[发明专利]表情问答库的构建方法、表情搜索方法、装置及存储介质在审

专利信息
申请号: 201910901756.6 申请日: 2019-09-23
公开(公告)号: CN110597963A 公开(公告)日: 2019-12-20
发明(设计)人: 赵猛;颜强;陈震鸿 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/33 分类号: G06F16/33;G06F16/332;G06F16/903;G06F16/9032
代理公司: 11270 北京派特恩知识产权代理有限公司 代理人: 崔晓岚;张颖玲
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 表情 会话 文本 判别结果 问答库 构建 搜索 存储介质 判别模型 集合 输出 携带 概率
【权利要求书】:

1.一种表情问答库的构建方法,其特征在于,所述方法包括:

获取包括多个表情会话的表情会话集合,所述表情会话由连续的至少两个表情构成;

分别将各所述表情会话中相邻的两个表情组成表情对;

分别获取各所述表情对中表情所携带的表情文本,得到对应所述表情对的表情文本对;

分别将各所述表情文本对输入会话判别模型,输出对应各所述表情文本对的判别结果,所述判别结果用于指示所述表情文本对构成表情会话的概率;

基于所述判别结果,构建所述表情问答库。

2.如权利要求1所述的方法,其特征在于,所述方法还包括:

构建样本集合,所述样本集合包括:标注有是否为表情会话的类别信息的表情文本对;

通过所述会话判别模型,对所述表情文本对进行处理,得到对应所述表情文本对的判别结果;

确定所述判别结果与目标判别结果的差异;

基于所述判别结果与所述目标判别结果的差异,更新所述会话判别模型的模型参数。

3.如权利要求2所述的方法,其特征在于,所述通过所述会话判别模型,对所述表情文本对进行处理,得到对应所述表情文本对的判别结果,包括:

通过会话判别模型,获取所述表情文本对对应的词向量、段向量及位置向量;

根据所述表情文本对对应的词向量、段向量及位置向量,对所述表情文本对进行语义特征提取,得到所述表情文本对的语义特征;

根据所述表情文本对的语义特征,确定所述表情文本对构成表情会话的概率。

4.如权利要求2所述的方法,其特征在于,所述基于所述判别结果与所述目标判别结果的差异,更新所述会话判别模型的模型参数,包括:

基于所述判别结果与所述目标判别结果的差异,确定所述会话判别模型的损失函数的值;

当所述损失函数的值达到预设阈值时,基于所述会话判别模型的损失函数确定相应的误差信号;

将所述误差信号在所述会话判别模型中反向传播,并在传播的过程中更新所述会话判别模型的各个层的模型参数。

5.如权利要求1所述的方法,其特征在于,所述方法还包括:

接收到针对表情的搜索指令,所述搜索指令用于指示搜索目标表情,所述目标表情能够与所述表情构成表情会话;

获取所述表情中携带的表情文本;

基于所述表情文本,在所述表情问答库中搜索与所述表情文本的相似度满足相似度条件的第一表情文本;

获取与所述第一表情文本构成文本问答对的至少一个第二表情文本;

基于所述第二表情文本,确定并呈现至少一个目标表情。

6.一种基于表情问答库的表情搜索方法,其特征在于,所述方法包括:

接收到针对表情的搜索指令,所述搜索指令用于指示搜索目标表情,所述目标表情能够与所述表情构成表情会话;

获取所述表情中携带的表情文本;

基于所述表情文本,在表情问答库中搜索与所述表情文本的相似度满足相似度条件的第一表情文本;

获取与所述第一表情文本构成文本问答对的至少一个第二表情文本;

基于所述第二表情文本,确定并呈现至少一个目标表情。

7.如权利要求6所述的方法,其特征在于,所述接收到针对表情的搜索指令,包括:

通过会话窗口,在会话界面中呈现接收到的会话消息中的所述表情;

响应于针对所述表情的按压操作,呈现对应所述表情的至少一种控制项;

响应于针对所述至少一种控制项中目标控制项的点击操作,接收到针对所述表情的搜索指令。

8.如权利要求6至7所述的方法,其特征在于,所述方法还包括:

分别对至少一个所述目标表情进行哈希变换,得到各所述目标表情对应的摘要信息;

存储各所述目标表情对应的摘要信息至区块链网络。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910901756.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top