[发明专利]文本识别方法、装置、设备及存储介质

说明书

本公开涉及一种文本识别方法、装置、设备及存储介质，该方法包括：获取待识别的文本；通过识别模型对文本进行识别，得到文本的识别结果，识别结果用于标识文本是否为汇编文本，其中，识别模型包括深度模型和宽度模型，识别模型用于通过如下方式对文本进行识别：基于文本确定目标特征，目标特征包括文本对应的向量特征、字数特征、标题与正文的相关度特征和话题离散度特征；将目标特征中的向量特征输入深度模型，得到第一识别结果，并将目标特征中的向量特征或目标特征包括的字数特征、标题与正文的相关度特征和话题离散度特征输入宽度模型，得到第二识别结果；将第一识别结果和第二识别结果进行加权合并，得到文本的识别结果。

技术领域

本公开涉及文本识别技术领域，具体地，涉及一种文本识别方法、装置、设备及存储介质。

背景技术

随着互联网的蓬勃发展，在网络上发布的信息不断增加。面对海量的文本数据，相关技术人员通常通过文本识别技术来获取和利用文本中的有用信息。文本识别包括识别文字以及对文本进行分类，其中，对文本进行分类即是识别文本所属的类别。

通常，文本具有较为明确的主题，可通过一些技术较为成熟的文本识别模型进行识别。而汇编文本是一种内容离散的文本，在相关技术中，可通过基于BERT(BidirectionalEncoder Representation from Transformers，双向编码器表示)的文本识别模型以及基于simCSE(Simple Contrastive Learning of Sentence Embeddings，句子嵌入的简单对比学习)的文本识别模型来对汇编文本进行识别。然而，这两种模型均是基于单纯的语义信息来对文本进行识别的。对于内容离散的汇编文本，单纯基于语义信息识别文本，难以识别其离散结构，因而利用这些模型识别汇编文本的效果不佳。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种文本识别方法，所述方法包括：

获取待识别的文本；

通过识别模型对所述文本进行识别，得到所述文本的识别结果，所述识别结果用于标识所述文本是否为汇编文本，其中，所述识别模型包括深度模型和宽度模型，所述识别模型用于通过如下方式对所述文本进行识别：

基于所述文本确定目标特征，所述目标特征包括所述文本对应的向量特征、字数特征、标题与正文的相关度特征和话题离散度特征；

将所述目标特征中的所述向量特征输入所述深度模型，得到第一识别结果，并将所述目标特征中的所述向量特征或所述目标特征包括的所述字数特征、所述标题与正文的相关度特征和所述话题离散度特征输入所述宽度模型，得到第二识别结果；

将所述第一识别结果和所述第二识别结果进行加权合并，得到所述文本的识别结果。

第二方面，本公开提供一种文本识别装置，所述装置包括：

获取模块，用于获取待识别的文本；

识别模块，用于通过识别模型对所述文本进行识别，得到所述文本的识别结果，所述识别结果用于标识所述文本是否为汇编文本，其中，所述识别模型包括深度模型和宽度模型，所述识别模型用于通过如下方式对所述文本进行识别：

基于所述文本确定目标特征，所述目标特征包括所述文本对应的向量特征、字数特征、标题与正文的相关度特征和话题离散度特征；

将所述目标特征中的所述向量特征输入所述深度模型，得到第一识别结果，并将所述目标特征中的所述向量特征或所述目标特征包括的所述字数特征、所述标题与正文的相关度特征和所述话题离散度特征输入所述宽度模型，得到第二识别结果；