[发明专利]用于生成信息的方法和装置

权利要求书

1.一种用于生成信息的方法，包括：

对待解析文本进行切词处理，得到所述待解析文本的分词序列；

将所述待解析文本的分词序列中每个分词的词向量组成的序列确定为所述待解析文本的词向量序列；

以所述待解析文本的词向量序列中的各个词向量为节点构造平衡二叉树，其中，节点对应的词向量在所述待解析文本的词向量序列中的正向排序值或逆向排序值用于表征平衡二叉树的构造过程中的节点的大小；

将所构造的平衡二叉树输入预先训练的树形长短期记忆网络，生成所述待解析文本的文本向量，其中，所述树形长短期记忆网络用于表征以词向量为节点的平衡二叉树与文本向量之间的对应关系；

其中，平衡二叉树的构造过程包括：在二叉排序树中插入节点，调整二叉排序树为平衡二叉树；若平衡二叉树的平衡性由于插入一个新节点后被破坏，确定插入新节点后使得平衡二叉树失去平衡性的最小子树的根结点，以及调整所述最小子树中的各节点之间的链接关系，以使所述最小子树成为新的平衡子树。

2.根据权利要求1所述的方法，其中，所述所构造的平衡二叉树中每个节点的值为该节点对应的词向量在所述待解析文本的词向量序列中的正向排序值或逆向排序值。

3.根据权利要求1或2所述的方法，其中，所述方法还包括：

将所述待解析文本的文本向量输入预先训练的文本处理模型，生成所述待解析文本的文本处理结果，其中，所述文本处理模型用于表征文本的文本向量与文本处理结果之间的对应关系。

4.根据权利要求3所述的方法，其中，所述树形长短期记忆网络和所述文本处理模型是通过如下训练步骤得到的：

确定初始树形长短期记忆网络的网络结构和初始文本处理模型的模型结构，以及初始化所述初始树形长短期记忆网络的网络参数和所述初始文本处理模型的模型参数；

获取训练样本集，其中，每个训练样本包括样本文本和对样本文本进行处理所期望得到的标注处理结果；

对于所述训练样本集中的训练样本，执行以下参数调整步骤：将该训练样本中的样本文本进行切词处理，得到该样本文本的分词序列；将该样本文本的分词序列中每个分词的词向量组成的序列确定为该样本文本的词向量序列；以该样本文本的词向量序列中的各个词向量为节点构造平衡二叉树；将所构造的平衡二叉树输入所述初始树形长短期记忆网络，生成该样本文本的文本向量；将该样本文本的文本向量输入所述初始文本处理模型，生成该样本文本的实际处理结果；按照预设损失函数，计算该训练样本中的标注处理结果与该样本文本的实际处理结果之间的损失值；基于计算所得的损失值，调整所述初始树形长短期记忆网络的网络参数和所述初始文本处理模型的模型参数；响应于确定满足预设训练结束条件，结束所述参数调整步骤；

分别将训练得到的所述初始树形长短期记忆网络和所述初始文本处理模型确定为预先训练的所述树形长短期记忆网络和所述文本处理模型。

5.根据权利要求4所述的方法，其中，所述将所述待解析文本的分词序列中每个分词的词向量组成的序列确定为所述待解析文本的词向量序列，包括：

对于所述待解析文本的分词序列中的每个分词，在预先训练的词向量表中查询与该分词对应的词向量；

按照所述待解析文本的分词序列中每个分词的排序，生成由所述待解析文本的分词序列中每个分词的词向量组成的词向量序列；

将所生成的词向量序列确定为所述待解析文本的词向量序列。

6.根据权利要求5所述的方法，其中，所述基于计算所得的损失值，调整所述初始树形长短期记忆网络的网络参数和所述初始文本处理模型的模型参数，包括：

基于计算所得的损失值，调整所述初始树形长短期记忆网络的网络参数、所述初始文本处理模型的模型参数和所述词向量表。