[发明专利]候选回复文本的筛选方法、装置、设备及介质

权利要求书

1.一种候选回复文本的筛选方法，所述方法包括：

获取第一对象对应的文本触发信号；

响应所述文本触发信号，根据所述第一对象输入的初始文本，从预设的回复文本库中进行回复文本搜索，得到候选回复文本集；

将所述候选回复文本集输入预设的分类模型进行所述回复文本的合理性的分类预测，得到预测向量；

根据所述预测向量，从所述候选回复文本集中筛选出最合理的所述回复文本，作为所述文本触发信号对应的目标回复文本。

2.根据权利要求1所述的候选回复文本的筛选方法，其特征在于，所述将所述候选回复文本集输入预设的分类模型进行所述回复文本的合理性的分类预测，得到预测向量的步骤，包括：

获取所述文本触发信号对应的对话描述信息，其中，所述对话描述信息包括：第一对象的基本信息和第二对象的基本信息，所述初始文本是所述第一对象对所述第二对象进行回复时输入的文本；

将所述对话描述信息和所述候选回复文本集中的每个所述回复文本进行融合，得到处理文本；

将各个所述处理文本输入所述分类模型进行所述回复文本的合理性的分类预测，得到所述预测向量。

3.根据权利要求2所述的候选回复文本的筛选方法，其特征在于，所述将各个所述处理文本输入所述分类模型进行所述回复文本的合理性的分类预测，得到所述预测向量的步骤，包括：

采用所述分类模型的输入层，对每个所述处理文本进行嵌入向量提取，得到第一嵌入向量；

采用所述分类模型的输入层，将所述第一对象对应的对象标识与所述第一嵌入向量进行相加，得到第二嵌入向量；

将各个所述第二嵌入向量输入所述分类模型依次进行联合编码及所述回复文本的合理性的分类预测，得到所述预测向量。

4.根据权利要求1所述的候选回复文本的筛选方法，其特征在于，所述根据所述第一对象输入的初始文本，从预设的回复文本库中进行回复文本搜索，得到候选回复文本集的步骤，包括：

采用PM25文本相似度算法，根据所述第一对象对应的所述初始文本，从所述回复文本库中进行所述回复文本搜索，得到所述候选回复文本集。

5.根据权利要求1所述的候选回复文本的筛选方法，其特征在于，所述将所述候选回复文本集输入预设的分类模型进行所述回复文本的合理性的分类预测，得到预测向量的步骤之前，还包括：

获取多个训练样本和初始模型；

基于pairwise loss训练方法，根据各个所述训练样本，对所述初始模型进行训练，将训练结束的所述初始模型作为所述分类模型；

其中，所述初始模型包括依次相连的Bert模型、全连接层和sigmiod激活层。

6.根据权利要求5所述的候选回复文本的筛选方法，其特征在于，每个所述训练样本包括：输入文本样本、候选回复文本样本集、正样本和负样本，所述正样本是所述候选回复文本样本集中的样本相似度最大且所述样本相似度大于预设阈值的回复文本，所述负样本是所述候选回复文本样本集中的所述正样本以外的所述回复文本，所述样本相似度是所述输入文本样本与所述候选回复文本样本集中的所述回复文本的相似度。

7.根据权利要求6所述的候选回复文本的筛选方法，其特征在于，所述获取多个训练样本和初始模型的步骤之前，还包括：

获取多个初始样本，其中，所述初始样本包括：输入文本样本、候选回复文本样本集、正样本和负样本；

将每个所述初始样本作为一个所述训练样本；

从各个所述初始样本中获取一个所述初始样本作为待处理样本；

基于预设的目标扩增方法，对所述待处理样本中的所述负样本、所述待处理样本中的所述候选回复文本样本集中的与所述负样本对应的所述回复文本进行扩增，将扩增后的所述待处理样本作为一个所述训练样本；

其中，所述目标扩增方法包括：实体扩增方法和/或错误描述扩增方法，所述实体扩增方法包括：随机删除部分文字方法或随机替换实体方法，所述错误描述扩增方法包括：上下文错位方法或错误语法引入方法。