[发明专利]一种断句方法及装置

权利要求书

1.一种断句方法，其特征在于，包括：

在缓存的字符序列中，从起始位置开始截取出第一长度的字符序列，其中，缓存的字符序列是对采集到的语音信号进行语音识别后得到的；

将本次截取的字符序列输入到预先训练的断句模型中进行断句；

若断句后的字符序列中包含断句标识，输出所述断句标识之前的字符，将所述断句标识之后的字符与下次从缓存中截取出的第二长度的字符序列拼接后，作为所述断句模型的下次输入。

2.如权利要求1所述的方法，其特征在于，所述第二长度与所述第一长度相同，或者所述第二长度与所述断句标识之后的字符的长度之和为所述第一长度。

3.如权利要求1所述的方法，其特征在于，若断句后的字符序列中存在至少两个断句标识，则输出所述断句标识之前的字符，包括：

若确定所述断句后的字符序列中存在至少两个断句标识，则按照所述至少两个断句标识的排列顺序，逐次输出每个断句标识之前的字符；或者

若确定所述断句后的字符序列中存在至少两个断句标识，则将最后一个断句标识之前的所有字符作为一个句子输出，且所输出的句子中包含断句标识。

4.如权利要求1所述的方法，其特征在于，若断句后的字符序列中未包含断句标识，所述方法还包括：

将本次截取的字符序列与下次从缓存中截取出的第三长度的字符序列拼接后，作为所述断句模型的下次输入。

5.如权利要求4所述的方法，其特征在于，所述第三长度与所述第一长度相同。

6.如权利要求4所述的方法，其特征在于，将本次截取的字符序列与下次从缓存中截取出的第三长度的字符序列拼接后，作为所述断句模型的下次输入之后，所述方法还包括：

将所述第一长度与所述第三长度之和作为更新后的第一长度，并基于所述更新后的第一长度进行下次断句处理。

7.如权利要求1所述的方法，其特征在于，根据以下步骤训练所述断句模型：

对获取的每个语料句子进行分词处理，确定该语料句子包含的词语；

确定该语料句子包含的词语中的稀有词语，利用子词切分算法对所述稀有词语进行切分处理；

将分词处理和切分处理后得到的词语形成的序列，输入到深度学习模型中进行断句标注；以及

根据每个语料句子原有的断句标识和所述深度学习模型输出的该语料句子对应的断句标注，调整所述深度学习模型的参数，建立断句模型。

8.一种断句装置，其特征在于，包括：

截取模块，用于在缓存的字符序列中，从起始位置开始截取出第一长度的字符序列，其中，缓存的字符序列是对采集到的语音信号进行语音识别后得到的；

断句模块，用于将本次截取的字符序列输入到预先训练的断句模型中进行断句；

处理模块，用于若断句后的字符序列中包含断句标识，输出所述断句标识之前的字符，将所述断句标识之后的字符与下次从缓存中截取出的第二长度的字符序列拼接后，作为所述断句模型的下次输入。

9.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中：

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7任一权利要求所述的方法。

10.一种计算机可读介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行如权利要求1至7任一权利要求所述的方法。