[发明专利]文本识别模型训练方法、文本识别方法、装置以及介质

权利要求书

1.一种文本识别模型训练方法，其特征在于，包括：

获取待处理短文本训练数据；

根据所述待处理短文本训练数据生成文本向量序列；

对所述文本向量序列进行序列特征提取处理，得到序列特征提取结果，并将所述序列特征提取结果确定为短文本分类结果；所述序列特征提取结果包括第一短文本分类标签和第一标签概率；

对所述序列特征提取结果进行实体特征提取处理，得到实体特征提取结果；

根据所述序列特征提取结果和所述实体特征提取结果对文本识别模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述根据所述待处理短文本训练数据生成文本向量序列，包括：

对所述待处理短文本训练数据进行分词处理，得到分词处理结果；

根据所述分词处理结果查询预设字典，确定所述分词处理结果对应的字典数值编码；

根据所述分词处理结果对应的字典数值编码生成所述文本向量序列。

3.根据权利要求1或2所述的方法，其特征在于，在所述根据所述待处理短文本训练数据生成文本向量序列之后，还包括：

对所述文本向量序列进行归一化处理。

4.根据权利要求1所述的方法，其特征在于，在所述根据所述待处理短文本训练数据生成文本向量序列之后，还包括：

对所述文本向量序列进行非序列特征提取处理，得到非序列特征提取结果；其中，所述非序列特征提取结果包括第二短文本分类标签和第二标签概率；

所述将所述序列特征提取结果确定为短文本分类结果，包括：

根据所述序列特征提取结果和所述非序列特征提取结果确定所述短文本分类结果。

5.根据权利要求1所述的方法，其特征在于，在所述对所述文本向量序列进行序列特征提取处理之后，还包括：

利用注意力机制确定所述序列特征提取结果的序列权重系数：

利用分类器对所述序列特征提取结果的所述序列权重系数进行加权处理，得到加权处理结果；

根据所述加权处理结果确定所述短文本分类结果。

6.根据权利要求4所述的方法，其特征在于，所述根据所述序列特征提取结果和所述非序列特征提取结果确定所述短文本分类结果，包括：

在确定所述第一短文本分类标签和所述第二短文本分类标签为同一短文本分类标签的情况下，计算所述第一标签概率和所述第二标签概率的概率和值；

在确定所述概率和值大于或等于设定概率阈值的情况下，将所述第一短文本分类标签或所述第二短文本分类标签确定为所述短文本分类结果。

7.一种文本识别方法，其特征在于，包括：

获取待识别短文本数据；

将所述待识别短文本数据输入至文本识别模型中，得到短文本分类结果和短文本实体；其中，所述短文本分类结果包括短文本分类标签和标签概率；

其中，所述文本识别模型通过权利要求1-6任一所述的文本识别模型训练方法训练得到。

8.一种文本识别模型训练装置，其特征在于，包括：

待处理短文本训练数据获取模块，用于获取待处理短文本训练数据；

文本向量序列生成模块，用于根据所述待处理短文本训练数据生成文本向量序列；

短文本分类结果确定模块，用于对所述文本向量序列进行序列特征提取处理，得到序列特征提取结果，并将所述序列特征提取结果确定为短文本分类结果；所述短文本分类结果包括第一短文本分类标签和第一标签概率；

实体特征提取结果获取模块，用于对所述序列特征提取结果进行实体特征提取处理，得到实体特征提取结果；

模型训练模块，用于根据所述序列特征提取结果和所述实体特征提取结果对文本识别模型进行训练。