[发明专利]摘要语句提取方法、装置、服务器及计算机可读存储介质

权利要求书

1.一种摘要语句提取方法，其特征在于，应用于服务器，所述服务器存储有摘要语句提取模型，所述摘要语句提取模型包括语义识别模型、语义融合模型和语句分类模型，所述方法包括：

获取待提取摘要的目标文本，并将所述目标文本拆分为多个目标语句；

调用所述语义识别模型对每个所述目标语句进行处理，得到每个所述目标语句的第一语义向量；

调用所述语义融合模型对每个所述目标语句的第一语义向量进行处理，得到所述目标文本的语义向量矩阵；

对所述语义向量矩阵进行线性变换，得到目标语义向量矩阵；

调用所述语句分类模型对所述目标语义向量矩阵进行处理，得到分类标签序列，所述分类标签序列包括每个所述目标语句的分类标签；

根据所述分类标签序列和用于指示目标语句为摘要语句的第一标签，从所述多个目标语句中确定所述目标文本的摘要语句。

2.根据权利要求1所述的摘要语句提取方法，其特征在于，所述语义识别模型为预先训练好的Bert模型，所述语义融合模型为预先训练好的LSTM模型或者GRU模型，所述语句分类模型为预先训练好的二分类模型。

3.根据权利要求1所述的摘要语句提取方法，其特征在于，每个所述目标语句的字符个数等于预设字符个数。

4.根据权利要求1所述的摘要语句提取方法，其特征在于，所述摘要语句提取模型还包括dropout层，所述调用所述语义融合模型对每个所述目标语句的第一语义向量进行处理，得到所述目标文本的语义向量矩阵之前，还包括：

将每个所述目标语句的第一语义向量输入所述dropout层，得到语义向量序列；

对所述语义向量序列进行预处理，得到目标语义向量序列，其中，所述目标语义向量序列的长度等于预设长度；

所述调用所述语义融合模型对每个所述目标语句的第一语义向量进行处理，得到所述目标文本的语义向量矩阵，包括：

调用所述语义融合模型对所述目标语义向量序列进行处理，得到所述目标文本的语义向量矩阵。

5.根据权利要求4所述的摘要语句提取方法，其特征在于，所述对所述语义向量序列进行预处理，得到目标语义向量序列，包括：

若所述语义向量序列的长度小于所述预设长度，则在所述语义向量序列中填充零向量，得到目标语义向量序列；

若所述语义向量序列的长度大于所述预设长度，则对所述语义向量序列进行截取，得到目标语义向量序列。

6.根据权利要求1-5中任一项所述的摘要语句提取方法，其特征在于，所述对所述语义向量矩阵进行线性变换，得到目标语义向量矩阵，包括：

获取预设权重系数矩阵和预设偏置项矩阵；

根据预设权重系数矩阵和预设偏置项矩阵，对所述语义向量矩阵进行线性变换，得到目标语义向量矩阵。

7.根据权利要求1-5中任一项所述的摘要语句提取方法，其特征在于，所述根据所述分类标签序列和用于指示目标语句为摘要语句的第一标签，从所述多个目标语句中确定所述目标文本的摘要语句，包括：

确定所述第一标签在所述分类标签序列中的排序编号；

从所述多个目标语句中选择与所述排序编号对应的目标语句作为所述目标文本的摘要语句。