[发明专利]一种文本信息的处理方法及相关装置

权利要求书

1.一种文本信息的处理方法，其特征在于，包括：

确定待处理文本中的第一代词和第一先行词，所述待处理文本包括至少一个所述第一代词和至少一个所述第一先行词，其中，所述第一代词是代替名词主体的一种词类，能够以特定的词语代替文本中出现的一些名词，所述第一先行词是出现在第一代词之前的一些名词，用于表示特定的人物或者是事物；

确定所述待处理文本的第一向量表示值，所述第一向量表示值用于表示所述待处理文本的语义信息；所述第一向量表示值通过基于待处理文本中各个词语的语义定义的词向量编码获得；

确定所述第一代词和所述第一先行词对应的第一语义特征向量；

通过指代预测模型获取所述第一向量表示值以及所述第一语义特征向量对应的指代预测结果；

若所述指代预测结果为所述第一代词与所述第一先行词之间具有指代关系，则将所述待处理文本中的所述第一代词替换为所述第一先行词，得到处理后的文本。

2.根据权利要求1所述的文本信息的处理方法，其特征在于，将所述第一向量表示值以及所述第一语义特征向量输入指代预测模型中之前，所述方法还包括：

获取待训练文本，所述待训练文本包括至少一个第二代词和至少一个第二先行词；

确定所述待训练文本的第二向量表示值，以及所述第二代词和所述第二先行词对应的第二语义特征向量；

根据所述待训练文本生成训练样本，所述训练样本包括所述第二向量表示值、所述第二语义特征向量以及所述第二代词与所述第二先行词对应的指代标签，所述指代标签为所述第二代词与所述第二先行词具有指代关系或所述第二代词与所述第二先行词不具有指代关系；

通过所述训练样本对分类模型进行训练，得到所述指代预测模型。

3.根据权利要求1或2所述的文本信息的处理方法，其特征在于，所述确定所述待处理文本的第一向量表示值，包括：

确定所述待处理文本中的待处理语句，所述待处理语句包括有所述第一代词；

将所述待处理语句输入至句向量模型，得到所述待处理语句对应的第一向量表示值。

4.根据权利要求1所述的文本信息的处理方法，其特征在于，所述确定所述第一代词和所述第一先行词对应的第一语义特征向量，包括：

确定所述第一代词对应的第一子语义特征向量、所述第一先行词对应的第二子语义特征向量以及所述第一代词和所述第一先行词之间的第三子语义特征向量；

根据所述第一子语义特征向量、第二子语义特征向量以及所述第三子语义特征向量，确定所述第一代词和所述第一先行词对应的第一语义特征向量。

5.根据权利要求4所述的文本信息的处理方法，其特征在于，所述确定所述第一代词对应的第一子语义特征向量、所述第一先行词对应的第二子语义特征向量以及所述第一代词和所述第一先行词之间的第三子语义特征向量，包括：

根据所述第一代词的类型、词频以及所述第一代词在所述待处理文本中的位置确定所述第一子语义特征向量；

根据所述第一先行词的类型、词频以及所述第一先行词在所述待处理文本中的位置确定所述第二子语义特征向量；

所述第一代词和所述第一先行词对应的类型以及所述第一代词和所述第一先行词对应的单复数属性确定所述第三子语义特征向量。

6.根据权利要求1所述的文本信息的处理方法，其特征在于，所述确定待处理文本中的第一代词和第一先行词，包括：

对所述待处理文本进行分词处理，得到多个待处理词语；

通过代词词库对所述多个待处理词语进行代词匹配，得到所述第一代词；

通过对所述多个待处理词语进行命名实体识别，获得所述第一先行词。

7.根据权利要求1所述的文本信息的处理方法，其特征在于，所述将所述待处理文本中的所述第一代词替换为所述第一先行词，得到处理后的文本之后，所述方法还包括：

对所述处理后的文本进行关键字提取，得到新闻标签，其中，所述处理后的文本为新闻文本。