于修改所述第一分词的词性或删除所述第一分词;
当确定所述第一分词需要修改时,根据所述初始文本处理模型输出的所述第一分词的修改结果和/或所述第一分词的标签确定所述第一分词的第一样本修改结果和第一样本标签;否则,根据所述初始文本处理模型输出的不修改指示结果确定所述第一分词的第一样本修改结果和第一样本标签,所述不修改指示结果用于表示所述第一分词不需要修改。
根据本公开的一个或多个实施例,本公开提供的文本处理方法中,所述确定所述第一分词是否需要修改,包括:
确定所述第一分词不需要修改的第一概率;
如果所述第一概率大于或等于第一设定阈值,则确定所述第一分词不需要修改;否则,确定所述第一分词需要修改。
根据本公开的一个或多个实施例,本公开提供的文本处理方法中,所述确定所述第一分词是否需要修改,包括:
确定所述第一分词的标签为第一预设标签的第二概率,所述第一预设标签用于表示所述第一分词不需要修改;
如果所述第二概率大于或等于第二设定阈值,则确定所述第一分词不需要修改;否则,确定所述第一分词需要修改。
根据本公开的一个或多个实施例,本公开提供的文本处理方法中,所述确定所述第一分词是否需要修改,包括:
确定所述第一分词不需要修改的第一概率以及所述第一分词需要修改的第三概率;
如果所述第三概率与第一概率的差值大于或等于第三设定阈值,则确定所述第一分词需要修改;否则,确定所述第一分词不需要修改。
根据本公开的一个或多个实施例,本公开提供的文本处理方法中,根据所述初始文本处理模型输出的所述第一分词的修改结果确定所述第一分词的第一样本修改结果和第一样本标签,包括:
将所述初始文本处理模型输出的所述第一分词的修改结果,记为所述第一分词的第一样本修改结果;
根据所述第一分词和第一样本修改结果的关联关系,确定所述第一分词的第一样本标签。
根据本公开的一个或多个实施例,本公开提供的文本处理方法中,根据所述初始文本处理模型输出的所述第一分词的标签确定所述第一分词的第一样本修改结果和第一样本标签,包括:
将所述初始文本处理模型输出的所述第一分词的标签,记为所述第一分词的第一样本标签;
根据所述第一样本标签,确定所述第一分词的第一样本修改结果。
根据本公开的一个或多个实施例,本公开提供的文本处理方法中,根据所述初始文本处理模型输出的所述第一分词的修改结果和所述第一分词的标签确定所述第一分词的第一样本修改结果和第一样本标签,包括:
如果所述第一分词的修改结果和所述第一分词的标签矛盾,则根据所述初始文本处理模型输出的所述第一分词的修改结果的概率与所述初始文本处理模型输出的所述第一分词的标签的概率,确定所述第一分词的第一样本修改结果和第一样本标签;否则,将所述初始文本处理模型输出的所述第一分词的修改结果和标签分别记为所述第一分词的第一样本修改结果和第一样本标签。
根据本公开的一个或多个实施例,本公开提供了一种文本处理装置,包括:
第一确定模块,用于确定待检测文本中各目标分词的目标标签和目标修改结果,所述目标分词为切分所述待检测文本得到的分词,所述目标标签用于表示所述目标分词的修改方式;
第二确定模块,用于根据各所述目标分词的目标标签和目标修改结果,确定各所述目标分词的目标结果;
拼接模块,用于拼接各所述目标分词的目标结果,得到所述待检测文本对应的目标文本。
根据本公开的一个或多个实施例,本公开提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时实现如本公开任一所述的文本处理方法。
根据本公开的一个或多个实施例,本公开提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本公开任一所述的文本处理方法。
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。
- 文本处理方法、文本处理装置、电子设备以及计算机可读存储介质
- 文本处理方法、装置、设备、计算机设备和存储介质