[发明专利]一种文本语义解析方法和装置

权利要求书

1.一种文本语义解析方法，其特征在于，包括：

提供包括编码器和解码器的解析模型并训练；

基于待解析文本，以Bert模型作为所述编码器，按设定格式将所述待解析文本包括的短文本和长文本输入所述编码器，所述设定格式为[分类标签]短文本[文本分割符]长文本[文本分割符]；通过所述Bert模型对所述待解析文本进行编码，生成第一向量矩阵，所述第一向量矩阵的行数为采用所述设定格式输入的内容的长度之和；

基于所述第一向量矩阵，通过所述解码器生成上下文向量矩阵，所述上下文向量矩阵表征自身之外的词对自身的贡献；

基于所述上下文向量矩阵确定边界向量矩阵，通过所述解码器解码所述边界向量矩阵，确定所述长文本是否蕴含所述短文本。

2.如权利要求1所述的方法，其特征在于，所述基于所述第一向量矩阵，通过所述解码器生成所述上下文向量矩阵，包括：

基于所述第一向量矩阵，通过所述解码器由所述长文本中确定所述短文本的线索，生成第二向量矩阵；

基于所述第二向量矩阵，通过所述解码器生成所述上下文向量矩阵。

3.如权利要求2所述的方法，其特征在于，所述生成所述第二向量矩阵和所述上下文向量矩阵，具体包括：

基于所述第一向量矩阵和DGCNN模型，生成所述第二向量矩阵；

基于所述第二向量矩阵和Self-attention模型，生成所述上下文向量矩阵。

4.如权利要求3所述的方法，其特征在于，所述基于所述第一向量矩阵和所述DGCNN模型，生成所述第二向量矩阵，包括：

通过对所述第一向量矩阵进行一维膨胀卷积，生成第一中间向量矩阵；

再通过对所述第一向量矩阵进行一维膨胀卷积，用激活函数激活，生成第二中间向量矩阵；

基于所述第一向量矩阵、所述第一中间向量矩阵和所述第二中间向量矩阵，通过利用所述第二中间向量矩阵作为权值，生成所述第二向量矩阵。

5.一种文本语义解析装置，其特征在于，包括编码器和解码器，

所述编码器，用于基于待解析文本，以Bert模型作为所述编码器，按设定格式将所述待解析文本包括的短文本和长文本输入所述编码器，所述设定格式为[分类标签]短文本[文本分割符]长文本[文本分割符]；通过所述Bert模型对所述待解析文本进行编码，生成第一向量矩阵，所述第一向量矩阵的行数为采用所述设定格式输入的内容的长度之和；

所述解码器，用于基于所述第一向量矩阵，生成上下文向量矩阵；以及，基于所述上下文向量矩阵确定边界向量矩阵，解码所述边界向量矩阵，确定所述长文本是否蕴含所述短文本。

6.如权利要求5所述的装置，其特征在于，所述解码器基于所述第一向量矩阵，通过所述解码器生成所述上下文向量矩阵，包括：

基于所述第一向量矩阵，通过所述解码器由所述长文本中确定所述短文本的线索，生成第二向量矩阵；

基于所述第一向量矩阵和所述第二向量矩阵，通过所述解码器生成所述上下文向量矩阵。

7.如权利要求6所述的装置，其特征在于，所述解码器生成所述第二向量矩阵和所述上下文向量矩阵，具体包括：

基于所述第一向量矩阵和DGCNN模型，生成所述第二向量矩阵；

基于所述第一向量矩阵、所述第二向量矩阵和Self-attention模型，生成所述上下文向量矩阵。

8.如权利要求7所述的装置，其特征在于，所述解码器基于所述第一向量矩阵和所述DGCNN模型，生成所述第二向量矩阵，包括：

通过对所述第一向量矩阵进行一维膨胀卷积，生成第一中间向量矩阵；

再通过对所述第一向量矩阵进行一维膨胀卷积，用激活函数激活，生成第二中间向量矩阵；

基于所述第一向量矩阵、所述第一中间向量矩阵和所述第二中间向量矩阵，通过利用所述第二中间向量矩阵作为权值，生成所述第二向量矩阵。