[发明专利]语句类型识别方法和装置、存储介质及电子装置

权利要求书

1.一种语句类型识别方法，其特征在于，包括：

使用第一样本集合中的语句的特征向量对第一神经网络模型进行分类训练，得到机器学习分类模型，其中，所述第一样本集合中的语句的特征向量包括：在所述第一样本集合中出现频率大于第一词频的第一词语的特征向量、在所述第一样本集合中出现频率小于第二词频的第二词语的特征向量、以及在所述第一样本集合中随机选取的第三词语的特征向量，所述第一神经网络模型为Xgboost模型；

使用第二样本集合中的语句的特征向量对第二神经网络模型进行分类训练，得到深度学习分类模型，其中，所述第二样本集合中的语句的特征向量包括：目标应用中的相同帐号发布的相邻的多个语句的特征向量，所述第二神经网络模型为Bi-Lstm+Attention模型；

获取语句识别请求，其中，所述语句识别请求用于确认目标帐号在所述目标应用中发布的待识别语句是否属于目标类型，所述目标类型为禁止在所述目标应用中发布的语句的类型；

响应所述语句识别请求，获取所述待识别语句的目标特征向量，其中，所述目标特征向量用于表示所述待识别语句；

根据训练好的所述机器学习分类模型以及所述深度学习分类模型和所述目标特征向量获取类型识别结果，其中，所述目标特征向量为所述训练好的所述机器学习分类模型以及所述深度学习分类模型的输入，所述类型识别结果用于指示所述待识别语句是否属于所述目标类型，所述训练好的所述机器学习分类模型以及所述深度学习分类模型至少用于通过上下文语句的特征向量对所述目标特征向量进行实时识别，所述上下文语句为所述目标帐号在所述目标应用中发布的、且与所述待识别语句相邻的语句。

2.根据权利要求1所述的方法，其特征在于，所述根据训练好的所述机器学习分类模型以及所述深度学习分类模型和所述目标特征向量获取类型识别结果包括：

根据所述机器学习分类模型和所述目标特征向量获取第一类型识别结果，其中，所述第一类型识别结果用于指示所述待识别语句是否属于所述目标类型，所述目标特征向量为所述机器学习分类模型的输入；

根据所述深度学习分类模型、所述目标特征向量和所述上下文语句的特征向量获取第二类型识别结果，其中，所述第二类型识别结果用于指示所述待识别语句是否属于所述目标类型，所述目标特征向量和所述上下文语句的特征向量为所述深度学习分类模型的输入；

在所述第一类型识别结果与所述第二类型识别结果相同的情况下，确定所述类型识别结果为所述第一类型识别结果。

3.根据权利要求2所述的方法，其特征在于，在所述第一类型识别结果与所述第一类型识别结果不相同的情况下，所述方法还包括：

确定所述类型识别结果为用于指示所述待识别语句属于所述目标类型；或

比较用于表示所述第一类型识别结果的第一数值与用于表示所述第一类型识别结果的第二数值；在所述第一数值大于所述第二数值的情况下，确定所述类型识别结果为所述第一类型识别结果；在所述第一数值小于所述第二数值的情况下，确定所述类型识别结果为所述第二类型识别结果。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述目标应用为游戏应用，在所述根据训练好的所述机器学习分类模型以及所述深度学习分类模型和所述目标特征向量获取类型识别结果之后，所述方法还包括：

在所述类型识别结果指示所述待识别语句属于所述目标类型的情况下，向所述游戏应用发送第一提示信息，其中，所述第一提示信息用于指示所述待识别语句属于所述目标类型；或

向所述游戏应用发送第一控制指令，其中，所述第一控制指令用于禁止在所述游戏应用的界面中显示所述待识别语句；或

向所述游戏应用发送第二控制指令，其中，所述第二控制指令用于禁止所述目标帐号在目标时间段内在所述游戏应用中发布语句。