[发明专利]文档分析方法及装置、计算机可读存储介质、计算机设备

权利要求书

1.一种文档分析方法，其特征在于，所述方法包括：

获取目标文档，将所述目标文档分割为多个句子；

根据所述目标文档的结构化程度选择对应的向量生成模型，所述向量生成模型以多个原语料和各个原语料对应的增强语料为样本、经过对比学习得到；

将所述目标文档的多个句子输入选择的向量生成模型中，得到所述多个句子各自的向量；

对所述多个句子各自的向量进行聚类，得到一个或多个向量簇；

根据所述一个或多个向量簇得到所述目标文档的分析结果。

2.根据权利要求1所述的方法，其特征在于，所述向量生成模型包括第一向量生成模型，所述根据所述目标文档的结构化程度选择对应的向量生成模型，包括：

当所述目标文档的结构化程度为低结构化程度时，选择所述第一向量生成模型；

其中，在所述第一向量生成模型中，所述原语料对应的增强语料是将所述原语料中的多个句子的顺序打乱后生成。

3.根据权利要求1所述的方法，其特征在于，所述向量生成模型包括第二向量生成模型，所述根据所述目标文档的结构化程度选择对应的向量生成模型，包括：

当所述目标文档的结构化程度为高结构化程度时，选择所述第二向量生成模型；

其中，在所述第二向量生成模型中，所述原语料由N个句子连接得到，所述原语料对应的增强语料由所述N个句子调整顺序后连接得到，N为大于等于2的正整数。

4.根据权利要求3所述的方法，其特征在于，所述原语料中的N个句子从样本文档中分割得到；

当所述样本文档中仅包括1个句子时，将所述1个句子作为所述原语料，将该句子打乱词序后得到的句子作为所述原语料对应的增强语料；

当所述样本文档中包括2个句子时，将所述2个句子按照样本文档中的排列顺序连接作为所述原语料，将所述2个句子调换句子顺序后连接得到所述原语料对应的增强语料；

当所述样本文档中的句子数量大于2时，所述原语料d_i用以下公式表示：d_i＝t_2i-1+t_2i，所述原语料d_i对应的增强语料d_i′用以下公式表示：d_i′＝t_2i+t_2i+1；

其中，i＝1,2,…(n-1)/2；n为所述样本文档的句子数量，t_2i为所述样本文档中第2i个句子，“t_2i-1+t_2i”表示所述样本文档中第2i-1个句子和所述样本文档中第2i个句子连接。

5.根据权利要求4所述的方法，其特征在于，所述向量生成模型的损失函数L_CL用以下公式表示：

其中，l_i根据如下公式得到：

为所述原语料d_i的向量，为所述原语料d_i对应的增强语料d_i′的向量，sim()表示求括号内向量之间的相似度，exp[]表示对以自然常数e为底、以中括号内的数值为指数的函数，j＝1,2,…,2M，j≠i，τ为预设常数，log{}表示对大括号内的数值取对数，M为训练时的批尺寸。

6.根据权利要求1至5任一所述的方法，其特征在于，每一向量簇包括中心向量和其他向量，所述中心向量对应的句子为中心句子，所述其他向量对应的句子为其他句子，所述根据所述一个或多个向量簇得到所述目标文档的分析结果，包括：

将各个向量簇的中心句子作为问题；

将各个向量簇的其他句子作为所述向量簇的问题对应的答案。

7.根据权利要求1至5任一所述的方法，其特征在于，每一向量簇包括中心向量，所述中心向量对应的句子为中心句子，所述根据所述一个或多个向量簇得到所述目标文档的分析结果，包括：

将各个向量簇的中心句子作为问题；

在所述目标文档中，获取各个问题之后的第一预设数量个句子作为该问题的答案。