[发明专利]用于识别文本蕴含关系的方法和装置

权利要求书

1.一种用于识别文本蕴含关系的方法，包括：

获取前提句和假设句；

确定所述前提句对应的前提句向量序列和所述假设句对应的假设句向量序列，包括：对所述前提句和所述假设句进行预处理；确定所述前提句词序列中各个词对应的词向量得到前提句词向量序列，并确定所述假设句词序列中各个词对应的词向量得到假设句词向量序列；确定所述前提句字序列中各个字对应的字向量得到前提句字向量序列，并确定所述假设句词序列中各个字对应的字向量得到假设句字向量序列；

将所述前提句向量序列与所述假设句向量序列输入至预先训练的句匹配模型，得到句匹配信息，并将所述前提句向量序列与所述假设句向量序列输入预先训练的词匹配模型，得到词匹配信息；

基于所述句匹配信息、所述词匹配信息以及预先训练的分类模型生成所述前提句与所述假设句的文本蕴含关系，包括：基于根据所述词向量序列得到的句匹配信息、词匹配信息以及预先训练的分类模型确定第一分类概率；基于根据所述字向量序列得到的句匹配信息、词匹配信息以及预先训练的分类模型确定第二分类概率；基于所述第一分类概率与所述第二分类概率生成所述前提句与所述假设句的文本蕴含关系。

2.根据权利要求1所述的方法，其中，所述句匹配模型，包括：

双重注意力机制加权后的长短期记忆网络模型。

3.根据权利要求1所述的方法，其中，所述词匹配模型，包括：

自注意力机制加权后的长短期记忆网络模型。

4.根据权利要求1所述的方法，其中，所述基于所述句匹配信息、所述词匹配信息以及预先训练的分类模型生成所述前提句与所述假设句的文本蕴含关系，包括：

提取所述前提句与所述假设句的目标特征；

基于所述目标特征、所述句匹配信息、所述词匹配信息以及预先训练的分类模型生成所述前提句与所述假设句的文本蕴含关系。

5.根据权利要求4所述的方法，其中，所述目标特征包括经由以下步骤确定的特征：

获取训练样本集合，其中，训练样本包括样本前提句、样本假设句和表征样本前提句与样本假设句的文本蕴含关系的标注结果；

将所述训练样本集合中的样本前提句、样本假设句以及提取出的样本前提句与样本假设句的各个备选特征作为输入，将表征输入的样本前提句与样本假设句的文本蕴含关系的标注结果作为输出，训练得到至少一个备选特征的权重，所述至少一个备选特征包括以下至少一项：表征前提句与假设句的子序列的长度的特征，表征前提句的子序列与假设句的子序列之间的长度差的特征，表征前提句的子序列与假设句的子序列之间的距离的特征，表征文本是否完全匹配的特征，前提句与假设句的词频-逆文本频率指数特征，前提句与假设句中包括的量词的特征，表征前提句与假设句之间的重复度的特征；

根据预先设置的权重阈值筛选所述至少一个备选特征得到目标特征。

6.根据权利要求1所述的方法，其中，所述确定所述前提句词序列中各个词对应的词向量得到前提句向量序列，并确定所述假设句词序列中各个词对应的词向量得到假设句向量序列，包括：

针对所述前提句词序列或所述假设句词序列中的未登录词：获取该未登录词包括的字的字向量；将所获取的字向量输入至预先训练的词向量生成模型，生成该未登录词的词向量。