[发明专利]基于注意力机制的文档质量验证方法、装置、设备及介质

说明书

本发明公开了基于注意力机制的文档质量验证方法、装置、设备及介质，方法包括：分别获取初始文档中与文本信息对应的嵌入特征向量及与数值化信息对应的数值特征向量，进行整合得到对应的嵌入整合特征向量及对应的数值整合特征向量，根据嵌入整合特征向量及注意力神经网络对数值整合特征向量进行特征加权融合得到对应的加权特征向量，通过特征分类模型获取加权特征向量及嵌入整合特征向量对应的类型评估结果，并根据类型评估结果及初始文档的类型标签验证初始文档质量是否合格。本发明属于检测模型技术领域，涉及人工智能技术，可对文档中稀疏且具有较强关联性的内容进行准确提取及综合分析，从而大幅提高了对文档质量进行验证的准确性。

技术领域

本发明涉及检测模型技术领域，属于智慧城市中基于注意力机制对文档质量进行智能验证的应用场景，尤其涉及一种基于注意力机制的文档质量验证方法、装置、设备及介质。

背景技术

日常生活中的信息通常是以文档的形式进行存储，当需要对文档质量进行评估验证时，通常是采用人工方式进行评估，随着计算机技术的发展，对部分电子文档进行质量评估时可采用计算机替代，例如，可通过计算机对电子病例的质量进行评估并从中筛选出质量符合要求的电子病例。虽然现有的质量验证方法能够解放人力，但由于这些方法主要是基于人为指定的客观规则进行验证，导致对文档质量问题进行验证时覆盖性不足，难以对文档中稀疏且具有较强关联性的内容进行综合分析，从而影响了对文档质量进行验证的准确性。因此，现有的技术方法对文档质量进行验证时存在验证准确率不高的问题。

发明内容

本发明实施例提供了一种基于注意力机制的文档质量验证方法、装置、设备及介质，旨在解决现有技术方法对文档质量进行验证时所存在的验证准确率不高的问题。

第一方面，本发明实施例提供了一种基于注意力机制的文档质量验证方法，其包括：

若接收到用户输入的初始文档，根据预置的文本特征提取模型从所述初始文档的文本信息中提取对应的嵌入特征向量；

将所述初始文档的数值化信息输入预置的数值特征提取模型得到对应的数值特征向量；

根据预置的特征向量整合规则对所述嵌入特征向量及所述数值特征向量分别进行信息整合得到对应的嵌入整合特征向量及数值整合特征向量；

根据所述嵌入整合特征向量及预置的注意力神经网络对所述数值整合特征向量进行特征加权融合，得到与所述数值整合特征向量对应的加权特征向量；

将所述加权特征向量及所述嵌入整合特征向量输入预置的特征分类模型进行分类，得到对应的类型评估结果；

根据所述类型评估结果对所述初始文档的类型标签是否与所述类型评估结果相匹配进行验证，得到所述初始文档质量是否合格的验证结果。

第二方面，本发明实施例提供了一种基于注意力机制的文档质量验证装置，其包括：

嵌入特征向量获取单元，用于若接收到用户输入的初始文档，根据预置的文本特征提取模型从所述初始文档的文本信息中提取对应的嵌入特征向量；

数值特征向量获取单元，用于将所述初始文档的数值化信息输入预置的数值特征提取模型得到对应的数值特征向量；

信息整合单元，用于根据预置的特征向量整合规则对所述嵌入特征向量及所述数值特征向量分别进行信息整合得到对应的嵌入整合特征向量及数值整合特征向量；

加权特征向量获取单元，用于根据所述嵌入整合特征向量及预置的注意力神经网络对所述数值整合特征向量进行特征加权融合，得到与所述数值整合特征向量对应的加权特征向量；

类型评估结果获取单元，用于将所述加权特征向量及所述嵌入整合特征向量输入预置的特征分类模型进行分类，得到对应的类型评估结果；