[发明专利]一种信息处理的方法及相关装置

说明书

本发明实施例公开了一种信息处理的方法，包括：获取待处理文本信息及句子集合；采用第一编码器对句子集合中的句子进行编码，得到第一编码向量，并采用第二编码器对句子集合中的句子进行编码，得到第二编码向量，第一编码向量是根据句子确定的，第二编码向量是根据句子的特征确定的；根据第一编码向量与第二编码向量确定句子编码向量；采用第三编码器对句子编码向量进行编码，得到全局信息；采用解码器对全局信息进行解码处理，确定待处理文本信息中各个句子对应的概率值。本发明还提供一种信息处理装置。本发明在使用深度学习方法同时，还加入了人工抽取的句子进行特征训练，有效地提高了模型的学习能力，从而提升信息处理的能力和效果。

技术领域

本发明涉及互联网技术领域，尤其涉及一种信息处理的方法及相关装置。

背景技术

如今，互联网信息呈爆炸式增长的趋势，我们不可避免地面临着信息过载的问题。如何对大量的冗余信息进行处理，并节约用户的阅读时间已经成为了互联网时代一大亟待解决的问题。

目前，对大量的冗余信息进行处理的方式为基于统计获取自动摘要，主要包括以下步骤，首先获取原始文本，然后对原始文本信息中的“关键词”进行词频统计，再根据句子中词频等信息计算句子权重，按照权值高低降序排列,权值最高的若干句子被确定为文摘句。

然而，在实际情况中，由于不同文档中的句子组成结构和句子组成方式千变万化，采用统计的方式从文档中抽取句子作为摘要，虽然可以得到较为完整的摘要，但是摘要内容的准确度不高，往往会掺杂一些非摘要性质的句子或者词组等，造成信息处理的效果不佳。

发明内容

本发明实施例提供了一种信息处理的方法及相关装置，在使用深度学习方法获取第一编码向量的同时，还加入了人工抽取的句子进行编码处理，并得到第二编码向量，结合第一编码向量信息和第二编码向量生成训练模型，可以有效地提高了预置训练模型的学习能力，从而提升信息处理的能力和效果。

本发明实施例的第一方面提供一种信息处理的方法，包括：

获取待处理文本信息以及句子集合；

采用第一编码器对所述句子集合中的句子进行编码处理，以得到第一编码向量，并采用第二编码器对所述句子集合中的句子进行编码处理，以得到第二编码向量，其中，所述第一编码向量是根据所述句子所确定的，所述第二编码向量是根据所述句子的特征所确定的；

根据所述第一编码向量与所述第二编码向量确定全局信息；

采用第三编码器对所述全局信息进行编码处理，以得到句子的全局编码向量；

采用解码器对所述全局编码向量进行解码处理，确定所述待处理文本信息中各个句子对应的概率值，其中，所述概率值用于确定摘要文本信息。

本发明实施例第二方面提供了一种信息处理装置，包括：存储器、处理器以及总线系统；

其中，所述存储器用于存储程序；

所述处理器用于执行所述存储器中的程序，包括如下步骤：

获取待处理文本信息以及句子集合；

采用第一编码器对所述句子集合中的句子进行编码处理，以得到第一编码向量，并采用第二编码器对所述句子集合中的句子进行编码处理，以得到第二编码向量，其中，所述第一编码向量是根据所述句子所确定的，所述第二编码向量是根据所述句子的特征所确定的；

根据所述第一编码向量与所述第二编码向量确定全局信息；

采用第三编码器对所述全局信息进行编码处理，以得到句子的全局编码向量；

采用解码器对所述全局编码向量进行解码处理，确定所述待处理文本信息中各个句子对应的概率值，其中，所述概率值用于确定摘要文本信息；